2 5 SS 2006V_4_Fuzzy_Control_Teil2 1 Was ist CI (Computational Intelligence) Jörg Krone, Ulrich Lehmann, Hans Brenig, Oliver Drölle, Udo Reitz, Michael.

Slides:



Advertisements
Ähnliche Präsentationen
Lehrgebietsvorstellung
Advertisements

V - Modell Anwendung auf große Projekte
Adaptive Systeme Prof. Rüdiger Brause WS 2011.
Prof. Dr. Liggesmeyer, 1 Software Engineering: Dependability Prof. Dr.-Ing. Peter Liggesmeyer.
4. Konzepte des Konnektionismus – Theorie Künstlich Neuronaler Netze
PG 487 Methoden der Computational Intelligence in der Bioinformatik
What Computers still cant do A Critique of Artificial Reason Hubert L. Dreyfus.
Zugehörigkeitsfunktion (Wahrheitsfunktion) m
Übersicht zu Verfahren des Soft Computing
Inhaltlich orientierter Zugriff auf unstrukturierte Daten
8 Behandlung von Begriffen 8.1 Grundlagen aus Logik und Psychologie
Musik und Emotionen Allgemeine Psychologische Theorie und Definitionen
Lernen als Informationsverarbeitung
Modularisierung der Bachelor-Studiengänge im Studiendekanat E 9. Jan Studiengangskoordinatoren und wissenschaftliche Mitarbeiter des Studiendekanates.
Modularisierung der Bachelor-Studiengänge im Studiendekanat E 29. November 2012 Studiengangskoordinatoren und wissenschaftliche Mitarbeiter des Studiendekanates.
IIW Erläuterungen zum Masterprogramm. IIW-MS Allgemeine Fachmodule (60) – Studienarbeit + Seminar (18) – Betrieb und Management (6) Nichttechnische Ergänzungsfächer.
Neuronale Netze Inhalt des Vortrags:
Wissenschaftliche Grundlagen des Mathematischen Schulstoffs III Die erste Stunde.
Wissenschaftliche Grundlagen des Mathematischen Schulstoffs IV Die erste Stunde.
Entscheidungsunterstützungssysteme IWI Frankfurt 2003
Informatik Klasse 7 Grundlagen.
Integration von maschineller Intelligenz in Automatisierungslösungen
PG 520 Intelligence Service – gezielte Informationen aus dem Internet
PG 487 Methoden der Computational Intelligence in der Bioinformatik
Mambrey, P.; Pipek, V.Konzepte, Methoden und Werkzeuge zur sozialen und demokratischen Nutzung des Internets Konzepte, Methoden und Werkzeuge zur sozialen.
aus Sicht der Neuropsychologie
Übung zur Vorlesung Künstliche Intelligenz
OptiVaNeS Boubker Zaaimi, Reinhard Grebe, Fabrice Wallois, Aleksander Lodwich, Jörg Krone, Ulrich Lehmann Optimierung der Vagusnervstimulationsparameter.
Fuzzy-Klima-Regelung Simulink für Fuzzy Control
Computational Intelligence: Grundlagen Neuronaler Netze (NN)
2. Biologische Neuronen Schematischer Aufbau einer Nervenzelle
11. Neuro-Fuzzy-Regler und -Klassifikation
Die Bank von morgen - eine neue Welt für IT und Kunden? 23. Oktober 2001.
Bio(prozess)informatiker(in)
Grundlagen der Künstlichen Intelligenz
Berliner Rahmenpläne Informatik für die Sekundarstufe I
Hauptseminar ‚Emotionale Intelligenz’
Universität Münster, Institut für industriewirtschaftliche Forschung Stefan Kooths Eric Ringhut KI-gestützte Konjunkturprognosen mit GENEFER Adaptive Fuzzy.
? Was ist Informatik? Was ist Informatik? Alexander Lange
Das Unternehmensumfeld der Nordwind ist ein solches System:
Adaptive Systeme Prof. Rüdiger Brause WS 2013.
Fuzzy-Systeme AS1-6.
Fundamente der Computational Intelligence
Ausgewählte Kapitel der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Sommersemester.
Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Wintersemester.
Erfindervon Fuzzy Logic
Patente in der Biotechnologie - Ein Sonderfall?
Kompetenz -, Lern - und Prüfungsbereiche Anforderungsbereiche
CEF 2001, New Haven Genetic Neural Fuzzy Explorer GENEFER Konzeption, Technologien und Einsatzmöglichkeiten Eric Ringhut Muenster Institute for Computational.
9.Tagung der DGTB Münster Münster.
Künstliche Intelligenz
Anja Brun 23. November 2006 Arbeit in der Informationsgesellschaft Einige Überlegungen aus einer (fast schon) ungewohnten Perspektive Text von Andrea Baukrowitz.
Wie lösen wir die Probleme unserer Zivilisation?
Computational Finance
Vienna Conference on Consciousness Teil I "Was ist die neuronale Grundlage des Bewußtseins? Wo ist es im Gehirn?" Beitrag von Michael L. Berger (Center.
LS 8 – Künstliche Intelligenz
1 Strukturierung von Situationen (Strukturierung als Lernkomponente) Thomas Höpfel Seminar für Rechtstheorie und Rechtsinformatik WS 2004/05.
Vorlage für PPT-Präsentationen {Hier den Titel einsetzen}
Home Fall 1 Fall 2 Fall 3 Fall 4 Fall 5 Nächstes >>
GI-Treffen FG Requirements Engineering Siemens CT, Neuperlach Arbeitstreffen AK Requirements Engineering für Eingebettete Systeme Konkretisierung.
Agenten und Multi-Agenten-System
CLIC Closed-Loop Integration of Cognition, Communication and Control FIT-IT Embedded Systems Call 8 Projektpartner (1) TTTech Computertechnik AG (Koordinator)
Evolutionärer Entwurf neuronaler Netze
CEF 2001, New Haven Zinsprognosen mit GENEFER ein Fuzzyregel-basiertes Modell zur Prognose des EZB- Refinanzierungszinssatzes Eric Ringhut Muenster Institute.
Lernen 1. Vorlesung Ralf Der Universität Leipzig Institut für Informatik
Design und Optimierung optischer Systeme durch Neuronale Netze und Genetische Algorithmen.
Organisation Referate Materialien Dritter Termin Workshop 27.Oktober 2010 Projektseminar WS 09/10 Konnektionistische Sprachverarbeitung 1.
Fachrichtung Theoretische Informatik
Intelligent Data Mining
Ulrich Lehmann, Johannes Brenig, Michael Schneider
 Präsentation transkript:

