Fall School on Connectionism and Neural Nets HeKoNN 94 (in German)

[Franz Kurfess]

Below please find the announcement and call for participation
of HeKoNN 94, a fall school on connectionism and neural networks
to take place October 10-14, 1994 near Muenster, Germany.
The courses will be held in German, so this will
not be of much interest for people who don't speak German.

Franz Kurfess



			HeKoNN 94
	Herbstschule Konnektionismus und Neuronale Netze
		Muenster, 10.-14.10.1994


Im kommenden Oktober veranstalten die Fachgruppen "Konnektionismus" und
"Neuronale Netze" der GI (Gesellschaft fuer Informatik) eine
Herbstschule zu dem Themenbereich Konnektionismus und neuronale Netze.
Sie bietet Einfuehrungen und vertiefende Darstellungen zu folgenden
Themen:  Grundlagen und Statistik, Implementierungen und Anwendungen,
symbolischer Konnektionismus und kognitiver Konnektionismus.

Konnektionistische Modelle und neuronale Netze sind einerseits
inspiriert von biologischen Vorbildern, insbesondere dem menschlichen
Gehirn, dienen andererseits inzwischen aber auch als praktikable
Mechanismen zur Loesung konkreter Probleme. Durch diese Dichotomie
ergibt sich die Gefahr von vielerlei Missverstaendnissen und
unrealistischen Erwartungen, sei es bezueglich der Leistungsfaehigkeit
im Vergleich zu herkoemmlichen Methoden, oder der Moeglichkeit
biologische Systeme "nachzubauen".

Seit etwa Mitte der achtziger Jahre ist das Backpropagation Modell
vielen gelaeufig. Viel zu wenig bekannt sind aber theoretische
Ergebnisse zu den Eigenschaften dieses und alternativer Verfahren und
ueber die Zuverlaessigkeit der Methoden. Es ist heute klar, dass
neuronale Netze in enger thematischer Verwandtschaft mit Statistik,
Funktionsapproximation, und theoretischer Physik stehen und viele der
dort gewonnen Erkenntnisse auch hier anwendbar sind.

Darueberhinaus besteht noch ein recht grosses Defizit bei Fragen, die
sich mit den biologischen, kognitiven und psychologischen Aspekten
neuronaler Netze befassen.  Hierbei dreht es sich um Konzepte zur
Modellierung von Verhaltensweisen und Denkprozessen auf der Basis
neuronaler Netze.  Beispiele hierfuer sind die Repraesentation von
"Wissen", insbesondere die Verankerung von internen Darstellungen mit
den zugehoerigen Objekten der realen Welt, oder auch das Durchfuehren
von einfachen Schlussfolgerungen.  Solche Fragen sind nicht nur von
akademischem Interesse, sondern ergeben sich auch beim Zusammenspiel
von eher symbolorientierter Wissensverarbeitung, z.B. in
Expertensystemen, und eher datenorientierten Verfahren etwa in der
Mustererkennung.  Und genau an dieser Stelle liegen auch viele
Schwierigkeiten von herkoemmlichen Verfahren der Kuenstlichen
Intelligenz, etwa in den Bereichen Sprach- oder Bildverarbeitung.

Die Herbstschule bietet eine umfassende und fachuebergreifende
Darstellung des Themengebiets mit besonderer Betonung der obigen
Fragestellungen. Zwanzig aktive Wissenschaftler konnten als Dozenten
gewonnen werden, die jeweils 8-stuendige Kurse abhalten.  Die Kurse
sind in vier Bereiche eingeteilt:
 
* Grundlagen und Statistik
* Implementierungen und Anwendungen
* Symbolischer Konnektionismus
* Kognitiver Konnektionismus

