home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #26 / NN_1992_26.iso / spool / triangle / general / 845 < prev    next >
Encoding:
Internet Message Format  |  1992-11-11  |  4.2 KB
  1. Path: sparky!uunet!concert!borg!marshall!marshall
  2. From: marshall@marshall.cs.unc.edu (Jonathan A. Marshall)
  3. Newsgroups: triangle.general
  4. Subject: Spring Course: Neural Networks and Vision
  5. Message-ID: <17415@borg.cs.unc.edu>
  6. Date: 11 Nov 92 16:36:06 GMT
  7. Expires: 13 Jan 93 05:00:00 GMT
  8. Sender: news@cs.unc.edu
  9. Followup-To: triangle.general
  10. Distribution: nc
  11. Lines: 80
  12.  
  13. ------------------------------------------------------------------------------
  14.  
  15.            Course Announcement - January 1993 - Please Post
  16.                        
  17.                  Graduate Seminar on
  18.                        
  19.  
  20.              NEURAL NETWORKS AND VISION:
  21.  
  22.       Nonlocal Cortical Interactions, Filling-in, and Object Perception
  23.                        
  24.  
  25.                Prof. Jonathan Marshall
  26.            Department of Computer Science, UNC-Chapel Hill
  27.                        
  28.      COMP 290 (section 050), 3.0 credits, Registration call number: 21617
  29.         [Note: this course will be offered even though
  30.            it does not appear in the directory of classes.]
  31.                        
  32.            TuTh 9:30-10:45, Spring 1993; starts January 12
  33.                Sitterson Hall, room 325
  34.  
  35. This graduate research seminar will focus on modeling and understanding
  36. nonlocal interactions in visual cortex and in visual perception.  Nonlocal
  37. interactions include such phenomena as:
  38.  
  39.     o "filling-in" or diffusion of color, motion, depth, and surface
  40.       information across wide regions of an image;
  41.     o visual transparency effects, where more than one surface can be seen
  42.           within an image region;
  43.     o "amodal" representations of temporarily occluded visual objects;
  44.     o grouping operations (establishing linkages among perceptually
  45.       related data);
  46.     o scission operations (breaking linkages between unrelated data);
  47.     o steering operations, whereby visible portions of a visual group or
  48.       object can control the representations of invisible or occluded
  49.       portions of the same group.
  50.     o development of long-range connections across visual cortex, whereby
  51.       data about one part of an image can become able to influence the
  52.       processing or perception of data about some distant parts;
  53.     o development of specific dissociation of neural connections, whereby
  54.       some neurons representing nearby parts of an image can become unable
  55.       to influence one another strongly, despite their proximity.
  56.  
  57. Introductory information will also be provided on neural networks and on
  58. vision.  The seminar will cover selected papers from the literature on neural
  59. networks and vision.  Introductory topics include:
  60.  
  61.     o basic architecture of animal visual systems;
  62.     o basic introduction to neural networks;
  63.     o how to read papers in neurophysiology, psychophysics, and neural
  64.       networks;
  65.     o computational aspects of vision;
  66.     o computational behavior of neural networks;
  67.     o edge detection, orientation detection;
  68.     o perception of visual motion, depth, transparency, and occlusion;
  69.     o visual segmentation, boundaries, and grouping;
  70.     o learning, adaptation, and self-organization.
  71.  
  72. The field of neural network modeling is concerned with both how neurons in
  73. animal brains communicate and perform tasks for perception, cognition, and
  74. motor control, and how networks of artificial neuron-like processing elements
  75. can solve computational problems.  Neural network research is thus highly
  76. interdisciplinary: computational theory helps explain and predict findings in
  77. neurobiology and psychophysics, while neurobiological and psychological
  78. results suggest new methods for solving computational problems.
  79.  
  80. The course workload will consist of readings, class presentation(s), class
  81. participation, and a research project or paper.  Prior exposure to material on
  82. neural networks or vision is not a prerequisite, but would likely be helpful.
  83. Graduate students in other departments, as well as those in computer science,
  84. are encouraged to take the course.  This course is open to students who have
  85. not studied neural networks or vision, and it is also open to students who
  86. previously took my Neural Networks and Vision course (Spring 1991), since the
  87. material covered will be about 75% new.
  88.  
  89. For more information, contact Prof. Jonathan Marshall at (919) 962-1887
  90. (marshall@cs.unc.edu).
  91.  
  92. ------------------------------------------------------------------------------
  93.