Stochastische Approximation
Allgemeines
| Vorlesung: |
Di. 10:00-12:00 Uhr Fr. 10:00-12:00 Uhr |
| Dozent: | Prof. Dr. Steffen Dereich |
| Assistenz: | Sebastian Kassing |
| KommVV: |
Eintrag der Vorlesung im kommentierten Vorlesungsverzeichnis |
| Inhalt: |
Presumably, this course will be hold in English. See the English version of this site for a translation of the content.
Die Vorlesung “Stochastische Approximation” richtet sich an Masterstudierende, die über fundierte Grundkenntnisse der Wahrscheinlichkeitstheorie verfügen. Inhalt der Vorlesung ist die sogenannte stochastische Approximation. Hierbei geht es um die Analyse stochastischer Prozesse in diskreter Zeit, deren Verhalten eng mit einer deterministischen gewöhnlichen Differentialgleichung verknüpft ist. In der Anwendung treten solche stochastischen Prozesse zum Beispiel in iterativen, stochastischen Optimierungsalgorithmen auf. Die Vorlesung hat als Ziel in die Grundlagen zur asymptotischen Analyse von stochastischen Prozessen einzuführen und die Kenntnisse zur Analyse besonderer Prozesse aus dem Bereich der stochastischen Approximation anzuwenden. Insbesondere werden der Robbins-Monro Algorithmus und dessen Polyak-Ruppert Glättung betrachtet werden. Die stochastische Approximation ist eine Technik, die auch in aktuellen Publikationen häufig genutzt wird, und die Themen der Vorlesung bilden eine gute Basis für die Vergabe von Masterarbeitsthemen. |
| Learnweb: |
Bitte schreiben Sie sich im Learnweb in den Kurs ein. |
| Übungen: | Mi. 12:00-14:00 Uhr |