Intelligente Systeme

Computational Intelligence

Vorlesung (infCi-01a)

4 SWS, ECTS Credits: 8
Unterrichtssprache: deutsch
Wintersemester 2020-21
Mehr Informationen UnivIS oder im Modulinformationsystem

 

Übung (ÜinfCI-01a)

2 SWS
Unterrichtssprache: deutsch
Wintersemester 2020-21

 

Emergenzprojekt
 

Im Rahmen der Veranstaltung haben die Studierenden eigene Projekte zum Thema Emergenz erarbeitet, laufend ihre Fortschritte vorgestellt und dann eine Rangliste erstellt. Dies sind einige der finalen Ergebnisse des Wettbewerbes:

  1. Team 6 (Rabbits - Entwicklung von Tarnungen bei Beutetieren)
    Project Abstract (PDF)
    Simulation of rabbit populations

     
  2. Team 2 (Voters - Political parties compete for the opinions of voters) 
    This is an naive voters model. In it, the political parties (turtles) compete for voters (turtles) opinion. Voters are easily manipulated by their neighbors (links). They take on the opinition that is predominantly represented in their enviroment.
    Netlogo Screenshot der Implementation. Hier ist der Verlauf der dynamischen Wählerbeeinflussung visualisiert. Dabei wird der Kommunikationsgraph sowie ein Emergenzwert (abgeleitet aus der Abnahme von Entropie) angezeigt.











     
  3. Team 3 (Prisoner's Dilemma)
     
  4. Team 14 (Covid Simulation)
    Simulation of inter-regional dynamics of Covid infections between crowded urban areas.
    Hier sieht man das dynamische Infektionsgeschehen in Netlogo.
  5. Team 5 (Fish Swarm)
    In the simulation of schools of fish, we can observe the three urges of swarms, i.e. cohesion, separation, and orientation.

    team 6 - emergence project - fish swarm - screenshot
 

 


 

Beispiel aus der aktuellen Serie: Wettbewerb zu Julia-Mengen


1. Platz: -0.811 + 0.1999i

 

2. Platz: -0.946 + 0.3i

 

3. Platz: 0.4 + 0.0125i

 

Kurzfassung

Der Begriff "Computational Intelligence" (CI) beschreibt ein Teilgebiet der künstlichen Intelligenz. Im Wesentlichen fasst er drei biologisch motivierte Fachgebiete der Informationsverarbeitung zusammen: Basierend auf Algorithmen der Fuzzylogik und künstlichen neuronalen Netzen sowie auf den Evolutionären Algorithmen wird die Beherrschung komplexer Systeme angestrebt und mit weiteren, typischerweise biologisch-inspirierten, Verfahren kombiniert. Urspünglich in den 1990er-Jahren vom Institute of Electrical and Electronics Engineers (IEEE) geprägt, wird der Begriff heutzutage oft synonym mit dem Soft-Computing verwendet. Alle beinhalteten Teilgebiete haben gemeinsam, dass sie Mechanismen natürlicher (d. h. insbesondere biologische, physische oder soziale) Problemlösungsstrategien für mathematische oder Ingenieur-technische Fragestellungen nutzbar machen. Dabei wird nicht auf eine direkte Übertragung oder "technische Kopie" abgezielt, sondern auf ein Verständnis und eine Imitation der Basismechanismen. Die so entwickelten Verfahren stehen im Gegensatz zu exakt-mathematischen Verfahren - man folgt eher frei dem Motto: "Erlaubt ist, was funktioniert".

 

Lernziele

Ziel der Veranstaltung ist die Vermittlung eines ersten Überblicks über das Gebiet der Computational Intelligence in Theorie und Praxis. Darauf aufbauend sollen Studierende ein Grundverständnis und entsprechende Herangehensweisen vermittelt werden, sodass insbesondere folgende Ziele erreicht werden:

  • Die Studierenden haben ein Grundverständnis der Komplexität von Technischen Systemen und wissen wie diese beherrscht werden kann.
  • Sie wissen wie scheinbar komplexe Zusammenhänge mit Mechanismen der Computational Intelligence einfach beschreiben werden können.
  • Techniken aus dem Feld Computational Intelligence / Soft Computing sowie deren Vor- und Nachteile im Vergleich sind bekannt.

 

Workload

60 Std. Vorlesung, 30 Std. Präsenzübung, 150 Std. Selbststudium

Intelligente Systeme

Vorlesung (infInS-01a)

4 SWS, ECTS-Studium, ECTS-Credits: 8
für ERASMUS-/Austauschstudierende geeignet, Unterrichtssprache Englisch
Zeit und Ort: wird noch bekanntgegeben
Wintersemester 2021-22
Für weitere Informationen UnivIS oder im Modulinformationsystem


Übung (ÜinfInS-01a)

2 SWS
für ERASMUS-/Austauschstudierende geeignet, Unterrichtssprache Englisch
Zeit und Ort: wird noch bekanntgegeben
Wintersemester 2021-22
 

