1. Vorlesung Gliederung und Einführung
|
|
- Carl Bretz
- vor 5 Jahren
- Abrufe
Transkript
1 Soft Control (AT 3, RMA) 1. Vorlesung Gliederung und Einführung
2 Inhalt der Vorlesung Rechnergestützte Methoden in der Automatisierungstechnik Expertensysteme Anwendung: Diagnose Fuzzy-Systeme Anwendung: Fuzzy Control (FC) Neuronale Netze (NN) Anwendung: Identifikation und neuronale Regler Genetische Algorithmen (GA), Simulated Annealing (SA) Anwendung: Stochastische Optimierung Grundlagen, Einsatzgebiete und Grenzen der vorgestellten Verfahren Soft Control 2
3 Was ist Soft Control Drei Klassen von regelungstechnischen Methoden 1. Konventionelle Regelung (Klassische Regelung) PID-Regler 2. Moderne Regelung Zustandsregler Model Predictive Control 3. Soft Control (Intelligente Regelung) Fuzzy Control Neuronale Netze Genetische Algorithmen Unter Soft Control fasst man Verfahren der Regelungs- und Steuerungstechnik zusammen, die Methoden des Soft Computing bzw. der Computational Intelligence einsetzen. Soft Control = Intelligente Regelung = Wissensbasierte Regelung 3
4 Probleme der konventionellen Regelung Für den Entwurf konventioneller Regelungen wird ein makroskopisches Modell des zu regelnden Prozesses benötigt Das Modell kann aus empirischen Wissen über die Dynamik der Strecke bestehen Das Wissen kann durch Messungen der Stell- und Regelgrößen gewonnen werden In der Praxis erfolgt die Einstellung der Regelparameter meist durch Experten an der laufenden Anlage Beispiel: Entwurf eines PID-Reglers nach Ziegler und Nichols Vorteile: Einfach anzuwenden (wenig freie Parameter festzulegen, nur einfaches Prozessmodell nötig) Robust Probleme: Zunehmende Komplexität der Anforderungen und Nebenbedingungen Regelgüte bei komplexen Strecken oft nicht ausreichend 4
5 Probleme der modernen Regelung Für den Entwurf moderner Regelungen wird ein mikroskopisches Modell des zu regelnden Prozesses benötigt: Das Modell wird durch mathematische Modellbildung ermittelt Alternativ können Methoden zur Identifikation eingesetzt werden Beispiel: Entwurf eines Zustandsreglers Vorteile: Fundierte mathematische Basis (Stabilitätsbeweise,...) Hohe Regelgüte Möglichkeit Nebenbedingungen einzubeziehen Probleme: Gewinnung des Prozessmodells auf mathematischer Basis ist schwierig bis unmöglich Umfangreiche Identifikation am Prozess ist oft unerwünscht oder unmöglich Resultierende Regler sind komplex und für den Anwender schwer verständlich 5
6 Zustand in der Industrie Viele konventionelle Regler auf unteren Ebenen Der Mensch als Regler auf höheren Ebenen ADA-Systeme (Supervisory Control and Data Acquisition) versorgen den Anlagenfahrer mit allen benötigten Prozessinformationen und erlauben den Zugriff auf die Anlage Vorteile: Bediener kann intelligente Entscheidungen treffen Bediener kann durch Erfahrung lernen Probleme: Regelgüte hängt von der Erfahrung des Anlagenfahrers ab Eingriffe des Anlagenfahrers sind subjektiv, oft nicht erklärbar, fehleranfällig (speziell unter Stress) Bei abnormen Prozessbedingungen (Alarm) kann die Zeitverzögerung durch die Entscheidungsfindung des Bedienpersonals bzw. dessen Fehlentscheidung zu Katastrophen führen (Tschernobyl) 6
7 Folgerungen In modernen komplexen Anlagen werden Systeme benötigt, die den Anlagenfahrer von Routineaufgaben (die durch konventionelle Regler bisher nicht lösbar sind) entlasten die eine Unterstützung des Entscheidungsprozesses bieten, speziell in abnormen Situationen, in denen der Bediener oft mit sich widersprechenden Signalen und Zielen konfrontiert ist Bei der Entwicklung solcher Systeme gilt analytische Prozessmodelle sind im Allgemeinen nicht vorhanden Ziele der Regelung/Steuerung sind oft nicht exakt formulierbar Es handelt sich meist um mehrere sich unter Umständen widersprechende Ziele Benötigt werden intelligente Regler 7
