Bachelor-/Masterseminar:
Optimierung (für PDgl. und Maschinelles Lernen)
SS 2026
| Dozent: | Prof. Dr. Benedikt Wirth |
Informationen zum Seminar
| Zeit, Ort: |
noch festzulegen |
| Learnweb: | bitte registrieren unter https://sso.uni-muenster.de/LearnWeb/learnweb2/course/view.php?id=91273 |
| Inhalt: | Viele Probleme aus Anwendungen lassen sich als Variationsproblem bzw. Optimierungsproblem formulieren. Häufig treten dabei auch partielle Differentialgleichungen als Nebenbedingung auf, z. B. bei der optimalen Steuerung von biologischen/chemischen/physikalischen/ökonomischen Prozessen, bei dem Design von optimalen Bauteilen für Ingenieuranwendungen, bei inversen Problemen der Medizin und Biologie. Eine andere Art von Optimierung wird für das Trainieren künstlicher neuronaler Netze mit großen Datenmengen benötigt. In diesem Seminar behandeln wir Optimierungsmethoden für obige Kontexte. Je nach Interesse und Vorwissen werden wir Buchkapitel und Forschungsartikel aus dem breiten Spektrum von neuronalen Netzen bis zur Optimierung unter PDE-Nebenbedingungen als Vortragsthemen vergeben. |
| Voraussetzungen: | Analysis I-III, Vorkenntnisse in Modulen in einem der Felder Numerik, Analysis, Stochastik sind hilfreich. |
| Leistungsnachweis: | 90-minütiger Seminarvortrag und didaktisch aufbereitete Ausarbeitung (ca. 7-seitiges Handout, dieses soll ca. 10 Tage vor dem Vortrag vorgelegt werden, um zusätzliche Hilfestellungen geben zu können) |
| Vorbesprechung: | Mittwoch, 28. Januar 2026, 13:30-14:15, Orleans-Ring 10, 2. Stock, Seminarraum 120.030 |
| Teilnahme: | Bei Interesse melden Sie sich bitte in der Vorbesprechung oder per E-Mail. |
| Vortrags-Themen: |
Für Optimierung folgen wir evtl. Lehrbuchkapiteln bzw. ausgewählten Artikeln im Kontext von Optimierung künstlicher neuronaler Netze, z.B.:
|