Institute for Automation and Applied Informatics

Computational Intelligence

  • Type: Vorlesung (V)
  • Semester: WS 20/21
  • Time: 04.11.2020
    16:00 - 17:30 wöchentlich


    11.11.2020
    16:00 - 17:30 wöchentlich

    18.11.2020
    16:00 - 17:30 wöchentlich

    25.11.2020
    16:00 - 17:30 wöchentlich

    02.12.2020
    16:00 - 17:30 wöchentlich

    09.12.2020
    16:00 - 17:30 wöchentlich

    16.12.2020
    16:00 - 17:30 wöchentlich

    23.12.2020
    16:00 - 17:30 wöchentlich

    13.01.2021
    16:00 - 17:30 wöchentlich

    20.01.2021
    16:00 - 17:30 wöchentlich

    27.01.2021
    16:00 - 17:30 wöchentlich

    03.02.2021
    16:00 - 17:30 wöchentlich

    10.02.2021
    16:00 - 17:30 wöchentlich

    17.02.2021
    16:00 - 17:30 wöchentlich


  • Lecturer: Prof. Dr. Ralf Mikut
    apl. Prof. Dr. Markus Reischl
  • SWS: 2
  • Lv-No.: 2105016
  • Information: Online
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:

  • Begriff Computational Intelligence, Anwendungsgebiete und -beispiele
  • Fuzzy Logik: Fuzzy-Mengen; Fuzzifizierung und Zugehörigkeitsfunktionen; Inferenz: T-Normen und -Konormen, Operatoren, Prämissenauswertung, Aktivierung, Akkumulation; Defuzzifizierung, Reglerstrukturen für Fuzzy-Regler
  • Künstliche Neuronale Netze: Biologie neuronaler Netze, Neuronen, Multi-Layer-Perceptrons, Radiale-Basis-Funktionen, Kohonen-Karten, Lernverfahren (Backpropagation, Levenberg-Marquardt)
  • Evolutionäre Algorithmen: Basisalgorithmus, Genetische Algorithmen und Evolutionsstrategien, Evolutionärer Algorithmus GLEAM, Einbindung lokaler Suchverfahren, Memetische Algorithmen, Anwendungsbeispiele

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.

VortragsspracheDeutsch
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)