Günter Rudolph: Vorlesung Introduction to Computational Intelligence (WS 2016/17)
| Termin: |
|
|
| Mittwoch |
10:15 - 11:45 |
Campus Nord, OH12, E.003
|
| Beginn: |
Mittwoch, 19.10.2016 |
Neuigkeiten:
Ergebnisse 2. Klausur: download (Stand: 28.03.2017);
Notenschlüssel: download
Klausureinsicht: Montag, 24.04.2017, 16:00h - 17:00h. Raum: OH 14, R 202.
Ergebnisse 1. Klausur: download (Finaler Stand: 14.03.2017);
Notenschlüssel: download ;
Notenspiegel: download
Klausureinsicht: Montag, 13.03.2017, 16:00h - 17:00h. Ort: OH 14, R. 202.
Klausurtermine:
1. Termin: | FR | 17.02.2017, | 08:15h - 09:45h, OH 14, E 23. |
| 2. Termin: | DO | 23.03.2017, | 08:15h - 09:45h, OH 14, E 23. |
Anmeldung für Studiengänge Informatik und
Automation & Robotics via BOSS.
Andere Teilnehmer melden sich bitte per email.
Anmeldeschluss für die 2. Klausur!
- 1 Woche vor der Klausur für alle Studiengänge.
Hinweis: Gemäß aktuellem Hochschulgesetz können Sie sich bis 1 Tag vor der Klausur wieder abmelden!
Die Abmeldung erfolgt auf gleichem Weg wie die Anmeldung (BOSS bzw. email).
Übungen: Vanessa Volz (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, | 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) |
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:
| 19.10.16 |
Artificial Neural Networks I |
|
 |
 |
 |
| 26.10.16 |
Artificial Neural Networks II |
|
|
|
|
| 02.11.16 |
Artificial Neural Networks III |
|
|
|
|
| 09.11.16 |
Artificial Neural Networks IV |
|
|
|
|
| 16.11.16 |
Fuzzy Systems I |
|
|
|
|
| 23.11.16 |
Fuzzy Systems II |
|
|
|
|
Folien 17 und 20 korrigiert! (ggf. Browsercache leeren) |
| 30.11.16 |
Fuzzy Systems III |
|
|
|
|
| 07.12.16 |
Fuzzy Systems IV |
|
|
|
|
| 14.12.16 |
Fuzzy Systems V |
|
|
|
|
| 11.01.17 |
Evolutionary Algorithms I |
|
|
|
|
| 18.01.17 |
Evolutionary Algorithms II |
|
|
|
|
| 25.01.17 |
Evolutionary Algorithms III |
|
|
|
|
| 01.02.17 |
Evolutionary Algorithms IV |
|
|
|
|
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.
- 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.
|
Home
ls11.cs.tu-dortmund.de>