8 Künstliche Intelligenz (Artificial Intelligence) Das große Ziel der künstlichen Intelligenz (KI) besteht darin, intelligentes (menschliches) Verhalten durch Computerprogramme (künstlich) nachzubilden. Symbolische, Logik-orientierte KI Systeme zur Problemlösung Systeme zur Entscheidungsunterstützung Wissensbasierte Systeme Wissenrepräsentationsformalismen und KI-Programmiersprachen Wissensakquisition und Maschinelles Lernen Intelligenz durch Verhaltensimulation Turing-Test Test ist umstritten (siehe Searle) Chinesisches Zimmer (Symbolmanipulation Intelligenz) Philosophische Diskussion über die Begriffe Intelligenz, Wahrnehmung, Bewusstsein ist nicht Ziel der Vorlesung Pragmatischer Ansatz 8
9 Computational Intelligence (Soft Computing) Künstliche Intelligenz Klassische Methoden der Künstliche Intelligenz basieren auf der Verarbeitung von symbolischen Daten Beispiel: Expertensysteme Teilgebiet Computational Intelligence Unter Computational Intelligence versteht man Methoden die auf numerischen Daten arbeiten Beispiele: Fuzzy Systeme, Neuronale Netze, Genetische Algorithmen Andere Bezeichnung: Soft Computing Intelligente Regler basieren auf Methoden des Soft Computing, deshalb die Bezeichnung Soft Control 9
10 Expertensysteme Kernidee (natürliches Vorbild) Menschliches abstraktes Denken Historie Erste Expertensysteme Anfang der1970er (Jedoch Probleme durch hohen Rechenaufwand) Anwendung in der Automatisierungstechnik Heute: Vielfältiger industrieller Einsatz auf höheren Automatisierungsebenen Beispiele Systeme zur unterstützenden Prozessführung Systeme zur Fehlerdiagnose Trainingssysteme (Simulatoren) 10
11 Beispiel XPS: Diagnosesystem in der Prozessführung Quelle: Polke
12 Fuzzy Systeme Kernidee (natürliches Vorbild) Umgang mit unscharfem Wissen Historie Mitte der 1960er Zadeh Fuzzy Logik Mitte der 1970er Mandani Fuzzy Control Anwendung in der Automatisierungstechnik Anfang der 1980er erste industrielle Applikationen Fuzzy-Regler Beispiele Trocknungsprozesse Gastherme Fuzzy Regelung eines invertierten Pendels Waschmaschine (AEG) Fuzzy Regelung eines Bohrhammers 12
13 Beispiel Fuzzy: Regelung eines Bohrhammers Aufgabe: Automatisches Einstellen von optimaler Drehzahl und Schlagzahl in Abhängigkeit von Bohrerdurchmesser und Materialhärte Lösung: Insgesamt 20 WENN-DANN-Regeln zur automatischen Erkennung von Bohrerdurchmesser und Materialhärte anhand von vier Messgrößen Regel Nr. 11 als Beispiel: WENN Leistung=mittel UND Längsbeschleunigung=hoch UND Querbeschleunigung=hoch UND Längsfrequenz=mittel DANN Bohrerdurchmesser=24mm 13
14 Neuronale Netze Kernidee (natürliches Vorbild) Konnektionistischer Ansatz zur Wissensspeicherung und Verarbeitung (Neuronen im Gehirn) Historie Anfänge in den 1970ern Probleme aufgrund inadäquater Rechentechnik Neue Interesse in den 1980ern Anwendung in der Automatisierungstechnik Identifikation komplexer Prozesse Regelung durch inverses Modell Prädiktion Beispiel Identifikation nichtlinearer Systeme 14
15 Beispiel NN: Identifikation eines Zweitanksystems q Zu q ( k Zu - 1) h 1 h 2 q ( k Zu - h ( k 1 - h ( k 1-1) 2) 2) h ( ˆ1 k ) v 12 v a L 1 L a h ( k) 1 hˆ ( k) 1 real Modell
16 Genetische Algorithmen Kernidee (natürliches Vorbild) Stochastische Optimierung (Evolution in der Natur) Historie Anfänge Mitte der 1960er Holland Anwendung in der Automatisierungstechnik ab Mitte der 1990er für komplexe Optimierungsprobleme (offline) Beispiel Optimierung von Reglerparametern speziell bei vielen Freiheitsgraden (Fuzzy- Controller) 16
17 Zusammenhang der Verfahren Struktur der Wissensverarbeitung Adaptivität unscharfe Regeln Regeln strukturiert minimal (nicht adaptiv) Expertensysteme Fuzzy Control Genetische Algorithmen Neuronale Netze Topologie der Netze maximal unstrukturiert Populationsstruktur 17
