Technische Universität Ilmenau

Softcomputing - Modultafeln of TU Ilmenau

The Modultafeln have a pure informational character. The legally binding information can be found in the corresponding Studienplan and Modulhandbuch, which are served on the pages of the course offers. Please also pay attention to this legal advice (german only). Information on place and time of the actual lectures is served in the Vorlesungsverzeichnis.

subject properties Softcomputing in major Master Wirtschaftsinformatik 2011
ATTENTION: not offered anymore
subject number1719
examination number2200186
departmentDepartment of Computer Science and Automation
ID of group 2233 (Group for Neuroinformatics and Cognitive Robotics)
subject leaderProf. Dr. Horst-Michael Groß
term Sommersemester
languageDeutsch
credit points4
on-campus program (h)34
self-study (h)86
Obligationobligatory elective
examwritten examination performance, 60 minutes
details of the certificate
Signup details for alternative examinations
maximum number of participants100
previous knowledge and experience

Vorlesung Neuroinformatik

learning outcome

In der Vorlesung Softcomputing lernen die Studenten die Begriffswelt der Fuzzy-Logik verstehen. Sie verstehen übergreifende Ansätze zur Lösung von Klassifikations- und Regelungs- und Optimierungsproblemen mit Fuzzy-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 technische biomedizinische Fragestellungen zu applizieren, sowie bestehende Lösungskonzepte zu bewerten.

content

Die Vorlesung Softcomputing soll ergänzend zu den Neuroinformatik-Vorlesungen die Grundlagen für alternative Verfahren der Informations- und legen. Damit würde der Absolvent über breite methodische und anwendungsorientierte Grundlagen der "Computational Intelligence" verfügen, die im Masterstudiengang vervollkommnet werden können.
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); Fuzzy-Regeln, unscharfes und plausibles Schließen, Fuzzy-Inferenz; Defuzzifizierungsmethoden; Einsatz in der Bildverarbeitung und für Klassifikationsprobleme; ausgewählte Anwendungsbeispiele

media of instruction

Powerpoint-Folien, Java-Applets, MatLab-Demonstrationen, Übungsaufgaben

literature / references

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
Gerdes; Klawonn; Kruse.: Evolutionäre Algorithmen: Genetische Algorithmen - Strategien und Optimierungsverfahren – Beispielanwendungen. Viehweg, Wiesbaden, 2004
Weicker, K.: Evolutionäre Algorithmen. Teubner, Stuttgart, 2002
Rechenberg, I.: Evolutionsstrategie 94. Frommann-Holzboog, Stuttgart, 1994
(u.v.a.m., Reihung ohne Wichtung!)

evaluation of teaching

Pflichtevaluation:

SS 2010 (Fach)

Freiwillige Evaluation:

SS 2008 (Vorlesung)

WS 2010/11 (Vorlesung)

SS 2011 (Vorlesung, Übung)

WS 2011/12 (Vorlesung)

SS 2012 (Vorlesung, Übung)

WS 2012/13 (Vorlesung)

SS 2013 (Vorlesung, Übung)

SS 2014 (Vorlesung, Übung)

SS 2015 (Vorlesung, Seminar)

SS 2016 (Vorlesung, Seminar)

SS 2017 (Vorlesung)

Hospitation:

SS 2010