Dozent: Prof. Johannes Köbler und Dr. Wolfgang Lindner
Termine: | VL Di 11-13 (RUD 25, 4.1.10) Prof. J. Köbler und Dr. W. Lindner |
---|---|
VL Do 13-15 (RUD 25, 4.1.11) Prof. J. Köbler und Dr. W. Lindner | |
UE Di 13-15 (RUD 25, 4.1.10) Prof. J. Köbler
|
Zuordnung: | Hauptstudium, Halbkurs |
---|
Die Theorie des algorithmischen Lernens beschäftigt sich mit Lernprozessen, die von Algorithmen ausgeführt werden. Hierzu wurde eine Vielfalt an Lernmodellen entworfen, die die unterschiedlichen Rahmenbedingungen widerspiegeln, unter denen solche Lernprozesse stattfinden. Das Spiel "Mastermind" etwa stellt ein sehr anschauliches Beispiel für ein Lernmodell dar, bei dem das Lernziel durch aktives Stellen von Fragen an einen "Lehrer" erreicht werden kann.
In der Vorlesung wird ein überblick über die bekanntesten Lernmodelle gegeben. Im Vordergrund steht dabei die Frage, welcher (Zeit-)Aufwand zum Erreichen eines vorgegebenen Lernziels benötigt wird (obere und untere Schranken). Interessanterweise bestehen hier enge Querbezüge zur Sicherheit von Public-Key-Verfahren, wie sich in neueren Arbeiten herausgestellt hat.
[1] | M. Kearns, U. Vazirani. An Introduction to Computational Learning Theory. MIT Press 1997 (2nd Ed.)] |
[2] | M. Anthony, N. Biggs. Computational Learning Theory. Cambridge University Press 1992 |
[3] | N. Littlestone. Learning quickly when irrelevant attributes abound: A new linear-threshold algorithm. Machine Learning 2. 1988 |
[4] | R. Rivest. Machine Learning (Lectures Notes 1994) |
[5] | Andreas Abel. Division nach Beame, Cook und Hoover. (Iteriertes Produkt mit einem Schaltkreis logarithmischer Tiefe) |