18 Natürliche Entwicklung Einordnung in die Vorlesung Betrachtet man die bisher vorgestellten Systeme so kann man sagen, dass wir uns Intelligenz top-down angeschaut haben: Technische Entwicklung und Vorgehen in der Vorlesung Expertensysteme (abstraktes mathematisches Denken) sind eine Weiterentwicklung von Fuzzy-Systemen ( natürliches Fuzzy-Schließen) diese konnten sich nur entwickeln, auf Basis der neuronalen Strukturen des Gehirns Neuronale Netze (Lernfähigkeit und Adaption) entstanden im Laufe der Evolution aus einfacheren Strukturen durch Genetische Algorithmen ( survival of the fittest ) 18
19 Zusammenfassung Die Probleme der industriellen Praxis erfordern den Einsatz intelligenter Regler Die Forschung im Bereich der künstlichen Intelligenz und insbesondere der Computational Intelligence bietet hierfür eine Reihe von Methoden Die Ideen sind alle schon relativ alt Der praktische Einsatz ist aber erst seit einigen Jahren möglich (Rechenleistung) Die frühere Skepsis auf der Anwenderseite ist inzwischen deutlich zurückgegangen 19
20 Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation und Wissensverarbeitung (Symbolische KI) Anwendung: Expertensysteme 3. Fuzzy-Systeme: Umgang mit unscharfem Wissen Anwendung: Fuzzy-Control 4. Konnektionistische Systeme: Neuronale Netze Anwendung: Identifikation und neuronale Regler 5. Genetische Algorithmen, Simulated Annealing, Differential Evolution Anwendung: Optimierung 6. Zusammenfassung & Literaturhinweise 20
21 Literatur zur Vorlesung (benutzte Quellen) Allgemeines zu Methoden der KI: Umfassendes Nachschlagewerk für Interessierte Götz, Güntzer (Hrsg.): Handbuch der künstlichen Intelligenz. Oldenbourg Verlag, Expertensysteme: Anwendungsorientierte Darstellungen für die Anwendung in der Leittechnik: Polke, M.: Prozeßleittechnik. Oldenbourg Verlag, Ahrens, W.; Scheurlen, H.-J.; Spohr, G.-U.: Informationsorientierte Leittechnik. Oldenbourg Verlag, Methoden der Computational Intelligence in der Automatisierungstechnik: Fatikow, S.: Neuro- und Fuzzy- Steuerungsansätze in Robotik und Automation. Vorlesungsskript, Karlsruhe, King R.E.: Computational Intelligence in Control Engineering. Marcel Dekker,
22 Ziele der Vorlesung Wissen was Soft Control bedeutet Für die Automatisierungstechnik relevanten Gebiete der Artificial Intelligence und speziell der Computational Intelligence kennen: Expertensysteme Fuzzy Systeme Neuronale Netze Stochastische Optimierungsverfahren Einsatzgebiete, Vorteile und Nachteile der einzelnen Methoden kennen Entwurfsverfahren für spezielle Methoden des Soft Control verstehen und anwenden können 22
12. Vorlesung Stochastische Optimierung
Soft Control (AT 3, RMA) 12. Vorlesung Stochastische Optimierung Differential Evolution 12. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter"
Mehr3. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 3. Vorlesung Fuzzy Systeme Fuzzy Mengen 3. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
Mehr7. Vorlesung Neuronale Netze
Soft Control (AT 3, RMA) 7. Vorlesung Neuronale Netze Grundlagen 7. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
Mehr10. Vorlesung Stochastische Optimierung
Soft Control (AT 3, RMA) 10. Vorlesung Stochastische Optimierung Genetische Algorithmen 10. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter"
Mehr2. Vorlesung Expertensysteme
Soft Control (AT 3, RMA) 2. Vorlesung Expertensysteme 2. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
Mehr6. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 6. Vorlesung Fuzzy Systeme Entwurfsbeispiele 6. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
