inf303 - Fuzzy-Regelung und künstliche neuronale Netze in Robotik und Automation (Vollständige Modulbeschreibung)

inf303 - Fuzzy-Regelung und künstliche neuronale Netze in Robotik und Automation (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Fuzzy-Regelung und künstliche neuronale Netze in Robotik und Automation
Modulkürzel inf303
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Master Engineering of Socio-Technical Systems (Master) > Embedded Brain Computer Interaction
  • Master Engineering of Socio-Technical Systems (Master) > Human-Computer Interaction
  • Master Engineering of Socio-Technical Systems (Master) > Systems Engineering
  • Master Informatik (Master) > Angewandte Informatik
  • Master Informatik (Master) > Technische Informatik
Zuständige Personen
  • Fatikow, Sergej (Modulverantwortung)
  • Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen
Kompetenzziele
Ziels des Moduls
  • Spezialisten verschiedener Disziplinen lösen ihre anwendungsspezifischen Steuerungs- und Informationsverarbeitungsprobleme durch den Einsatz von Fuzzy-Logik und neuronaler Netze. Wie die gesammelten Erfahrungen zeigten, sind die Robotik und die Automatisierungstechnik prädestinierte Anwendungsbereiche für diese Technologien.
Fachkompetenzen
Die Studierenden:
  • verstehen die Steuerungs- und Regelprobleme in Robotik und Automation,
  • erwerben Grundlagen der Fuzzy-Logik und künstlicher neuronaler Netze,
  • vergleichen mit konventionellen und fortgeschrittener Ansätze zur Steuerung und Regelung und
  • lernen den Einsatz neuronaler Netze in Kombination mit Fuzzy-Logik kenn.
  • ihr Wissen über die praktische Anwendbarkeit beider Verfahren zu vertiefen,
  • die erworbenen Kennnisse später in Studien- oder Diplomarbeiten in der AMiR umzusetzen
Methodische Kompetenzen
Die Studierenden:
  • erwerben Kenntnisse über die Werkzeuge, Methoden und Anwendungen der Fuzzy-Logik und ANN
  • vertiefen ihre Kenntnisse für die praktische Anwendung der genannten Methoden
  • können gängige Softwaretools für den Entwurf und die Anwendung von Fuzzy-Logik und ANN nutzen

Soziale Kompetenzen
Die Studierenden:
  • sammeln Erfahrungen im interdisziplinären Arbeiten
  • werden in die aktuelle Forschungsarbeit eingebunden Ziel des Moduls / Fähigkeiten:

Selbstkompetenzen
Die Studierenden:
  • sind in der Lage, das erworbene Wissen für eine spätere Verwendung in ihrer Abschlussarbeit oder im Studium für AMiR zu transferieren
  • können (komplexe) Fuzzy-Logic-Regler und ANN-Systeme entwerfen und
  • ihre (Regelungs-)Lösungen mit Hilfe der in dieser Lehrveranstaltung erlernten Methoden reflektieren