2 5 SS 2006V_4_Fuzzy_Control_Teil2 1 Was ist CI (Computational Intelligence) Jörg Krone, Ulrich Lehmann, Hans Brenig, Oliver Drölle, Udo Reitz, Michael Schneider Computational Intelligence Fuzzy-Logik, NN, Evolutionäre Algorithmen

2 5 SS 2006V_4_Fuzzy_Control_Teil2 2 Inhalt Definition nach VDI/VDE und GI (Gesellschaft für Informatik)Definition nach VDI/VDE und GI (Gesellschaft für Informatik) Neuronale Netze Evolutionäre Algorithmen Fuzzy-Systeme Quellenverzeichnis

2 5 SS 2006V_4_Fuzzy_Control_Teil2 3 Definition nach VDE/VDI Unter dem Begriff Computational Intelligence werden drei Wissenschaftsbereiche zusammengefasst, die sich insbesondere für die Behandlung sehr komplexe Systeme eignen, die mit klassischen Methoden nur schwer lösbar sind. Dies sind die –Neuronalen Netze, –Evolutionären Algorithmen, –Fuzzy Systeme. Neuronale Netze sind technische Realisierungen biologisch motivierter Modelle der Informationsverarbeitung in Gehirn und Nervensystem. Sie werden mit Beispielen trainiert und können dann selbständig eine Lösungsstrategie entwickeln. Es gibt bereits viele Anwendungen u.a. auf den Gebieten der Regelungstechnik, z. B. Regelung und Steuerung von Roboterbewegungen, der Mustererkennung, wie u.a. Spracherkennung und Signalklassifikation.

2 5 SS 2006V_4_Fuzzy_Control_Teil2 4 Fortsetzung Definition CI Evolutionäre Algorithmen amen die Mechanismen der natürlichen Evolution auf dem Rechner nach, um Optimierungsaufgaben zu lösen. Insbesondere in Anwendungsbereichen, wenn traditionelle Optimierungsverfahren versagen, können diese häufig noch Erfolge erzielen. Fuzzy Systeme können unvollständige und vage Information verarbeiten. Das Sammeln und die Nutzung bewusster Erfahrung wird systematisiert und das Wissen mit Regeln beschrieben. Dabei können unscharfe Bezeichnungen wie "ziemlich groß" oder "etwas stärker" ausgedrückt und verarbeitet werden. Insbesondere in der Regelungstechnik hat sich die Fuzzy Control zur Beherrschung komplexer Prozesse etabliert. - -> Verweis auf die Home-Page des FA 5.22 "Fuzzy Control"

2 5 SS 2006V_4_Fuzzy_Control_Teil2 5 Quellenverzeichnis VDI/VDE 3550 Blatt 1: Computational Intelligence Künstliche Neuronale Netze in der Automatisierungstechnik / Begriffe und Definitionen VDI/VDE 3550 Blatt 2: Fuzzy-Logik und Fuzzy Control/ Begriffe und Definitionen VDE/VDI GMA FA 5.14 Computational Intelligence Steckbriefe von erfolgreichen Projekten