Mehr5. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 5. Vorlesung Fuzzy Systeme Fuzzy Control 5. Vorlesung im Aufbau der Vorlesung. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrModellbasierte prädiktive Regelung
Modellbasierte prädiktive Regelung Eine Einführung für Ingenieure von Rainer Dittmar und Bernd-Markus Pfeiffer Oldenbourg Verlag München Wien 1 Einführung 1 1.1 Entwicklung der Prozessführung im gegenwärtigen
MehrEntwicklung und Einsatz von Expertensystemen
Karl Kurbel Entwicklung und Einsatz von Expertensystemen Eine anwendungsorientierte Einführung in wissensbasierte Systeme Mit 46 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo
MehrHandbuch Wissensmanagement
Matthias Haun Handbuch Wissensmanagement Grundlagen und Umsetzung, Systeme und Praxisbeispiele Mit 75 Abbildungen ÄJ Springer 1 Einleitung 1 1.1 Motivation 1 1.2 Ziel 1 1.3 Wissenschaftstheoretische Grundlage
Mehr11. Vorlesung Stochastische Optimierung
Soft Control (AT 3, RMA) 11. Vorlesung Stochastische Optimierung Simmulated Annealing 11. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter"
Mehr4. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 4. Vorlesung Fuzzy Systeme Fuzzy Inferenz 4. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrProceedings 11. Workshop Fuzzy Control des GMA-FA 5.22
Forschungszentrum Karlsruhe Technik und Umwelt Wissenschaftliche Berichte FZKA 6660 Proceedings 11. Workshop Fuzzy Control des GMA-FA 5.22 Dortmund, 28.-30. November 2001 Ralf Mikut, Markus Reischl (Hrsg.)
MehrKai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger. Fuzzy-Regelung. Grundlagen, Entwurf, Analyse. Mit 174 Abbildungen und 9 Tabellen.
Kai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger Fuzzy-Regelung Grundlagen, Entwurf, Analyse Mit 174 Abbildungen und 9 Tabellen Springer Inhaltsverzeichnis 1. Grundlagen der Fuzzy-Systeme 1 1.1
MehrDuale Regelungstechnik
Prof. Dr.-lng. Serge Zacher Duale Regelungstechnik Methoden und Werkzeuge der lnformationstechnologie für die Regelungstechnik mit Prozessrechnern VDE VERLAG GMBH Inhalt 1 1.1 1.2 1.3 1.4 1.4.1 1.4.2 1.4.3
MehrVorstellung des Großen Belegs: Entwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten Prozess
Fakultät Informatik Institut für angewandte Informatik- Professur Technische Informationssysteme Vorstellung des Großen Belegs: Entwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrEntwurf, Test und Analyse adaptiver Regelungsstrategien für einen nichtlinearen totzeitbehafteten technischen Prozess
Fakultät Informatik Institut für angewandte Informatik- Professur Technische Informationssysteme Verteidigung der Diplomarbeit: Entwurf, Test und Analyse adaptiver Regelungsstrategien für einen nichtlinearen
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrMerkmalserkennungs- und Klassifikationssystem (MEKS)
Merkmalserkennungs- und Klassifikationssystem (MEKS) S. Hafner Univ.-GHS Paderborn, Abteilung Meschede Tel.: (0291) 9910-330, Fax: (0291) 9910-330 Email: Hafner@meschede.uni-paderborn.de Kurzfassung Die
MehrTeil II: Einstieg in Expertensysteme
Teil II: Einstieg in Expertensysteme Begriffsbestimmung: Was sind wissensbasierte Systeme? Die beiden Begriffe Expertensystem und wissensbasiertes System werden weitgehend synonym verwendet für Softwaresysteme,
MehrEinführung in die Artificial Intelligence
Einführung in die Artificial Intelligence Institut für Computertechnik ICT Institute of Computer Technology Roland Lang mailto:langr@ict.tuwien.ac.at Definition: Was ist AI? ISO 4177: Artificial Intelligence
MehrEinführung in CAE-Systeme
Einführung in CAE-Systeme Dipl.-Ing. Mark Müller 1 Inhalt 1. Motivation für CAE-Werkzeuge 2. Modellierung technischer Prozesse 3. Übersicht über CAE-Simulationssysteme Kommerzielle Programme Freeware 4.
