Google Search
Univ.-Prof. Dr.-Ing. Horst-Michael Groß
Head of Department
e-mail: fg-nikr@tu-ilmenau.de
phone: +49 3677 692858
Postal address:
Ilmenau University of Technology
Faculty of Computer Science and Automation
Neuroinformatics and Cognitive Robotics Lab
P.O. Box 10 05 65
98684 Ilmenau
Visiting address:
Helmholtzplatz 5 (Zusebau)
Room 3060
98693 Ilmenau
Site plan
Please register WITH YOUR UNI-EMAILADDRESS in the mail distribution list for this lecture in order to receive the key for the moodle course as well as current information.
To do so, send an e-mail with the subject: Entry in the list SC1 to the following address: sc1@tu-ilmenau.de.
In response, you will receive a notice that your email is being held until the moderator approves it. This may take up to a day, or longer on weekends. Once you are added to the list, you will receive a welcome message.
Die Mastervorlesung "Softcomputing" beinhaltet die Teile "Fuzzy-Logik" (3 LP) (Vorlesender Dr. K. Debes) und "Genetische/Evolutionäre Algorihmen" (2 LP) (Vorlesender Prof. R. Knauf) mit dem Umfang (3-1-0) und zus. 5 LP. Der Abschluss der Veranstaltung findet in Form einer 90min Klausur statt. Die Übung ist in Präsenz ab Mitte November geplant - hier werden einzelne Probleme der beiden Vorlesungen diskutiert und die von Ihnen vorbereiteten Übungsaufgaben gerechnet. Dafür gibt ein Anwesenheitstestat.
Termine und Ort:
Für die Absolvierung des Kurses ist der Besuch des Moduls "Neuroinformatik" nützlich, aber keine zwingende Voraussetzung.
Inhalt:
Das Modul beinhaltet die ausgewählten Teilgebiete „Fuzzy-Logik“ und „Evolutionäre/genetische Algorithmen“ des Wissenschaftsgebietes Softcomputing. Beide Teilgebiete sollen ergänzend zu den Neuroinformatik-Vorlesungen die Grundlagen für alternative Verfahren der Informations- und Wissensverarbeitung für Ingenieure und Informatiker legen. Damit würde der Absolvent über breite methodische und anwendungsorientierte Grundlagen der "Computational Intelligence" verfügen. Die Lehrveranstaltung vermittelt sowohl Faktenwissen als auch begriffliches Wissen aus den folgenden Kernbereichen:
Fuzzy-Set-Theorie: Überblick, Einordnung und Historie, Grundlagen der Fuzzy-Logik (Basisvariablen, Linguistische Variablen, Terme, Zugehörigkeitsfunktionen, Fuzzyfizierung, Fuzzy-Operatoren, unscharfe Zahlen und Relationen), Fuzzy-Regeln, unscharfes und plausibles Schließen, Fuzzy-Inferenz, Defuzzifizierungsmethoden, ausgewählte Anwendungsbeispiele aus dem technischen und nichttechnischen Bereich.
Genetische Algorithmen (GA) und Evolutionäre Strategien (ES): Einführung, Historie, philosophische Einordnung, Grundlagen und Begriffe, einführende Beispiele, prinzipielle Struktur eines GA/EA , Operatoren (Mutation, Crossover), Kodierungsvarianten und –probleme, Auswahl von Selektionsmechanismen bei GA/EA, Vor- und Nachteile, Ergänzende Beispiele und Anwendungen, Hinweis auf genetische und evolutionäre Programmierung. Die Studierenden haben die Möglichkeit, eine Problemstellung mit GA/ES softwaretechnisch umzusetzen und vorzustellen.
Lernergebnisse und erworbene Kompetenzen:
Im Modul Softcomputing können die Studierenden die Begriffswelt der Fuzzy-Logik, der Genetischen Algorithmen (GA) und der evolutionären Strategien (ES) erläutern. Sie sind in der Lage, übergreifende Ansätze zur Lösung von Klassifikations- und Regelungs- und Optimierungsproblemen mit Fuzzy- und GA/ES-Methoden zu bewerten. Die Studierenden sind befähigt, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandelten Methodenspektrums Lösungskonzepte zu entwerfen und diese auf ingenieurtechnische und biomedizinische Fragestellungen zu applizieren, sowie bestehende Lösungskonzepte zu bewerten. Vor- und Nachteile der Verfahren im Kontext praktischer Anwendungen können von den Studierenden erläutert werden.
Current Modultafel
Course material is available in moodle course Softcomputing WS 23/24