Softcomputing

 

Hinweis:

Tragen Sie sich bitte MIT IHRER UNI-MAILADRESSE in den Mailverteiler zu dieser Vorlesung ein, um den Einschreibeschlüssel für den moodle-Kurs zu erhalten.

Senden Sie dazu eine Email mit dem Betreff:Eintrag in die Liste SC1 an folgende Adresse: sc1@tu-ilmenau.de.

Sie erhalten als Antwort den Hinweis, dass Ihre Email zurückgehalten wird, bis der Moderator diese genehmigt hat. Das kann bis zu einem Tag dauern, am Wochenende auch länger. Sobald Sie in die Liste aufgenommen sind, erhalten Sie eine entsprechende Willkommensnachricht.

 

Informationen zum Kurs und Lehrinhalte:

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: 

  • Softcomputing Teil Fuzzy-Logik, Dienstag G+U, 11-12.30 Uhr, LdV-Hs 2
  • Softcomputing Teil Gen./Evol. Algorithmen, Dienstag U, 13-14.30 Uhr, LdV-Hs 2
  • Seminar, Dienstag G, 13-14.30 Uhr, LdV-Hs 2
 

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.


Weitere Informationen:

Aktuelle Modultafel
Lehrmaterialien im moodle-Kurs Softcomputing WS 23/24