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
Mehr9. Vorlesung Neuronale Netze
Soft Control (AT 3, RMA) 9. Vorlesung Neuronale Netze Anwendungen in der AT 9. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme
MehrCase-Based Reasoning und anderen Inferenzmechanismen
Case-Based Reasoning und anderen Inferenzmechanismen Daniel Müller 21 April 2006 DM () CBR und Inferenz 21 April 2006 1 / 31 Contents 1 Einleitung 2 Inferenzmechanismen Statistische Verfahren Data Mining
MehrTeil II Optimierung. Modellgestützte Analyse und Optimierung Kap. 5 Einführung Optimierung. Peter Buchholz 2006
Teil II Optimierung Gliederung 5 Einführung, Klassifizierung und Grundlagen 6 Lineare Optimierung 7 Nichtlineare Optimierung 8 Dynamische Optimierung (dieses Jahr nur recht kurz) (9 Stochastische Optimierungsmethoden
MehrFuzzy Logic und Wahrscheinlichkeit
Philosophische Fakultät Institut für Philosophie, Lehrstuhl für Theoretische Philosophie, Holm Bräuer M.A. Fuzzy Logic und Wahrscheinlichkeit Ein Kurzüberblick Was ist Fuzzy Logic? Fuzzy-Logik (englisch:
MehrRegelungs- und Systemtechnik 3
Regelung Mechatronischer Systeme, Regelungs- und Systemtechnik 3 Kapitel 1: Einführung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Luft- und Raumfahrtindustrie 2 Zu regelnde
MehrWoher Methoden der KI stammen Gebiete der Künstlichen Intelligenz wissensbasierte Systeme
Woher Methoden der KI stammen Gebiete der Künstlichen Intelligenz (induktives) Lernen Aus einer anwendungsorientierten Sicht spielen in der Künstlichen Intelligenz insbesondere folgende Gebiete eine Rolle:
MehrWerden wir Schoßhunde der Roboter sein? Herbert Stoyan Universität Erlangen
Werden wir Schoßhunde der Roboter sein?.. Herbert Stoyan Universität Erlangen 1 Schlechte Presse für die KI Große Sprüche der KI in den 80ern Industrielle Umsetzung schien möglich Doch: herber Absturz
MehrEvolutionäre Algorithmen Einführung
Evolutionäre Algorithmen Einführung Prof. Dr. Rudolf Kruse Pascal Held {kruse,pheld}@iws.cs.uni-magdeburg.de Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Wissens- und Sprachverarbeitung
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
MehrDigitale Regelsysteme
Rolf Isermann Digitale Regelsysteme Springer-Verlag Berlin Heidelberg New York 1977 Inhaltsverzeichnis 1. Einführung :..." 1 A Prozesse und Prozeßrechner 5 2. Regelung mit Digitalrechnern (Prozeßrechner,
MehrSozialwissenschaftliche Modelle und Daten SoSe 2010
Sozialwissenschaftliche Modelle und Daten SoSe 2010 LS Sozialwissenschaftliche Methodenlehre und Sozialstatistik C. Dudel C. Dudel Sozialwissenschaftliche Modelle und Daten SoSe 2010 1 23 1 Formalia 2
MehrTechnische. Kybernetik
Technische Kybernetik Gliederung Was ist Kybernetik? Regelung und Rückkopplung Typischer Regelkreis Konkretes Beispiel: das invertierte Pendel Allgemeine Kybernetische Vorgehensweise Problemlösung schafft
MehrUniversität Potsdam Institut für Informatik. Masterstudium Computational Science
Universität Potsdam Institut für Informatik Masterstudium Computational Science Computational Science The Science of Computation Wissenschaft vom Berechnen Informatik Science, done computationally Computergestützte
MehrAlgorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
MehrDas Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle. Christoph Kugler, Thomas Hochrein 26. Mai 2011
Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle Christoph Kugler, Thomas Hochrein 26. Mai 2011 Das in Echtzeit und inline Unmessbare messen Softsensoren zur Prozessanalyse
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
MehrDie Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security. H. Lubich FHNW
Die Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security H. Lubich FHNW Es fing alles ganz harmlos an 2 Entwicklungsschritte KI Neuronale Netze Selbstlernende Systeme Advanced
MehrEinführung in CAE-Simulationssysteme
Einführung in CAE-Simulationssysteme Einleitung Motivation für CAE-Werkzeuge Modellierung technischer Prozesse Übersicht über CAE-Simulationssysteme Kommerzielle Programme Freeware Funktionsinhalte von
MehrElementare Regelungstechnik
Peter Busch Elementare Regelungstechnik Allgemeingültige Darstellung ohne höhere Mathematik 7., überarbeitete Auflage Vogel Buchverlag Inhaltsverzeichnis Vorwort 5 1 Einführung 13 1.1 Steuern - Regeln
MehrEntscheidungsunterstützung/ Künstliche Intelligenz. Teil 2
Entscheidungsunterstützung/ Künstliche Intelligenz Teil 2 BiTS, Sommersemester 2005 Dr. Stefan Kooths KOOTHS BiTS: Entscheidungsunterstützung/Künstliche Intelligenz Teil 2 1 Gliederung 1. Einführung 2.
MehrFuzzy Control methodenorientiert. von Universitätsprofessor Dr. rer. nat. Harro Kiendl Mit 212 Bildern
Fuzzy Control methodenorientiert von Universitätsprofessor Dr. rer. nat. Harro Kiendl Mit 212 Bildern R. Oldenbourg Verlag München Wien 1997 Inhaltsverzeichnis Vorwort XI 1 Einführung 1 1.1 Entstellung
MehrEinstieg in die Regelungstechnik
Hans-Werner Philippsen Einstieg in die Regelungstechnik Vorgehensmodell für den praktischen Reglerentwurf mit 263 Bildern und 17 Tabellen Fachbuchverlag Leipzig im Carl Hanser Verlag 1 Einführung 13 1.1
MehrFuzzy Logic Prof. Dr. Lotfi Zadeh, Erfindervon Fuzzy Logic
Fuzzy Logic Nouri@nouri.ch 25.09.14 Prof. Dr. Lotfi Zadeh, Erfindervon Fuzzy Logic Theoretische Einführung Was ist Fuzzy Logic? Entwicklungsgeschichte Fuzzy Logic Information und Komplexität Arten der
MehrFundamente der Computational Intelligence
Wintersemester 2006/07 Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Kapitel 2: Fuzzy Systeme Inhalt Fuzzy Mengen
MehrProceedings 12. Workshop Fuzzy Systeme
Forschungszentrum Karlsruhe in der Helmholtz-Gemeinschaft Wissenschaftliche Berichte FZKA 6767 Proceedings 12. Workshop Fuzzy Systeme Ralf Mikut, Markus Reischl (Hrsg.) Institut für Angewandte Informatik
MehrEntwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten Prozess
Fakultät Informatik Institut für angewandte Informatik- Professur Technische Informationssysteme Verteidigung des Großen Beleges Entwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten
MehrSprachsynthese und Spracherkennung
90 Sprachsynthese und Spracherkennung von John N. Holmes Mit 51 Bildern und 69 Übungen mit Lösungshinweisen R. Oldenbourg Verlag München Wien 1991 INHALT Vorwort 11 1 Lautsprachliche Kommunikation 15 1.1
MehrElementare Regelungstechnik
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Peter Busch Elementare Regelungstechnik Allgemeingültige Darstellung
MehrEinführung in die Fuzzy Logic
Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrSystemtheorie 1. Einführung Systemtheorie 1 Formale Systeme 1 # WS 2006/2007 Armin Biere JKU Linz Revision: 1.4
Einführung intro 1 Grobklassifizierung r Methoden in der Informatik intro 2 Systemtheorie 1 Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof.
