Course Schedule

Start > Leuphana Bachelor (B.A./B.Eng./B.Sc./LL.B.) -> Major Ingenieurwissenschaften (Industrie) -> Intelligente Systeme

Lehrveranstaltungen

Intelligente Systeme [Wahl] (Vorlesung)

Dozent/in: Anthimos Georgiadis, Nicolas Meier

Termin:
 wöchentlich | Dienstag | 16:15 - 17:45 | 01.04.2019 - 05.07.2019 | C 4.308b Edulab

Inhalt: Das Modul vermittelt grundlegende Kenntnisse der intelligenten Systeme. Eine fundierte Einführung über analoge und digitale Signale, Systeme, Filter und deren Eigenschaften wird gegeben. Anschließend wird auf als Vorbereitung auf die Referate auf die Grundlagen der künstlichen Intelligenz eingegangen. Die Vorlesung wird ergänzt durch unterschiedliche Laborveranstaltungen und am Ende der Vorlesungszeit stellen die Studierenden Ihre Arbeiten zu speziellen Themen der künstlichen Intelligenz vor. Inhaltsverzeichnis 1.Signale und analoge Systeme Signalklassierung und Eigenschaften Standardsignale (Sprung, Rechteck, Impuls) Signalerzeugung in MATLAB (digital) Eigenschaften linearer zeitinvarianter (LTI) Systeme Impulsantwort, Frequenzgang, Übertragungsfunktion, Sprungantwort Simulation eines LTI-Systems mit MATLAB SIMULINK 2.Signaldigitalisierung und Signalmodulation Analog-Digital-Umsetzer Digital-Analog-Umsetzer Abtastung und Quantisierung Amplitudenmodulation und Frequenzmodulation 3.Integraltransformationen für digitale Signale Fourier-Transformation (FTA, DFT, FFT, Zero-Padding, Leakage) Inverse Fourier-Transformation Diskrete Faltung z-Transformation 4. Digitale Systeme und Filter Eigenschaften, Vor- und Nachteile gegenüber analogen Systemen LTD-Systeme FIR und IIR Systeme Impulsantwort, Frequenzgang, z-Übertragungsfunktion, Sprungantwort Nachbildung analoger (realer) Systeme als digitale Systeme FIR und IIR Filter IIR-Filterentwurf mittels bilinearer Transformation 6.Grundlagen der KI Begriffsklärung und Anwendungsgebiete der künstlichen Intelligenz (KI) Einteilung nach Art des Lernens und nach Algorithmus Überwachtes Lernen (Regressions- und Klassifikationsprobleme) Unüberwachtes Lernen Bestärkendes Lernen Trainingsdaten für lernende Systeme 7. Referate Bayes'sche Netze Hidden Markov Modelle Induktive Logische Programmierung Künstliche Neuronale Netze Support Vector Machines Selbstorganisierende Karten