Lehrgebietsvorstellung Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm...
-
Upload
franziska-gildehaus -
Category
Documents
-
view
105 -
download
1
Transcript of Lehrgebietsvorstellung Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm...
Lehrgebietsvorstellung
Prof. Dr. Günter Rudolph
Fachbereich Informatik
Lehrstuhl für Algorithm Engineering (LS 11)
Fachgebiet Computational Intelligence
Sommersemester 2008
Rudolph: LGV (SS 2008) 2
Wie kam ich zur Informatik?
Gymnasium
Untertertia → Mathematikunterricht (1976)
Spiele:
Autorennen, Frogger, „Städte verteidigen“, …
Nützliches:
Lösung LGS, Stöchiometrie, Geometrie, …
Treibende Kräfte:
1. Spieltrieb
2. Hang zur Bequemlichkeit
Die Anfänge …
Rudolph: LGV (SS 2008) 3
Wie ging es weiter?
● Studium der Informatik in Karlsruhe und Dortmund
● Wissenschaftlicher Angestellter, UniDo, Informatik, LS 11 2 Jahre
● Wissenschaftlicher Angestellter, Informatik Centrum Dortmund 3 Jahre
● Promotion 1996 (UniDo)
● Wissenschaftlicher Angestellter, UniDo, SFB 531 (CI) 4 Jahre
● Produkt- und Softwareentwicklung, Parsytec AG, Aachen 4 Jahre
● Univ.-Prof. (W2), UniDo, Informatik, LS 11 seit 2005
Fachgebiet Computational Intelligence
Lebenslauf
Rudolph: LGV (SS 2008) 4
Fachgebiet Computational Intelligence
Informationsverarbeitung in natürlichen System verstehen
) Prinzip umsetzen in algorithmische Konzepte zur Problemlösung
Computational Intelligence (CI) =
Wozu soll das gut sein?
Verwendbar bei Problemstellungen, für die
● herkömmliche Verfahren versagen oder
● spezialisierte Verfahren noch nicht existieren.
Rudolph: LGV (SS 2008) 5
Fachgebiet Computational Intelligence
Methoden, die durch Natur inspiriert sind:
Fuzzy Systeme
Neuronale Netze
Evolutionäre Algorithmen
Schwarmintelligenz
Immunnetzwerke
CI
½
Bionik
in der
Informatik
Sonderforschungsbereich 531Computational Intelligence
Rudolph: LGV (SS 2008) 6
Fachgebiet Computational Intelligence
Beispiel: Fuzzy Logik → „Rechnen mit Wörtern“ (menschliche Sprache)
● klassisch: Modus ponens
a ba
b
IF X ist A, THEN Y ist BX ist A‘
Y ist B‘
IF Heizung ist heiß, THEN Energieverbrauch ist hochHeizung ist warm
Energieverbrauch ist normal
Bsp.:
● fuzzy: Generalisierter modus ponens (GMP)
Rudolph: LGV (SS 2008) 7
Fachgebiet Computational Intelligence
Beispiel: Neuronale Netzwerke → Vorbild Gehirn
Beobachtung:
Mensch kann leicht Muster in Punktwolken erkennen …
→ algorithmische Realisierung?
Idee:
kleinste Einheit (Neuron) nachbildenund miteinander verknüpfen
Rudolph: LGV (SS 2008) 8
Fachgebiet Computational Intelligence
Beispiel: Evolutionäre Algorithmen → Vorbild biologische Evolution
Beobachtung:
Anpassung der Individuen an ihre Umwelt interpretierbar als Optimierungsprozess
→ wird getrieben durch Variation des Erbguts und natürliche Selektion
Umsetzung:
f(x1, x2, … xn) → max!
Individuum = (x1, x2, …, xn) „Erbgut“
Mutation: Wert in einem xi invertieren
xi 2 { 0, 1 }
Selektion: übernehme mutiertes Individuum wenn Fitness höher
Rudolph: LGV (SS 2008) 9
Fachgebiet Computational Intelligence
Beispiel: Schwarmintelligenz → Vorbild: Ameisen, Vögel, Fische, …
Ameisen auf Futtersuche
) kürzeste Wege in Graphen!
Nest Futter
Prinzip kann man verallgemeinern
für bel. kombinatorische Probleme
Rudolph: LGV (SS 2008) 10
Fachgebiet Computational Intelligence
Beispiel: Immunnetzwerke → Vorbild: Immunsystem Wirbeltiere
Fähigkeiten:
Freund / Feind – Erkennung
Anpassung an neue, unbekannte Situation (Pathogene)
Immunität, schnelle Immunantwort
→ Mustererkennung, Virusinfektion Computer, …
Rudolph: LGV (SS 2008) 11
Lehrveranstaltungen im Hauptstudium (Master)
Fundamente der Computational Intelligence (4V + 2Ü)
Multikriterielle Optimierung mit Metaheuristiken (2V)
Data Mining mit CI-Methoden (2V + 1Ü)
ab WS 2007/08: (Diplom und Master)
bisher:
Praktische Optimierung (4V + 2Ü)
Ausgewählte Kapitel der Computational Intelligence (2V + 2Ü)
Basismodul
Vertiefungsmodul
Forschungsbereich Intelligente Systeme
SPG 6+7
Diplom
Rudolph: LGV (SS 2008) 12
Lehrveranstaltungen im Hauptstudium (Master)
Seminare:
SS 2005 Evolutionäre Algorithmen in der Bioinformatik
SS 2006 Planung und Analyse von Computerexperimenten
SS 2007 Computational Intelligence bei Computerspielen
SS 2008 Computational Intelligence in der Musikinformatik
Projektgruppen:
WS 2008/09 Ausgewählte Forschungsgebiete der Musikdatenanalyse
PG 487 Methoden der Computational Intelligence in der Bioinformatik
PG 511 Computational Intelligence bei Computerspielen
PG 529 Modellierung menschenähnlicher Gegenspieler in Strategiespielen
PG xyz → noch ungewiss!
Rudolph: LGV (SS 2008) 13
Lehrveranstaltungen im Grundstudium
Proseminare:
SS 2006 Multithreading-Techniken
SS 2007 Musikinformatik
SS 2008 Medieninformatik
Vorlesung:
Einführung in die Programmierung (C++) für ET / IT / WiMa 4V + 2Ü + 4P
(immer im WS)
bzw. Bachelor
Rudolph: LGV (SS 2008) 14
Diplomarbeiten
● Methodische Arbeiten: Algorithmus für neue Problemklasse, neue Ideen ausprobieren → Computerexperimente planen und analysieren (Statistik!)
● Praktische Arbeiten: Konkrete Problemlösung, meist in Zusammenarbeit mit anderen Fachbereichen, Industrie, … → Einarbeitung in (fachfremde) Gedankenwelt
) jedes Problem kann in Diplomarbeit bearbeitet werden …
… mit Methoden der Computational Intelligence!
eigene Themenvorschläge
willkommen!
Rudolph: LGV (SS 2008) 15
Diplomarbeiten
Voraussetzungen:
Vorlesung Praktische Optimierung (Empfehlung)
Gute Programmierkenntnisse (C++, Java)
Fähigkeit zur Literaturrecherche
Interesse / Begeisterung für das Thema
Sprechstunde:
Dienstags, 10:30 – 11:30h und nach Vereinbarung
OH14, R. [email protected]
Hausruf: 7702