infCI-01a: Computational Intelligence (infCI-01a) (080112)- Dozentinnen/Dozenten
- Prof. Dr.-Ing. Sven Tomforde, Connor Schönberner, M.Sc., Michel Spils, M.Sc.
- Angaben
- Vorlesung, 4 SWS, benoteter Schein, ECTS-Studium, ECTS-Credits: 8
Zeit und Ort: Di 16:15 - 17:45, LMS8 - R.EG.016 (40); Do 10:15 - 11:45, LMS8 - R.EG.016 (40)
vom 9.4.2023 bis zum 9.7.2023
1. Prüfungstermin (Klausur am Ende der Vorlesungszeit eines Semesters): 12.7.2023, 10:00 - 12:00 Uhr, Raum CAP2 - Hörsaal D
2. Prüfungstermin (Klausur zu Beginn der Vorlesungszeit des Folgesemesters): 18.10.2023, 10:00 - 12:00 Uhr, Raum CAP2 - Hörsaal D
Klausureinsicht: 26.7.2023, 10:00 - 11:30 Uhr; 25.10.2023, 11:00 - 12:00 Uhr
- Voraussetzungen / Organisatorisches
- Ziel der Veranstaltung ist die Vermittlung eines ersten Überblicks über das Gebiet der Computational Intelligence in Theorie und Praxis. Darauf aufbauend sollen Studierende ein Grundverständnis und entsprechende Herangehensweisen vermittelt werden, sodass insbesondere folgende Ziele erreicht werden:
Die Studierenden haben ein Grundverständnis der Komplexität von Technischen Systemen und wissen wie diese beherrscht werden kann.
Sie wissen wie scheinbar komplexe Zusammenhänge mit Mechanismen der Computational Intelligence einfach beschreiben werden können.
Techniken aus dem Feld Computational Intelligence / Soft Computing sowie deren Vor- und Nachteile im Vergleich sind bekannt.
Keine verpflichtenden Vorraussetzungen.
Grund- oder Aufbaumodule wie Mathematik und Betriebssysteme und Kommunikationssysteme sollten bekannt sein.
Workload:
60 Std. Vorlesung, 30 Std. Präsenzübung, 150 Std. Selbststudium
- Inhalt
- Der Begriff "Computational Intelligence" (CI) beschreibt ein Teilgebiet der künstlichen Intelligenz. Im Wesentlichen fasst er drei biologisch motivierte Fachgebiete der Informationsverarbeitung zusammen: Basierend auf Algorithmen der Fuzzylogik und künstlichen neuronalen Netzen sowie auf den Evolutionären Algorithmen wird die Beherrschung komplexer Systeme angestrebt und mit weiteren, typischerweise biologisch-inspirierten, Verfahren kombiniert. Urspünglich in den 1990er-Jahren vom Institute of Electrical and Electronics Engineers (IEEE) geprägt, wird der Begriff heutzutage oft synonym mit dem Soft-Computing verwendet. Alle beinhalteten Teilgebiete haben gemeinsam, dass sie Mechanismen natürlicher (d. h. insbesondere biologische, physische oder soziale) Problemlösungsstrategien für mathematische oder Ingenieur-technische Fragestellungen nutzbar machen. Dabei wird nicht auf eine direkte Übertragung oder "technische Kopie" abgezielt, sondern auf ein Verständnis und eine Imitation der Basismechanismen. Die so entwickelten Verfahren stehen im Gegensatz zu exakt-mathematischen Verfahren - man folgt eher frei dem Motto: "Erlaubt ist, was funktioniert".
- Empfohlene Literatur
- Basisliteratur:
Anthony Brabazon, Michael O'Neill, Seán McGarraghy: Natural Computing Algorithms (Natural Computing Series), Springer Verlag 2015, ISBN: 978-3662436301
Computational Intelligence: Eine methodische Einführung von Kruse, Borgelt, Braune, Klawonn, Moewes, Steinbrecher, 2015, Springer, ISBN 9783658109035
Einzelne Kapitel stützen sich auf weiterführende Literatur: Fraktale:
E. Behrends. "Vorlesungen zum Gedenken an Felix Hausdorff". In: Heldermann Verlag, 1994. Kap. Fraktale und Mathematik - eine elementare Einführung. http://www.heldermann.de/BSM/BSM05/bsm05-191.pdf
Zelluläre Automaten:
Joel L. Schiff. Cellular Automata: A Discrete View of the World. Wiley, 2008. 252 S. ISBN: 978-0-470-16879-0. http://psoup.math.wisc.edu/pub/Schiff_CAbook.pdf
Selbstorganisierende Systeme:
Marco Dorigo und Thomas Stüzle. Ant Colony Optimization. The MIT Press, 2004. https://pdfs.semanticscholar.org/7c72/393febe25ef5ce2f5614a75a69e1ed0d9857.pdf
Christian Müller-Schloer und Sven Tomforde. Organic Computing - Technical Systems for Survival in the Real World. Birkhäuser, 2017.
https://link.springer.com/book/10.1007%2F978-3-319-68477-2 Evolutionäre Algorithmen:
Melanie Mitchell. An Introduction to Genetic Algorithms. Cambridge, MA, USA: MIT Press, 1998. ISBN: 0262631857.
http://www.boente.eti.br/fuzzy/ebook-fuzzy-mitchell.pdf Neuronale Netzwerke:
Ian Goodfellow, Yoshua Bengio und Aaron Courville. Deep Learning. MIT Press, 2016 http://www.deeplearningbook.org
Verweise:
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 40
- Zugeordnete Lehrveranstaltungen
- UE: Übung zu: Computational Intelligence (080345)
-
Dozentinnen/Dozenten: Connor Schönberner, M.Sc., Prof. Dr.-Ing. Sven Tomforde, Michel Spils, M.Sc.
Zeit und Ort: Mo 10:15 - 11:45, LMS8 - R.EG.016 (40)
Übung zu: Computational Intelligence (ÜinfCI-01a) (080345)- Dozentinnen/Dozenten
- Connor Schönberner, M.Sc., Prof. Dr.-Ing. Sven Tomforde, Michel Spils, M.Sc.
- Angaben
- Übung, 2 SWS
Zeit und Ort: Mo 10:15 - 11:45, LMS8 - R.EG.016 (40)
vom 9.4.2023 bis zum 9.7.2023
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 40
- Zugeordnet zu: infCI-01a: Computational Intelligence (080112)
|
|
