Computational Intelligence
- Typ: Vorlesung (V)
-
Lehrstuhl:
KIT-Fakultäten - KIT-Fakultät für Maschinenbau - Institut für Automation und angewandte Informatik
KIT-Fakultäten - KIT-Fakultät für Maschinenbau - Semester: WS 21/22
-
Zeit:
20.10.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
27.10.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
03.11.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
10.11.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
17.11.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
24.11.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
08.12.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
15.12.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
22.12.2021
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
12.01.2022
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
19.01.2022
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
26.01.2022
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
02.02.2022
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
09.02.2022
14:00 - 15:30 wöchentlich
30.22 Gaede-Hörsaal
30.22 Physik-Flachbau (OG 1)
-
Dozent:
apl. Prof. Dr. Ralf Mikut
apl. Prof. Dr. Markus Reischl
Dr. Ines Reinartz - SWS: 2
- LVNr.: 2105016
- Hinweis: Präsenz/Online gemischt
Inhalt | Die Studierenden können die grundlegenden Methoden der Computational Intelligence (Fuzzy-Logik, Künstliche Neuronale Netze, Evolutionäre Algorithmen, Deep Learning) zielgerichtet und effizient zur Anwendung bringen. Sie beherrschen sowohl die wichtigsten mathematischen Methoden als auch den Transfer zu praktischen Anwendungsfällen. Content:
Lernziele: Die Studierenden können die grundlegenden Methoden der Computational Intelligence (Fuzzy-Logik, Künstliche Neuronale Netze, Evolutionäre Algorithmen, Deep Learning) zielgerichtet und effizient zur Anwendung bringen. Sie beherrschen sowohl die wichtigsten mathematischen Methoden als auch den Transfer zu praktischen Anwendungsfällen. |
Vortragssprache | Deutsch |
Literaturhinweise | Kiendl, H.: Fuzzy Control. Methodenorientiert. Oldenbourg-Verlag, München, 1997 S. Haykin: Neural Networks: A Comprehensive Foundation. Prentice Hall, 1999 Kroll, A. Computational Intelligence: Eine Einführung in Probleme, Methoden und technische Anwendungen Oldenbourg Verlag, 2013 Blume, C, Jakob, W: GLEAM - General Learning Evolutionary Algorithm and Method: ein Evolutionärer Algorithmus und seine Anwendungen. KIT Scientific Publishing, 2009 (PDF frei im Internet) H.-P. Schwefel: Evolution and Optimum Seeking. New York: John Wiley, 1995 Mikut, R.: Data Mining in der Medizin und Medizintechnik. Universitätsverlag Karlsruhe; 2008 (PDF frei im Internet) |