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

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

Department für Informatik 6 KP
Modulteile Semesterveranstaltungen Sommersemester 2017 Prüfungsleistung
Vorlesung
  • Kein Zugang 2.01.303 - Fuzzy-Regelung und künstliche neuronale Netze in Robotik und Automation Lehrende anzeigen
    • Prof. Dr. Sergej Fatikow
    • Tobias Tiemerding, M. Sc.
    • Marius Knaust

    Montag: 14:00 - 16:00, wöchentlich (ab 03.04.2017), Ort: A05 1-160
    Donnerstag: 14:00 - 16:00, wöchentlich (ab 06.04.2017), V/Ü, Ort: A04 2-221
    Termine am Montag, 07.08.2017 10:45 - 12:45, Montag, 07.08.2017 11:45 - 12:30, Dienstag, 08.08.2017 09:30 - 11:45, Dienstag, 08.08.2017 ...(mehr), Ort: ((A1-3-310))

Übung
Hinweise zum Modul
Teilnahmevoraussetzungen
Prüfungszeiten
Nach Beendigung des Moduls bis zum Anfang des nachfolgenden Semesters
Prüfungsleistung Modul
Fachpraktische Übungen und mündliche Prüfung
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