 
Modulinhalte
  • Steuerungsprobleme in Robotik und Automation;
  • Einführung in Fuzzy- und Neuro-Systeme;
  • Grundlagen der Fuzzy-Logik;
  • Fuzzy-Logik regelbasierter Systeme;
  • Modelle neuronaler Netze;
  • Lernalgorithmen für neuronale Netze;
  • Mehrschichtige Netze und Backpropagation;
  • Assoziativspeicher und stochastische Netze;
  • Selbstorganisierende Netze;
  • Entwurf klassischer Regler;
  • Entwurf von Fuzzy-Regelungssystemen;
  • Praktische Anwendungen der Fuzzy-Logik;
  • Entwurf von Neuro-Regelungssystemen;
  • Praktische Anwendungen neuronaler Netze
Literaturempfehlungen
Essentiell:
  • Vorlesungsskript in Buchform (erhältlich im Sekretariat, A1-3-303)
Empfohlen:
  • Bothe, H.-H.: Neuro-Fuzzy-Methoden, Springer, 1998 - Braun, Feulner, Malaka: Praktikum Neuronale Netze, Springer, 1997
  • Kahlert, J.: Fuzzy Control für Ingenieure, Vieweg, Braunschweig Wiesbaden, 1995
  • Nauck, D., Klawonn, F. und Kruse, R.: Neuronale Netze und Fuzzy-Systeme, Vieweg, 1994 - Zell, A.: Simulation Neuronaler Netze, Addison-Wesley / Oldenbourg Verlag, Bonn, 1996
Gute Sekundärliteratur:
  • Altrock, M. O. R.: Fuzzy Logic, R. Oldenbourg Verlag, 1993
  • Bekey, A. and Goldberg, K.Y. (Eds.): Neural Networks in Robotics, Kluwer Academic, 1996
  • Berns, K. und Kolb, T.: Neuronale Netze für technische Anwendungen, Springer, 1994
  • Bothe, H.-H.: Fuzzy Logic, Springer, 1993
  • Bunke, H., Kandel, A. (eds.): Neuro-Fuzzy Pattern Recognition, World Scientific Publ., 2000
  • Kahlert, J. und Hubert, F.: Fuzzy-Logik und Fuzzy-Control, Vieweg, 1993
  • Kim, Y.H. and Lewis, F.L.: High-Level Feedback Control with Neural Networks, World Scientific, 1998
  • Kratzer, K.P.: Neuronale Netze, Carl Hanser, 1993
  • Lämmel, U. und Cleve, J.: Künstliche Intelligenz (neuronale Netze), Fachbuchverlag Leipzig, 2001
  • Lawrence, J.: Neuronale Netze, Systhema Verlag, München, 1992
  • Omidvar, O. and van der Smagt, P. (eds.): Neural Networks for Robotics, Academic Press, 1997
  • Patterson, D.W.: Künstliche neuronale Netze, Prentice Hall, 1996
  • Pham, D.T. and Liu, X.: Neural Networks for Identification, Prediction and Control, Springer, 1997
  • Rigoll, G.: Neuronale Netze, Expert Verlag, Renningen-Malmsheim, 1994
  • Ritter, H., Martinetz, Th. und Schulten, K.: Neuronale Netze, Addison-Wesley, 1991
  • Schulte, U.: Einführung in Fuzzy-Logik, Franzis-Verlag, München, 1993 - Tizhoosh, H.R.: Fuzzy-Bildverarbeitung, Springer, 1998
  • von Altrock, C.: Fuzzy Logic: Technologie, Oldenbourg, 1993
  • White, D. and Sofge, D. (Eds.): Handbook of Intelligent Control, Van Nostrand Reinhold, New York, 1992
  • Zakharian, S. Ladewig-Riebler, P. und Thoer, St.: Neuronale Netze für Ingenieure, Vieweg, Wiesbaden, 1998
  • Zalzala, A. and Morris, A. (Eds.): Neural Networks for Robotic Control, Ellis Horwood, London, 1996
  • Zimmermann H.-J. (Hrsg.): Datenanalyse, VDI-Verlag, 1995
  • Zimmermann, H.-J. (Hrsg.): Neuro + Fuzzy: Technologien und Anwendungen, VDI-Verlag, 1995
  • Zimmermann, H.-J. und von Altrock, C. (Hrsg.): Fuzzy Logic: Anwendungen, Oldenbourg, 1994
Links
Unterrichtsprachen Englisch, Deutsch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul jährlich
Aufnahmekapazität Modul unbegrenzt
Lehr-/Lernform 1VL + 1Ü
Vorkenntnisse Kenntnisse in Regelungstechnik
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 3 SoSe 42
Übung 1 SoSe 14
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Nach Beendigung des Moduls bis zum Anfang des nachfolgenden Semesters
Fachpraktische Übungen und mündliche Prüfung