Fakultät für Informatik
Lehrstuhl für Algorithm Engineering (Ls11)
Home Kontakt Deutsch English
menu
Günter Rudolph: Vorlesung Introduction to Computational Intelligence (WS 2019/20)

Introduction to Computational Intelligence

(Wahlmodul INF-BSc-305 bzw. AR-MSc-306)

Wintersemester 2019/20

Prof. Dr. Günter Rudolph



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:
StudiengangAbschluss  Typ der PrüfungAnforderungen
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.



 
<webmaster  ls11.cs.tu-dortmund.de>
Die Universität übernimmt keine Haftung für den Inhalt verlinkter externer Internetseiten