| Bemerkungen | Die Studierenden können die grundlegenden Methoden der Computational Intelligence (Fuzzy-Logik, Künstliche Neuronale Netze, Evolutionäre Algorithmen) zielgerichtet und effizient zur Anwendung bringen. Sie beherrschen sowohl die wichtigsten mathematischen Methoden als auch den Transfer zu praktischen Anwendungsfällen. Content:
Lernziele: Die Studierenden können die grundlegenden Methoden der Computational Intelligence (Fuzzy-Logik, Künstliche Neuronale Netze, Evolutionäre Algorithmen) zielgerichtet und effizient zur Anwendung bringen. Sie beherrschen sowohl die wichtigsten mathematischen Methoden als auch den Transfer zu praktischen Anwendungsfällen. |
| Voraussetzungen | Keine. Empfehlungen: Keine. |
| Literaturhinweise | Kiendl, H.: Fuzzy Control. Methodenorientiert. Oldenbourg-Verlag, München, 1997 S. Haykin: Neural Networks: A Comprehensive Foundation. Prentice Hall, 1999 Kroll, A. Computational Intelligence: Eine Einführung in Probleme, Methoden und technische Anwendungen Oldenbourg Verlag, 2013 Blume, C, Jakob, W: GLEAM - General Learning Evolutionary Algorithm and Method: ein Evolutionärer Algorithmus und seine Anwendungen. KIT Scientific Publishing, 2009 (PDF frei im Internet) H.-P. Schwefel: Evolution and Optimum Seeking. New York: John Wiley, 1995 Mikut, R.: Data Mining in der Medizin und Medizintechnik. Universitätsverlag Karlsruhe; 2008 (PDF frei im Internet) |
| Lehrinhalt |
|
| Kurzbeschreibung | Die Studierenden können die grundlegenden Methoden der Computational Intelligence (Fuzzy-Logik, Künstliche Neuronale Netze, Evolutionäre Algorithmen) zielgerichtet und effizient zur Anwendung bringen. Sie beherrschen sowohl die wichtigsten mathematischen Methoden als auch den Transfer zu praktischen Anwendungsfällen. |
| Arbeitsbelastung | Präsenzzeit: 21 Stunden |
| Ziel | Die Studierenden können die grundlegenden Methoden der Computational Intelligence (Fuzzy-Logik, Künstliche Neuronale Netze, Evolutionäre Algorithmen) zielgerichtet und effizient zur Anwendung bringen. Sie beherrschen sowohl die wichtigsten mathematischen Methoden als auch den Transfer zu praktischen Anwendungsfällen. |
| Prüfung | mündlich oder schriftlich (bei mehr als 40 Teilnehmern), Dauer: 30 min (mündlich) oder 60 min (schriftlich) Hilfsmittel: keine |
Computational Intelligence
| Typ: | Vorlesung (V) | ||
|---|---|---|---|
| Semester: | WS 19/20 | ||
| Zeit: | 17.10.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 24.10.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 31.10.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 07.11.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 14.11.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 21.11.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 28.11.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 05.12.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 12.12.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 19.12.2019 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 09.01.2020 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 16.01.2020 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 23.01.2020 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 30.01.2020 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II 06.02.2020 14:00 - 15:30 wöchentlich 10.23 Nusselt-Hörsaal 10.23 Kollegiengebäude Maschinenbau II |
||
| Dozent: | Dr. Wilfried Jakob Prof. Dr. Ralf Mikut PD Dr.-Ing. Markus Reischl |
||
| SWS: | 2 | ||
| LVNr.: | 2105016 | ||
