Fakultät für Informatik
Lehrstuhl für Algorithm Engineering (Ls11)
Home Kontakt Deutsch English
menu
Günter Rudolph: Vorlesung Introduction to Computational Intelligence (WS 2016/17)

Introduction to Computational Intelligence

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

Wintersemester 2016/17

Prof. Dr. Günter Rudolph



Termin:    
Mittwoch 10:15 - 11:45 Campus Nord, OH12, E.003
Beginn: Mittwoch, 19.10.2016

Neuigkeiten:



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:FR17.02.2017,08:15h - 09:45h, OH 14, E 23.
2. Termin:DO23.03.2017,08:15h - 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:
StudiengangAbschluss  Typ der PrüfungAnforderungen
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.



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