Modulnummer

Modulbezeichnung

Titel (englisch)

Pflicht/Wahl

Erklärung

CP

Berechnung des Workloads

Turnus

Dauer

Form

Prüfung

Anforderungen

Lernziele

• Formale Prinzipien zum Entscheiden und Schlussfolgern mit unsicherem Wissen definieren, verstehen und beurteilen können.
• Formale Prinzipien technischer neuronaler Netze verstehen.
• Die erlernten formalen Methoden auf praktische Anwendungen abbilden können.
• Die methodischen Grundlagen und Architekturen zur Integration von wissensbasierten und neuronalen Systemen beschreiben und bewerten können.
• Forschungsorientierte Literaturarbeit leisten können.
• Ergebnisse aus der Literatur verstehen und präsentieren können.
• Problemorientiert und interdisziplinär denken können.

Lerninhalte

• Fortgeschrittene Methoden zur Entwicklung wissensbasierter Systeme

  • Schwerpunkte: Dynamischer Umgang mit unsicherem Wissen
  • Entscheidungs- und Schlussfolgerungsstrategien
  • Fortgeschrittene Methoden zur Entwicklung neuronaler Systeme. Prinzipien, Architekturen und Lernverfahren (u.a. SOM, Radiale Basisfunktionen)

• Methoden zum Clustern, Klassifizieren

• Hybride Systeme: Design und Anwendung

  • Taxonomien hybrider Systeme
  • Architekturen zur Integration von bottom up und top down Prozessen
  • Beispielsysteme, Entwicklungs-Tools und Environments

Quellen

• Rojas: Theorie der neuronalen Netze (1996)
• Russell, Norvig: Artifical Intelligence: A modern approach (1995)
• ca. 10 Fachartikel zum Thema “Uncertainty Modeling and Decision making”
• Goonatilake, Khebbal: Intelligent Hybride Systems (1995)
• ca. 5 Fachartikel zum Thema „Hybride Systeme“

Sprache

Bemerkung

Zuletzt geändert