Hauptinhalt
Dieser Eintrag ist aus dem Wintersemester 2021/22 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 2021/22 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:
- WiSe 2016/17
- SoSe 2018
- WiSe 2018/19
- WiSe 2019/20
- WiSe 2020/21
- SoSe 2021
- WiSe 2021/22
- WiSe 2022/23
- WiSe 2023/24 (kein Äquivalent)
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.