Im ersten Bereich -- Grundlagen und Statistik -- gibt es fuenf Kurse,
in denen die Grundlagen von Konnektionismus und neuronalen Netzen
erlaeutert werden.  Dabei geht es zunaechst um die Vorstellung der
haeufig verwendeten Modelle sowie die Einfuehrung der entsprechenden
Fachbegriffe und Algorithmen. Ein Kurs bietete eine Einfuehrung in die
Grundlagen, Zielsetzungen und Forschungsfragen des Gebietes
'Konnektionismus' bzw. 'Neuronale Netzwerke' vom Standpunkt der
K"unstlichen-Intelligenz-Forschung. Ein zweiter Kurs diskutiert
neuronale Netze aus dem Blickwinkel der Approximationstheorie und
Statistik. Hierbei wird besonderes Gewicht auf die Diskussion der
Eigenschaften der verschiedenen Lern- und Optimierungsverfahren fuer
die gaengigen Netzwerktypen gelegt.  Ein anderer Kurs untersucht die
Eignung kuenstlicher Neuronaler Netze als Modelle biologischer
Vorgaenge.  Die Betonung liegt hierbei auf dem erforderlichen
Realitaetsgrad der Netze bei der  Simulation der
Informationsverarbeitung in den Nervensystemen von Lebewesen.
Entscheidend fuer den praktischen Einsatz neuronaler Netze bei der
Prognose und Prozesssteuerung ist die Zuverlaessigkeit der Ergebnisse.
Ein spezieller Kurs zu dieser Fragestellung stellt Methoden zur
Abschaetzung der Zuverlaessigkeit, zur Verbesserung der
Prognosegenauigkeit und zur Optimierung der Netzwerktopologie vor.
Besonders vielversprechend sind hier genetische Algorithmen,  die ein
globales Optimum fuer Funktionen mit vielen Nebenmaxima bestimmen
koennen. Diese Verfahren werden in einem weitereren Kurs diskut iert.


Der zweite Bereich -- Implementierungen und Anwendungen -- beinhaltet
vier Kurse. In diesen Kursen werden zum einen mit SNNS und SESAME zwei
weit verbreitete Public-Domain-Simulationswerkzeuge mit graphischer
Benutzeroberflaeche vorgestellt, wobei praktische Uebungen am Rechner
vorgesehen sind. Ein Schwerpunkt dieser Simulatoren ist die flexible
Aenderung bestehender Netzstrukturen sowie die schnelle und sichere
Modifikation von Lernverfahren. Waehrend der SNNS grossen Wert auf die
graphischen Oberfl"ache unter X-Windows zur Generierung, Visualisierung
und Modifikation der neuronalen Netze legt, hat Sesame seinen
Schwerpunkt in einem modularen Experimentdesign, dass schnellen
flexiblen Austausch einzelner Komponenten sicherstellt und durch
Modularisierung die Konstruktion neuer Algorithmen unterstuetzt.  Ein
anderer Kurs praesentiert den derzeitigen Stand der Technik bei der
Hardwareimplementierung neuronaler Netze. Hierbei handelt es sich
einerseits um Zusatzkarten f"ur konventionelle Arbeitsplatzrechner und
spezielle Parallelrechnersysteme, und zum anderen um  Architekturen auf
der Basis von anwendungsspezifischen mikroelektronischen Bausteinen,
die entweder digital oder analog sein k"onnen.  Als eine Anwendung
werden schliesslich neuronale Netze im Bereich der Robotik diskutiert.
Kuenstliche Neuronale Netze erscheinen hier geignet weil sie aus
Trainingsbeispielen selbst"andig relevante Informationen extrahieren
koennen. Schwerpunkt ist die Frage, ob sich hieraus in der Praxis
Vorteile gegenueber den klassischen analytischen Verfahren der Robotik
ergeben.

