| Termin: |
|
|
| Mittwoch |
10:15 - 11:45 |
Campus Nord, OH12, E.003
|
| Beginn: |
Mittwoch, 09.10.2019 |
Übungen: Marius Bommert (M.Sc.), LS 11
(Webseiten)
Unterrichtssprache: Englisch.
For an English version of this web page please click the 'English' button at the top right corner.
Prüfungen:
| Studiengang | Abschluss | Typ der Prüfung | Anforderungen |
|---|
| Informatik, | Bachelor | : Modul | -> schriftliche Prüfung (90 min) |
| Automation & Robotics, | Master | : Modul | -> schriftliche Prüfung (90 min) |
| alle anderen, | Master/Bachelor | : Modul | -> schriftliche Prüfung (90 min) |
Klausurtermine
- 1. Termin:
Donnerstag, 06.02.2020, 08:15 - 09.45 Uhr.
Klausurergebnisse:
download (finaler Stand: 27.02.2020)
Notenspiegel / Notenschlüssel
Klausureinsicht
Donnerstag, 27.02.2020, 11:30 - 12:30h, OH 14, E04.
- 2. Termin: Montag, 15.06.2020, 13:00 - 14.30 Uhr. *** NEU ***
Klausurergebnisse:
download (Stand: 03.07.2020)
Notenspiegel / Notenschlüssel
Klausureinsicht:
Donnerstag, 09.07.2020, 11:00 - 12:00h, OH 12, E.003.
Anmeldung erforderlich! Frist: 08.07.2020, 11:00h. Details per email.
Freiversuch: Für diese Klausur gilt die Freiversuchsregelung; d.h., eine nicht bestandene Klausur zählt nicht als Fehlversuch.
Beschreibung:
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.
Foliensätze:
|
Einleitung |
|
 |
 |
 |
| 09.10.19 |
Fuzzy Systems I |
|
|
|
|
| 16.10.19 |
Fuzzy Systems II |
|
|
|
|
| 23.10.19 |
Fuzzy Systems III |
|
|
|
|
| 30.10.19 |
Fuzzy Systems IV |
|
|
|
|
neue Folie 34 eingefügt (21.11.) |
| 06.11.19 |
Fuzzy Systems V |
|
|
|
|
| 13.11.19 |
Evolutionary Algorithms I |
|
|
|
|
| 20.11.19 |
Evolutionary Algorithms II |
|
|
|
|
| 27.11.19 |
Evolutionary Algorithms III |
|
|
|
|
| 04.12.19 |
Evolutionary Algorithms IV |
|
|
|
|
| 11.12.19 |
Neural Networks I |
|
|
|
|
| 18.12.19 |
Neural Networks II |
|
|
|
|
| 08.01.20 |
Neural Networks III |
|
|
|
|
| 15.01.20 |
Neural Networks IV |
|
|
|
|
| 22.01.20 |
Neural Networks V |
|
| | | nicht relevant für Klausur |
Literatur:
- A.E. Eiben and J.E. Smith: Introduction to Evolutionary Algorithms. Corrected 2nd printing. Springer 2007.
- Raul Rojas: Neural Networks - A Systematic Introduction. Springer 1996. Available online.
- Ian Goodfellow, Yoshua Bengio, and Aaron Courville: Deep Learning. MIT Press 2017.
- G.J. Klir und B. Yuan: Fuzzy Sets and Fuzzy Logic. Prentice Hall 1995.
- F. Höppner, F. Klawonn, R. Kruse und T. Runkler: Fuzzy Cluster Analysis. Wiley 1999.
- Amit Konar: Computational Intelligence: Principles, Techniques and Applications. Springer 2005.