Technische Universität Ilmenau

Softcomputing - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu unseren Studiengängen. Rechtlich verbindliche Angaben zum Verlauf des Studiums entnehmen Sie bitte dem jeweiligen Studienplan (Anlage zur Studienordnung). Bitte beachten Sie diesen rechtlichen Hinweis.
Angaben zum Raum und Zeitpunkt von geplanten Lehrveranstaltungen entnehmen Sie bitte dem e-Veranstaltungskalender. Lehrveranstaltungen und Prüfungen, die nicht im e-Veranstaltungskalender abgebildet sind, werden "nach Vereinbarung" geplant. Eine Auflistung der betroffenen Veranstaltungen finden Sie hier: Lehrveranstaltungen, Prüfungen.

Modulinformationen zum Modul 200082 - allgemeine Informationen
Modulnummer200082
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer 2233 (Neuroinformatik und Kognitive Robotik)
Modulverantwortliche(r)Prof. Dr. Horst-Michael Groß
Voraussetzungen
Lernergebnisse

Im
Modul Softcomputing haben die Studierenden die Begriffswelt der Fuzzy-Logik,
der Genetischen Algorithmen (GA) und der evolutionären Strategien (ES) verstanden.
Sie verstehen übergreifende Ansätze zur Lösung von Klassifikations- und
Regelungs- und Optimierungsproblemen mit Fuzzy- und GA/ES-Methoden. Die
Studierenden sind in der Lage, 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 sind den
Studierenden bekannt.Nach Abschluss der
Lernform "Übung" in Verbindung mit der selbständigen Implementierung einer
Python-Fuzzy-Regelung (Teilleistung 2) beherrschen die Studierenden grundlegende mathematische
Berechnungen, die Wirkungsweise unterschiedlicher Fuzzy-Operatoren und das
Aufstellen von Fuzzy-Regeln. Nach intensiven Diskussionen während der Übungen und
zur Auswertung der Python-Implementierung können die Studierenden Leistungen
ihrer Mitkommilitonen richtig einschätzen und würdigen. Sie berücksichtigen
Kritik, beherzigen Anmerkungen und nehmen Hinweise an.

Spezifik im Studiengang Master Informatik 2013, Master Ingenieurinformatik 2014
ModulnameSoftcomputing
Leistungspunkte5
VerpflichtungWahlpflicht
ModulabschlussEinzelleistungen
Details zum Abschluss
Fachinformationen zu Fachnummer 200082 - allgemeine Informationen
Fachnummer200082
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer2233 (Neuroinformatik und Kognitive Robotik)
Fachverantwortliche(r)Prof. Dr. Horst-Michael Groß
SpracheDeutsch
TurnusWintersemester
Vorkenntnisse

Pflichtmodul "Neuroinformatik und Maschinelles Lernen"

Lernergebnisse

Im Modul Softcomputing haben die Studierenden die Begriffswelt der Fuzzy-Logik, der Genetischen Algorithmen (GA) und der evolutionären Strategien (ES) verstanden. Sie verstehen übergreifende Ansätze zur Lösung von Klassifikations- und Regelungs- und Optimierungsproblemen mit Fuzzy- und GA/ES-Methoden. Die Studierenden sind in der Lage, 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 sind den Studierenden bekannt.Nach Abschluss der Lernform "Übung" in Verbindung mit der selbständigen Implementierung einer Python-Fuzzy-Regelung (Teilleistung 2) beherrschen die Studierenden grundlegende mathematische Berechnungen, die Wirkungsweise unterschiedlicher Fuzzy-Operatoren und das Aufstellen von Fuzzy-Regeln. Nach intensiven Diskussionen während der Übungen und zur Auswertung der Python-Implementierung können die Studierenden Leistungen ihrer Mitkommilitonen richtig einschätzen und würdigen. Sie berücksichtigen Kritik, beherzigen Anmerkungen und nehmen Hinweise an.

Inhalt

Das Modul beinhaltet die ausgewählten Teilgebiete "Fuzzy-Logik" und "Evolutionäre/genetische Algorithmen" des Wissenschaftsgebietes Softcomputing. Beide Teilgebiete sollen ergänzend zu den Neuroinformatik-Modulen 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. Das Modul 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,Auswahlvon 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.

Medienformen

Powerpoint, Demo-Applikationen in Python, Matlab, Java, Moodle-Kurs

Literatur

Fuzzy-Logik:

Zimmermann, H.-J.: Fuzzy Set Theorie - and its Applications. Kluver in Boston, 1991

Kosko, B.: Neural Networks and Fuzzy-Systems. Prentice Hall, New Jersey, 1992

Böhme, G.: Fuzzy-Logik. Springer-Vlg., Berlin..., 1993

Bothe, H.-H.: Fuzzy-Logik - Einführung in Theorie und Anwendungen. Springer-Vlg., Berlin, Heidelberg, 1995

Bothe, H.-H.: Neuro-Fuzzy-Methoden. Springer-Vlg., Berlin, Heidelberg, 1998

Fuller, R.: Introduction to Neuro-Fuzzy Systems. Physica-Verlag, Heidelberg, 2000

Tizhoosh, H. R.: Fuzzy-Bildverarbeitung. Springer-Vlg., Berlin, Heidelberg, 1998

Höppner, F., Klawonn, F., Kruse, R.: Fuzzy-Clusteranalyse. Viehweg-Vlg., Braunschweig, 1997

 

Genetische Algorithmen und Evolutionäre Strategien :

Nissen, V.: Einführung in Evolutionäre Algorithmen. Vieweg-Vlg. Braunschweig, 1997

Jacob, Ch.: Principia Evolvica. dpunkt.verlag, Heidelberg, 1997

Gerdes, I., Klawonn, F., Kruse, R.: Evolutionäre Algorithmen. Vieweg-Vlg. Wiesbaden, 2004

Heistermann, J.: Genetische Algorithmen. B.G. Teubner Verlagsgesellschaft, Stuttgart, Leipzig, 1994

Lippe, W.-M.:  Soft-Computing. Springer-Verlag, Berlin, Heidelberg, 2006

Rechenberg, I.: Evolutionsstrategie 94, frommann-holzboog Vlg., Stuttgart, 1994

Lehrevaluation
Spezifik Referenzfach
FachnameSoftcomputing
Prüfungsnummer
Leistungspunkte5
SWS
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungWahlpflicht
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Softcomputing mit der Prüfungsnummer 220452 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200737)
  • alternativ semesterbegleitende Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200738)


Details zum Abschluss Teilleistung 2:

eigene Python-Implementierungen von vorgegebenen Algorithmen und Übungsaufgaben

Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Master Informatik 2013, Master Ingenieurinformatik 2014
FachnameSoftcomputing
Prüfungsnummer220452
Leistungspunkte5
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungWahlpflicht
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Softcomputing mit der Prüfungsnummer 220452 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200737)
  • alternativ semesterbegleitende Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200738)


Details zum Abschluss Teilleistung 2:

eigene Python-Implementierungen von vorgegebenen Algorithmen und Übungsaufgaben

Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl

Informationen und Handreichungen zur Pflege von Modul- und Fachbeschreibungen durch den Modul- oder Fachverantwortlichen finden Sie auf den Infoseiten zum Modulkatalog.