Modulnummer

Modulbezeichnung

Titel (englisch)

Pflicht/Wahl

Erklärung

CP

Berechnung des Workloads

Turnus

Dauer

Form

Prüfung

Anforderungen

Lernziele

• Formale Methoden zum Umgang mit unsicherem Wissen kennen, definieren und verstehen könnnen
• Zentrale Methoden des Schlussfolgerns in intelligenten Systemen kennen und verstehen können.
• Grundlegende neuronale Netzarchitekturen und formale Methoden neuronaler Verarbeitung kennen und verstehen können
• Den praktischen Einsatz wissensbasierter und neuronaler Methoden beispielhaft kennen und diskutieren können.
• Hybride Systemarchitekturen, bei denen wissensbasierte und neuronale Ansätze integriert werden, beispielhaft kennen können.
• Forschungsorientierte Literaturarbeit leisten können.
• Forschungsarbeiten in englischer Sprache verstehen und im Plenum als Vortrag präsentieren können.

Lerninhalte

• Kalküle zum Umgang mit unsicherem Wissen

• Reasoning-Strategien in wissensbasierten Systemen ( z.B. informationsbasierte Strategien, hypothesengetriebene Strategien, Einbeziehung von Kosten und Nutzen)

• Anwendungsbeispiele

• Neuronale Netze

  • Prinzipien, Architekturen und Lernverfahren 1
  • Theoretische Grundlagen: Perceptron, Multilayer Perceptron, Lineare Separierbarkeit, Feed-forward Netze, Backpropagation
  • Anwendungsbeispiele

• Hybride Systeme 1 - Architekturen und Anwendungen

Quellen

• Shafer: A Mathematical Theorie of Evidence (1976)
• Jensen: Bayesian networks and decision Graphs
• Rojas: Theorie der neuronalen Netze (1996)
• Russel, Norvig: Artificial Intelligence: A modern approach (1995)
• ca. 10 Fachartikel zum Thema „Umgang mit unsicherem Wissen“

Sprache

Bemerkung

Zuletzt geändert