Zusammenfassung

Ein "intelligentes System" ist ein Computersystem, das unter schwierigen Bedingungen (z. B. zeitlich veränderlichen Umgebungen, sich verändernden Situationen oder Störungen) arbeiten kann, indem es sein Verhalten autonom an sich ändernde Bedingungen anpasst und autonom lernt. Das Hauptziel der Entwicklung intelligenter Systeme besteht darin, den Herausforderungen der Komplexität durch die Integration gewünschter Eigenschaften wie Robustheit, Flexibilität oder Belastbarkeit in technische Systeme entgegenzuwirken. Dies geht einher mit einer kontinuierlichen Verbesserung des Systemverhaltens. Der Verbesserungsprozess wird durch verschiedene Ansätze des maschinellen Lernens erreicht, z. aus den Bereichen verstärkendes, aktives oder halbüberwachtes Lernen. Neben diesen lernbezogenen Aspekten erfordert der Entwurf und die Organisation großer intelligenter Systeme, die aus einer potenziell großen Gruppe autonomer Subsysteme bestehen, Techniken zur Selbstorganisation sowie Mechanismen für Vertrauensbeziehungen und Fairness. Die Vorlesung gibt eine Einführung in das Design und die Realisierung intelligenter Systeme. Es basiert auf den Erkenntnissen von Forschungsinitiativen wie "Organic Computing" und "Autonomic Computing".


Lernziele

Das übergeordnete Ziel des Kurses ist es, ein grundlegendes Verständnis der Motivation, des allgemeinen Konzepts und der technischen Methoden intelligenter Systeme abzuleiten. Auf dieser Grundlage lernen die Studierenden Techniken des maschinellen Lernens kennen, mit denen die Umgebungs- und internen Bedingungen eines intelligenten Systems erfasst und beschrieben sowie das Verhalten zur Laufzeit autonom verbessert werden können.

Besondere Ziele sind:

  • Die Studierenden verstehen die Motivation und die Notwendigkeit intelligenter Systeme, die autonom (ohne oder nur mit begrenztem) Eingreifen oder Anleitung des Benutzers agieren.
  • Die Studierenden können die Begriffe "Intelligentes System", "Organisches Rechnen" und "Autonomes Rechnen" definieren.
  • Die Studierenden können intelligente Systeme entwerfen, indem sie ein geeignetes Grundmodell bewerten und auswählen.
  • Die Studierenden können ausgewählte Methoden zum Clustering und Klassifizieren von Situationen basierend auf Daten implementieren, die von Sensoren erfasst werden.
  • Die Studierenden können Algorithmen zum Lernen durch Feedback vergleichen und die vielversprechendste Variante implementieren.
  • Die Studierenden sind in der Lage, Systemaspekte großer Organisationen autonomer intelligenter Systeme in Bezug auf Merkmale wie Robustheit, Entstehung, Selbstorganisation, Autonomie oder Adaptivität zu quantifizieren.

 

Arbeitsaufwand

60 Stunden Vorlesung, 30 Stunden Übung, 150 Stunden Selbststudium

   

Bachelorseminar - Selbst-organisierte Systeme

Seminar (infBSemIS-01a)

Seminar, 2 SWS, ECTS-Studium, ECTS-Credits: 4
Unterrichtssprache: Deutsch
Wintersemester 2020-21
Für weitere Informationen UnivIS oder im Modulinformationsystem


Kurzfassung

Das Seminar widmet sich dem Thema "Selbst-organisierte Systeme". Darunter werden im Kontext dieses Seminars Mengen aus autonomen und technischen Einheiten verstanden, die zusammenarbeiten, um ein gemeinsames Ziel zu erreichen. Dabei treten unterschiedliche Fragestellungen auf, die beherrscht werden müssen.

Das Seminar im Wintersemester 2020/21 widmet sich dabei der konsistenten, schnellen und zuverlässigen Speicherung sowie des damit einhergehenden Auffindens von Inhalten innerhalb solcher selbst-organisierten Systeme. Dies wird anhand von Algorithmen des Peer-to-Peer Computing untersucht.

Das Seminar im Sommersemester 2021 widmet sich dabei der Kooperation von autonomen intelligenten Systemen sowie den damit einhergehenden Interaktionsmustern innerhalb solcher selbst-organisierten Systeme. Dies wird anhand von Beispielen des Autonomic und Organic Computing untersucht.

 

Lernziele

Die Studierenden lernen, sich komplexe Sachverhalte anhand der kompakten Darstellung, wie sie in wissenschaftlichen Veröffentlichungen (d. h. Paper, Artikel oder Fachbüchern) üblich ist, eigenständig anzueignen und in verständlicher Form aufzubereiten.

 

Workload

30 Std. Mitarbeit im Seminar, 90 Std. Selbststudium

Master Projekt - Intelligente Systeme

Übung  (infMPInS-01a)

Übung, 4 SWS, ECTS-Studium, ECTS-Credits: 10
für ERASMUS-/Austauschstudierende geeignet, Unterrichtssprache Englisch o Deutsch
Wintersemester 2020-21
Für weitere  Informationen UnivIS oder Modulinformationssystem


Umfang

Dieses Projekt wird als Masterprojekt angeboten - eine modifizierte Variante für Bachelor-Studierende ist möglich (bitte fragen)!
 

Gruppe

Dieses Projekt wird als Gruppenaufgabe angeboten; Es ist ein Team von 3 bis 6 Studenten erforderlich (die Ergebnisse werden basierend auf einer Anzahl von Teilnehmern angepasst).
 

Aufgabe

Was ist Ihre Aufgabe als Gruppe? Richten Sie das grundlegende Roboterbetriebssystem für die Roboter ein, bauen Sie Roboter zusammen (d. H. Anbringen von Sensoren, Zugriff auf Sensorinformationen, Prozesssensorinformationen).