Homepage Frederik Beuth

Beuth, F., Ritter, M. (2009)
“Verschmelzendes Clustering in Artmap”
Workshop Audiovisuelle Medien, Chemnitz (Germany), WAM2009

Abstract: Default-Artmap ist ein Datenanalyseverfahren, welches zur Objekterkennung einsetzbar ist. Dieses überwachte Clusterverfahren erreicht ähnliche
Kategorisierungsgüten wie ein künstliches Neuronales Netz. Es besitzt aber eine wesentlich geringere Laufzeit, da es die Eingabe nur einmal verarbeitet. Die Qualität des Algorithmus ist aber von der Reihenfolge der Eingabedaten abhängig. Der hier vorgestellte Ansatz behebt das Problem, indem Default-Artmap um die Möglichkeit einer Clusterverschmelzung erweitert wird. Eine auf dem generischen 2d3cII-Datensatz durchgeführte Evaluation ergab verbesserte Kategorisierungsgüten und Clusterformen.

[Tagungsband, S. 93ff], Software auf Anfrage

Vitay, J., Fix, J., Beuth, F., Schroll, H. and Hamker, F.H. (2009)
“Biological models of reinforcement learning” (submitted)

Abstract: This review focuses on biological issues of reinforcement learning. Since the influential discovery of W. Schultz of an analogy between the reward prediction error signal of the temporal difference algorithm and the firing pattern of some dopaminergic neurons in the midbrain during classical conditioning, biological models have emerged that use computational reinforcement learning concepts to explain adaptative behavior. In particular, the basal ganglia has been proposed to implement among other things reinforcement learning for action selection, motor control or working memory. We discuss to which extent the analogy between the temporal difference algorithm and the firing of dopamine cells can be considered as valid. Our review then focuses on the basal ganglia, their anatomy and key computational properties as demonstrated by three recent, influential models.