Modulcode: | infCI-01a |
Englische Bezeichnung: | Computational Intelligence |
Modulverantwortliche(r): | Prof. Dr.-Ing. Sven Tomforde |
Turnus: | unregelmäßig (WS19/20 WS20/21 WS21/22 SS23) |
Präsenzzeiten: | 4V 2Ü |
ECTS: | 8 |
Workload: | 60 Std. Vorlesung, 30 Std. Präsenzübung, 150 Std. Selbststudium |
Dauer: | ein Semester |
Modulkategorien: | BSc-Inf-WP (BSc Inf (21)) BSc-WInf-WP-Inf (BSc WInf (21)) WI (BSc Inf (15)) MSc-Inf-WP (MSc Inf (21)) 2F-MEd-Inf-WP (MEd-Hdl Inf (21)) 2F-MA-Inf-WP (2F-MA Inf (21)) MSc-WInf-WP-Inf (MSc WInf (21)) WI (MSc Inf (15)) |
Lehrsprache: | Deutsch |
Voraussetzungen: | Inf-Math-A Inf-Math-B Inf-Math-C infEInf-01a |
Der Begriff "Computational Intelligence" (CI) beschreibt ein Teilgebiet der künstlichen Intelligenz. Im Wesentlichen fasst er drei biologisch motivierte Fachgebiete der Informationsverarbeitung zusammen: Basierend auf Algorithmen der Fuzzylogik und künstlichen neuronalen Netzen sowie auf den Evolutionären Algorithmen wird die Beherrschung komplexer Systeme angestrebt und mit weiteren, typischerweise biologisch-inspirierten, Verfahren kombiniert. Urspünglich in den 1990er-Jahren vom Institute of Electrical and Electronics Engineers (IEEE) geprägt, wird der Begriff heutzutage oft synonym mit dem Soft-Computing verwendet. Alle beinhalteten Teilgebiete haben gemeinsam, dass sie Mechanismen natürlicher (d. h. insbesondere biologische, physische oder soziale) Problemlösungsstrategien für mathematische oder Ingenieur-technische Fragestellungen nutzbar machen. Dabei wird nicht auf eine direkte Übertragung oder "technische Kopie" abgezielt, sondern auf ein Verständnis und eine Imitation der Basismechanismen. Die so entwickelten Verfahren stehen im Gegensatz zu exakt-mathematischen Verfahren - man folgt eher frei dem Motto: "Erlaubt ist, was funktioniert".
Ziel der Veranstaltung ist die Vermittlung eines ersten Überblicks über das Gebiet der Computational Intelligence in Theorie und Praxis. Darauf aufbauend sollen Studierende ein Grundverständnis und entsprechende Herangehensweisen vermittelt werden, sodass insbesondere folgende Ziele erreicht werden:
Keine verpflichtenden.
Grund- oder Aufbaumodule wie Mathematik und Betriebssysteme und Kommunikationssysteme sollten bekannt sein.
Schriftliche Prüfung (90 Minuten) oder mündliche Prüfung (25 Minuten), wird am Vorlesungsbeginn bekanntgegeben.
Der erfolgreiche Abschluss aller semesterbasierten Aufgaben ist für die Teilnahme an der Prüfung obligatorisch. Zu diesen Aufgaben gehören: drei Quizzes (die über Moodle innerhalb einer vorgegebenen Frist zu absolvieren sind) und drei praktische Aufgaben (Entwicklung einer emergenten Verhalten als komplexes Muster auf Makro-Ebene sowie Quantifizierung des Effektes gemäß Lehrinhalt). Bitte beachten Sie, dass die Aufgaben nicht benotet, sondern nur bestanden/nicht bestanden werden - sie sind eine Voraussetzung für die Prüfung.
Neben der Vorlesung werden in den Präsenzübungen die zu bearbeitenden Aufgaben besprochen und weitere Präsenzaufgaben in Kleingruppen bearbeitet.
Die Vorlesung baut auf der Nutzung folgender Lehrmethoden auf:
Die Übung baut auf der Nutzung folgender Bausteine auf:
Der erhaltene Überblick erleichtert das Verständnis der Inhalte der nachfolgenden Veranstaltungen wie "Intelligent Systems" oder "Autonomous Learning".
Basisliteratur:
Einzelne Kapitel stützen sich auf weiterführende Literatur: Fraktale:
Zelluläre Automaten:
Selbstorganisierende Systeme:
https://link.springer.com/book/10.1007%2F978-3-319-68477-2 Evolutionäre Algorithmen:
http://www.boente.eti.br/fuzzy/ebook-fuzzy-mitchell.pdf Neuronale Netzwerke: