Fachbereich Elektrotechnik und Informatik Universität Siegen
Fachbereich 12 - Elektrotechnik   und InformatikUni Siegen
Studiengangsinformationssystem des FB 12


Beschreibung des Moduls Computational Intelligence


Name des Moduls: Computational Intelligence
Kürzel: CI
Leistungspunkte: 4
Prüfungsform M
B/M-Zuordnung: Master
Angeboten in Semester: regelmäßig im Wintersemester
Verantwortlicher: Kelter
Sprache: deutsch
inhaltliche Voraussetzungen: empfohlen: WBS I
Inhalt: Im Rahmen dieser Veranstaltung werden die Grundlagen der Computational Intelligence (CI) vermittelt. Vorgestellt werden die drei Hauptgebiete Evolutionäre Algorithmen (EA), künstliche neuronale Netze (KNN) und Fuzzy Systeme mit Schwerpunkten in den Bereichen EA und KNN. Im einzelnen werden behandelt:

Themengebiet Evolutionäre Algorithmen:
  • Mathematische Grundlagen
  • Grundzüge der biologischen Evolution
  • Evolutionsstrategien
  • Genetische Algorithmen
  • Genetisches Programmieren
Themengebiet Künstliche neuronale Netze:
  • Mathematische Grundlagen
  • Grundzüge biologischer neuronaler Netze
  • Grundlegende Neuronen
  • Aktivierungsfunktionen
  • Mehrschichtige Netze, Backpropagation
  • Rekurrente Netze
  • Selbstorganisierende Netze
Themengebiet Fuzzy Systeme: Grundlagen

In den Übungen werden praktische Erfahrungen bei der Entwicklung und Anwendung von CI-Methoden in den Bereichen Modellierung, Steuerung, Optimierung und Klassifikation erworben. Zur Abgrenzung werden klassische Lösungsansätze besprochen.
Lernziele: inhaltliche Lernziele / Faktenwissen: Kenntnis der verschiedenen Grundkonzepte der CI, der mathematischen Grundlagen und der Einsatzmöglichkeiten und Grenzen der Verfahren.
Bewertungskompetenzen: Fähigkeit einzuschätzen, wann der Einsatz von CI-Methoden sinnvoll ist, und zu einer Aufgabenstellung die angemessene CI-Methoden zu wählen.
Literaturangaben:
  • David Poole, Alan Mackworth and Randy Goebel: Computational Intelligence - A Logical Approach. Oxford University Press, New York, Oxford, 1998.
  • Rüdiger Brause: Neuronale Netze. B. G. Teubner, Stuttgart, 1995.
  • Richard O. Duda, Peter E. Hart, David G. Stork: Pattern Classification. Second Edition, John Wiley and Sons, New York, 2001.
  • Carl G. Looney: Pattern recognition Using Neural Networks. Oxford University Press, New York, 1997.
  • Anreas Zell: Simulation Neuronaler Netze. Addison-Wesley, Bonn, 1994.
  • Bäck, Thomas; et al.: Handbook of Evolutionary Computation. Institute Oxford University Press, New York, 1997.
  • Schwefel, Hans-Paul: Evolution and Optimum Seeking. John Wiley and Sons, Inc., New York, 1995
  • Ingo Rechenberg: Evolutionsstrategie 94. Frommann-Holzboog, Stuttgart, 1994