MehrEinstieg in die Regelungstechnik
Einstieg in die Regelungstechnik Hans-Werner Philippsen Vorgehensmodell für den praktischen Reglerentwurf ISBN 3-446-22377-0 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22377-0
MehrProzeßautomatisierung
Prozeßautomatisierung Aufgabenstellung, Realisierung und Anwendungsbeispiele Von Dr.-Ing. Gunter Bolch Universität Erlangen-Nürnberg und Dipl.-Inform. Martina-Maria Seidel, Berkeley 2., überarbeitete und
MehrKapitel MK:I. I. Einführung. Künstliche Intelligenz Starke KI versus Schwache KI Geschichte der KI Gebiete der KI
Kapitel MK:I I. Einführung Künstliche Intelligenz Starke KI versus Schwache KI Geschichte der KI Gebiete der KI MK:I-1 AI Introduction STEIN 1998-2013 Künstliche Intelligenz Was ist Intelligenz? Intelligenztests:
MehrSystemtheorie 1. Formale Systeme 1 # WS 2006/2007 Johannes Kepler Universität Linz, Österreich
Einführung 1 Systemtheorie 1 Formale Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof. Dr. Armin Biere Institut für Formale Modelle und Verifikation
MehrGenetische Algorithmen von der Evolution lernen
Genetische Algorithmen von der Evolution lernen (c) Till Hänisch 2003, BA Heidenheim Literatur zusätzlich zum Lit. Verz. Nils J. Nilsson Artificial Intelligence Morgan Kaufmann, 1998 Ansatz Bisher: Problemlösung
MehrWas versteht man unter Intelligenz
Was versteht man unter Intelligenz keine allgemein gültige Definition! unterschiedliche Definitionsansätze (Medizin,Philosophie,etc.) Persönliche Definition: Das aktive Wahrnehmen von Äußeren Einflüssen,
MehrSynthese durch Rechner-Optimierung
4.2.4. Synthese durch Rechner-Optimierung Möglichkeiten zum Finden passender Reglerparameter: 1. Theoretische Synthese (Herleitung der optimalen Werte) 2. Einstellregeln Messungen an der Strecke (z. B.
Mehr2 Entscheidungsfmdung mittels Fuzzy-Methoden
2 Entscheidungsfmdung mittels Fuzzy-Methoden Die Automatisierungstechnik übernimmt Aufgaben der Diagnose, Überwachung, Steuerung und Regelung technischer Prozesse sowie der Vorhersage und Planung. In der
MehrWissensbasiertes Prozessmanagement
Wissensbasiertes Prozessmanagement Prof. Dr. Ralph Bergmann Universität Trier Wirtschaftsinformatik II: Künstliche Intelligenz & Intelligente Informationssysteme Prof. Dr. Norbert Kuhn Hochschule Trier
MehrPraxisorientierte Verbesserungsvorschläge
Fakultät Informatik, Professur Technische Informationssystem PID-Regler Praxisorientierte Verbesserungsvorschläge Erik Ulbricht, 09.07.2010 Inhalt 1. Regelungstechnik 1.1 Laplace-Transformation 1.2 PID-Struktur
MehrKünstliche Intelligenz
Künstliche Intelligenz Dr. Claudia Schon schon@uni-koblenz.de Institute for Web Science and Technologies Universität Koblenz-Landau Organisatorisches Termine: Jeweils von 14:00-15:30 Uhr und 15:45-17:15
MehrSPS. Speicherprogrammierbare Steuerungen vom Relaisersatz bis zum CIM-Verbund. Einführung und Übersicht. von Dipl.-Inf. Eberhard E. Grötsch, M. Sc.
SPS Speicherprogrammierbare Steuerungen vom Relaisersatz bis zum CIM-Verbund Einführung und Übersicht von Dipl.-Inf. Eberhard E. Grötsch, M. Sc. 2., verbesserte und erweiterte Auflage Mit 76 Bildern R.
