Folglich haben alle Menschen und Tiere die Fähigkeit entwickelt, Entscheidungen zu treffen, bei denen Nutzen und Kosten auf der Grundlage von Erwartungen abgewogen werden.
Schwierigkeiten bei solchen Entscheidungen und ihrer Umsetzung durch adaptive motorische Kontrolle sind zentrale Merkmale vieler neurologischen Krankheiten, doch die zugrundeliegenden Prozesse im Gehirn sind nur unzureichend verstanden.
In iBehave arbeiten Forschende disziplin- und artenübergreifend zusammen, um überlebenswichtige Verhaltensweisen und die ihnen zugrundeliegenden neuronalen Netzwerke zu untersuchen.
SAIL
Einrichtungen: Universität Bielefeld (Federführung), Fachhochschule Bielefeld, Hochschule Ostwestfalen-Lippe, Universität Paderborn

Ziel des Projektes ist es, die Vorhersagequalität dieser Netze basierend auf ihren Unsicherheiten zu bewerten, um Sicherheitsprobleme zu vermeiden.
Zudem soll die Vorhersageperformance der Netze verbessert und insbesondere die Anzahl nicht-entdeckter Objekte reduziert werden.
Dr. Leonardo Galli Standort: RWTH Aachen Projektname: Robustness and Generalization in Training Deep Neural Networks Kurzbeschreibung: Bei diesem Vorhaben geht es darum, neue Varianten von Algorithmen für das Training von künstlichen neuronalen Netzwerken zu entwickeln.
Ziel dabei ist, schnelleres und fehler-robusteres Training zu ermöglichen, sowie rigorose mathematische Garantien für den Erfolg dieser Algorithmen zu beweisen.
Insgesamt soll dies eine einfachere, schnellere und energiesparendere Anwendung künstlicher Intelligenz ermöglichen.

Rentmeisters Entwicklungen sind beispielsweise für mRNA-basierte Therapien von großer Bedeutung.
Dr. Marcel Oberlaender (Max-Planck-Institut für Neurobiologie des Verhaltens - CAESAR): Der Neurobiologe befasst sich mit der Signal- und Informationsverarbeitung im Gehirn.
Künstliche "deep learning" neuronale Netzwerke finden heute eine breite Anwendung, haben aber den Nachteil einer langen Trainingsphase.
Das Projektziel von ConnectomesToANNs ist es, mittels Prinzipien der Organisation neuronaler Netzwerke im Gehirn die Notwendigkeit aufwändiger Trainingsphasen zu minimieren.
Dazu schaffen die Forschenden künstliche neuronale Netzwerke anhand von Rekonstruktion und Modellierungen biologischer neuronaler Netzwerke.

In seinem Projekt als Lamarr-Fellow befasst er sich vor allem mit Fragestellungen des wissenschaftlichen Rechnens.
Beispiele hierfür sind die Steuerung von Multikoptern und Robotern sowie die Brechung von Gas- und Flüssigkeitsströmungen.
"Im wissenschaftlichen Rechnen sind trainierte künstliche neuronale Netzwerke häufig zu ungenau.
In dem vom Ministerium geförderten Projekt wollen wir künstliche neuronale Netzwerke mit deutlich höheren Genauigkeiten konstruieren, mit denen dann in Anwendungen bessere Entscheidungen getroffen werden können.
Das Lamarr-Institut bietet mit seinen international führenden Experten herausragende Rahmenbedingungen für meine Forschungsgruppe für die Durchführung dieses Projektes", sagt Prof. Jentzen.

* TRR 460 "Dynamiken von immunologischer, glialer und neuronaler Netzwerkinteraktion" Sprecherhochschule: U Mainz Weitere antragstellende Hochschule: U Münster Weitere Beteiligte: U Düsseldorf, U Köln, U of California, FZJ

Dafür soll das Neuronale Netzwerk individualspezifischen Gesichtsmerkmale und andere Merkmale lernen, um somit einzelne Individuen voneinander unterscheiden zu können.

Dazu werden generative Modelle entwickelt, die die Plausibilität von Merkmalen in tiefen neuronalen Netzen auswerten.
In Anlehnung an die Biologie werden die Lernalgorithmen so konzipiert, dass sie asynchron sind, indem das Netzwerk mit zeitkontinuierlichen Methoden modelliert wird.

Mehr Informationen zu den Nachwuchsforschern und zum Kompetenznetzwerk Stammzellforschung unter www.stammzellen.nrw.de.
Nach der Fertigstellung ihrer Doktorarbeit am Institut für Rekonstruktive Neurobiologie am Universitätsklinikum Bonn ist sie dort als Postdoktorandin geblieben und hat sich mit der Ableitung verschiedener neuronaler Zelltypen aus pluripotenten Stammzellen beschäftigt.

* Universität Köln: GRK 1960/2 "Neuronale Netzwerkanalyse auf zellulärer und subzellulärer Ebene" (Sprecher: Prof. Dr. Ansgar Büschges)

Im Rahmen des Projekts wird die bereits weit verbreitete Open-Source-Programmierumgebung Open Roberta Lab des Fraunhofer IAIS insbesondere um die Integration Künstlicher Neuronaler Netze (KNN) erweitert, um KI-Algorithmen durch grafische Programmierung intuitiv erleb- und verstehbar zu machen.
Ziel ist es, dass Schülerinnen und Schüler ab Klasse 5/6 verstehen, was ein Künstliches Neuronales Netz ist, wie es funktioniert und wie sie selbst ein KNN programmieren können, das zum Beispiel einem Roboter ermöglicht, sich selbstständig in seiner Umwelt zu bewegen.
Künstliche Neuronale Netze werden zu einem begreifbaren Element, das Schülerinnen und Schüler selbst programmieren können.

Die Anwendung von Techniken künstlicher Intelligenz auf Basis von Cloud Computing und neuronalen Netzen war daher bislang unmöglich.