Introduction to Computational Intelligence

Neuigkeiten:

Ergebnisse 2. Klausur: download (Stand: 28.03.2016); Notenschlüssel: download
Klausureinsicht: Mittwoch, 13.04.2016, 11:00h - 12:00h. Raum: OH 14, R 202.


Ergebnisse 1. Klausur: download (finaler Stand: 18.03.2016); Notenschlüssel: download
Klausureinsicht: Freitag, 18.03.2016, 14:00h - 15:00h. Raum: OH14, R. 202.


Klausurtermine:
1. Termin: DO 18.02.2016, 12:15h - 13:45h, OH 14, E 23.
2. Termin: DO 24.03.2016, 11:15h - 12:45h, OH 14, E 23.

Anmeldung für Studiengänge Informatik und Automation & Robotics via BOSS. Andere Teilnehmer melden sich bitte per email.
Anmeldeschluss: 1 Woche vor der Klausur.
Hinweis: Gemäß dem neuen Hochschulgesetz können Sie sich bis 1 Tag vor der Klausur wieder abmelden!

For an English version of this web page please click the 'English' button at the top right corner.

Studiengang	Abschluss	Typ der Prüfung	Anforderungen
Informatik,	Diplom	: Leistungsnachweis	-> Übungsschein
Informatik,	Diplom	: Fachprüfung	-> schriftliche Prüfung (90 min)
Informatik,	Bachelor	: Modul	-> schriftliche Prüfung (90 min)
Automation & Robotics,	Master	: Modul	-> schriftliche Prüfung (90 min)
alle anderen,	Master/Bachelor	: Modul	-> schriftliche Prüfung (90 min)

Klausurergebnisse: download (10.03.2016)

Computational Intelligence wird klassischerweise als Sammelbegriff für künstliche neuronale Netze, Fuzzy Logik und evolutionäre Algorithmen vermittelt. In der Veranstaltung werden wesentliche Grundlagen in allen Gebieten diskutiert.

Grundlagen künstlicher neuronaler Netze: McCulloch-Pitts-Netze, Perzeptron, Hopfield-Netze, überwachtes und unüberwachtes Lernen, Backpropagation.
Grundlagen der Fuzzy Logik: Fuzzy Mengen, Fuzzy Logik, Inferenzen, Fuzzy Zahlen.
Grundlagen evolutionärer Algorithmen: algorithmische Grundlagen, Parametrisierung, Analysemethoden, Grenzen der Anwendbarkeit

Studierende sollen einen Überblick über die verschiedenen Aspekte der Computational Intelligence erhalten und in allen drei Bereichen (künstliche neuronale Netze, Fuzzy Logik und evolutionäre Algorithmen) die wesentlichen Elemente kennen, sie einsetzen und für konkrete Anwendungen anpassen können. Sie sollen in der Lage sein einzuschätzen, wo Einsatzmöglichkeiten und Grenzen der Einsetzbarkeit bestehen.