Hauptinhalt

Dieser Eintrag ist aus dem Wintersemester 2016/17 und möglicherweise veraltet. Es konnte kein aktuelles Äquivalent gefunden werden.

CS 692 — Datenbionik
(engl. Databionics)

Niveaustufe, Verpflichtungsgrad Vertiefungsmodul, abhängig vom importierenden Studiengang
Lehr- und Lernformen,
Arbeitsaufwand
Vorlesung (4 SWS), Übung (2 SWS),
270 Stunden (90 Std. Präsenzzeit, 180 Std. Selbststudium)
Leistungspunkte,
Voraussetzungen zum Erwerb
9 LP
Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben.
Prüfungsleistung: Mündliche Prüfung oder Klausur
Sprache,
Benotung
Deutsch,
Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Informatik.
Exportfach, Ursprung Informatik, M.Sc. Informatik
Dauer des Moduls,
Häufigkeit
Ein Semester,
Jedes Sommersemester
Modulverantwortliche(r) Prof. Dr. Alfred Ultsch

Inhalt

Datenbionik bedeutet die Übertragung von Algorithmen zur Datenverarbeitung aus der Natur. Beispiele hierfür sind Künstliche Neuronale Netze und Genetische Algorithmen.

  • Einführung in die bekannten Theorien naturanaloger Informationsverarbeitung
  • Konnektionistische Modelle
  • Evolutionäre und Genetische Algorithmen
  • Schwarmintelligenz & Artificial Life
  • Ant Colony Optimization & Partikelschwarm Optimierung

Qualifikationsziele

Die Studierenden sollen

  • Gebräuchliche Datenbionische Methoden kennen,
  • Möglichkeiten und Grenzen naturanaloger Informationsverarbeitung kennen
  • ausgehend von einer konkreten Problemstellung in der Lage sein, eine Lösung mittels datenbionischer Methoden zu entwerfen.
  • wissenschaftlicher Arbeitsweisen einüben (Erkennen, Formulieren, Lösen von Problemen, Schulung des Abstraktionsvermögens)
  • mündliche Kommunikationsfähigkeit in den Übungen durch Einüben der freien Rede vor einem Publikum trainieren.

Voraussetzungen

Keine. Empfohlen werden die Kompetenzen, die in den Basismodulen der Informatik vermittelt werden


Literatur

  • R. Rojas, Theorie der neuronalen Netze, Springer 1996
  • T. Kohonen, Self-Organizing Maps, Springer, 2003
  • E. Bonabeu, M. Dorigo, G. Theraulaz, Swarm Intelligence, 1999
  • D. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Kluwer Academic Publishers, 2001
  • Ashlock, D.Evolutionary Computation for Modeling and Optimization, Springer,2006



Bitte beachten Sie:

Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2016/17 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:

Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.

Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.