Der dritte Bereich -- Symbolischer Konnektionismus -- versucht, den
Zusammenhang herzustellen zwischen symbolorientierten Methoden der
Kuenstlichen Intelligenz  und sub-symbolischen Methoden, die meist im
sensornahen Bereich, also bei der Datenerfassung vorliegen.  Neuronale
Netze werden gerade im datennahen Bereich oft mit Erfolg eingesetzt,
sind jedoch nicht so ohne weiteres dafuer geeignet, Manipulationen auf
Zeichenreihen von Symbolen durchzufuehren.  Eine wichtige
Fragestellungen hierbei ist die Ueberfuehrung von Rohdaten, wie etwa
von einer Kamera aufgenommene Bilder oder von einem Mikrophon
registrierte akustische Signale, in eine symbolische Form, auf der dann
konventionelle Werkzeuge wie Expertensysteme aufsetzen koennen.  Ein
anderer wichtiger Aspekt ist die Extraktion von Wissen aus neuronalen
Netzen, etwa zur Erklaerung ihres Verhaltens oder zur Darstellung der
von dem Netzwerk gelernten Information in Form von Regeln.

Der letzte Bereich schliesslich -- Kognitiver Konnektionismus --
befasst sich mit der Verwendung neuronaler Netze als Modelle fuer
Wahrnehmung und Denkprozesse.  Zum einen werden hier wichtige
grundlegende Probleme dieser Modelle vor einem eher philosophischen
Hintergrund diskutiert, zum anderen aber auch Ansaetze zur Modellierung
von Phaenomenen wie Konzeptrepraesentation, Lernen, und Gedaechtnis
besprochen. Weitere Themen betreffen die Untersuchung und
Modellierung von informationsverarbeitenden Teilsystemen im Gehirn,
etwa der Sprachverarbeitung oder des visuellen Systems.

Die Kurse zu den vier obigen Bereichen werden parallel abgehalten; es
ist hierbei jedoch nicht notwendig, einen Bereich als Gesamtes
auszuwaehlen, sondern die Teilnehmer koennen und sollen Kurse aus
verschiedenen Bereichen belegen.  Die Herbstschule wird im
Jugendgaestehaus Aasee bei Muenster stattfinden, wo sowohl die
Teilnehmer als auch die Dozenten untergebracht sein werden.  Dadurch
soll die Moeglichkeit geboten werden, auch ausserhalb der eigentlichen
Lehrveranstaltungen in einer zwanglosen Atmosphaere ueber interessante
Fragestellungen weiterzudiskutieren.

Angesprochen werden sollen insbesondere fortgeschrittene Studenten
sowie Praktiker aus Forschung und Industrie.  Die Zahl der Teilnehmer
ist auf 100 beschraenkt.  Der Preis fuer Studenenten wurde relativ
niedrig gehalten (ca. 410,- DM incl Tagungsunterlagen und
Vollpension).  Um das Niveau der Tagung zu sichern, erfolgt die Auswahl
der Teilnehmer auf Grund einer Bewerbung. Hierbei werden Vorkenntnisse,
praktische Erfahrungen und das spezielle Interesse an Fragen des
Konnektionismus und der Neuronalen Netze beruecksichtigt.
Anmeldeschluss ist der

	- - - 1. Juli 1994 - - -

Im Organisations- und Programmkomitee sind
	Ingo Duwe, Uni Bielefeld,
	Franz Kurfess, Uni Ulm,
	Gerhard Paass, GMD Sankt Augustin (Vorsitz),
	Guenther Palm, Uni Ulm,
	Helge Ritter, Uni Bielefeld,
	Stefan Vogel, Uni Koeln.
Weitere Informationen sind erhaeltlich per anonymem ftp von
"ftp.gmd.de", Directory "/Learning/neural/HeKoNN94", per electronic
mail von "hekonn at neuro.informatik.uni-ulm.de",
oder vom 	
	Tagungssekretariat HeKoNN 94
	c/o Birgit Lonsinger, 
	Universitaet Ulm
	Fakultaet fuer Informatik
	Abteilung Neuroinformatik
	D-89069 Ulm
	Tel: 0731 502 4151	
	Fax: 0731 502 4156