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-Ing. Jan Lunze 2., völlig überarbeitete Auflage Oldenbourg Verlag München Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch des Buches xvii xxiii
MehrAutonomes Fahren und KI
Autonomes Fahren und KI Kann eine autonom steuernde KI den normal reagierenden menschlichen Fahrer sicher ersetzen/übertreffen? Marco-Marcel Pechtold 19. Januar 2018 Inhaltsverzeichnis 1 Einleitung 2 2
MehrInhalt. Mehr Informationen zum Titel
Mehr Informationen zum Titel Inhalt 1 Einführung 15 1.1 Aufgaben der Regelungstechnik... 15 1.2 Steuern oder Regeln?... 15 1.3 Regelkreise im Wirkungsplan... 20 1.4 Festwert- und Folgeregelung... 21 1.4.1
MehrModellierung menschenähnlicher Gegenspieler in Strategiespielen mit Techniken der Computational Intelligence
Modellierung menschenähnlicher Gegenspieler in Strategiespielen mit Techniken der Computational Intelligence Nicola Beume, Boris Naujoks, Mike Preuß WiSe 2007/08, SoSe 2008 Technische Universität Dortmund
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrSoft Control (AT 3, RMA)
Soft Control (AT 3, RMA) Zur 3. Übung Fuzzy Control Einfaches Fuzzy-Beispiel Titelmasterformat durch Klicken bearbeiten Prinzip eines Fuzzy Systems: 2 Einfaches Fuzzy-Beispiel Titelmasterformat durch Klicken
MehrBisher angebotene Vorlesungen
Schwerpunktgebiete 1 Software-Konstruktion 2 Rechnerarchitektur, eingebettete Systeme und Simulation 3 Verteilte Systeme 4 Algorithmen, Komplexität und formale Modelle 5 Sicherheit und Verifikation 6 Computational
MehrInhalt. Wissensbasierte Diagnose Entscheidungsbäume Bayes-Netze Fallbasiertes Schließen Funktionsorientierte Diagnose Modellbasierte Systeme
Inhalt 2 Wissensbasierte Diagnose 3 Diagnose bezeichnet hier das Rückschließen auf mögliche Ursachen, welche zu beobachtbaren Wirkungen führen. Heutige Diagnosesysteme haben gute Diagnosebasisfunktionen,
MehrCrash-Kurs Regelungstechnik
Dr.-Ing. Jörg Kahlert Crash-Kurs Regelungstechnik Eine praxisorientierte Einführung mit Begleit-Software VDE VERLAG GMBH Berlin Offenbach Inhaltsverzeichnis 1 Einführung 11 1.1 Aufgaben der Regelungstechnik
MehrModulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrKapitel 2: Fuzzy Systeme
Kapitel 2: Fuzzy Systeme Wintersemester 2005/06 Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Inhalt Fuzzy Mengen
MehrVorlesung Künstliche Intelligenz Wintersemester 2009/10
Vorlesung Künstliche Intelligenz Wintersemester 2009/10 Prof. Dr. Gerd Stumme Dipl.-Inform. Björn-Elmar Macek Vorlesung Dienstag, 10:15 11:45 Uhr, Raum 0443 Beginn: 20.10.2009 Vorlesung Mittwoch 14:00
MehrFuzzy Control. Mit 304 Bildern und 46 Tabellen
Fuzzy Control Optimale Nachbildung und Entwurf optimaler Entscheidungen von Dr.-Ing. Mario Koch, Dr.-Ing. Thomas Kuhn und Professor Dr.-Ing. habil Jürgen Wernstedt Technische Universität Ilmenau Mit 304
MehrSpeicherprogammierbare Steuerungen als Bausteine verteilter Automatisierung
SPS Speicherprogammierbare Steuerungen als Bausteine verteilter Automatisierung von Prof. Eberhard E. Grätsch, M.Sc, AUTlab der Fachhochschule Würzburg-Schweinfurt und Steinbeis-Transferzentrum Würzburg
MehrKolonnenregelung Praxisbeispiele und APC
24. Lunch & Learn 21.02.2014 Kolonnenregelung Praxisbeispiele und APC siemens.com/answers Einleitung 2 Advanced Process Control (APC) 5 Tipps und Tricks 17 Seite 2 Prozessregelungsmethoden Seite 3 Manuelle
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
MehrInhaltsverzeichnis. Heinz Mann, Horst Schiffelgen, Rainer Froriep. Einführung in die Regelungstechnik
Inhaltsverzeichnis Heinz Mann, Horst Schiffelgen, Rainer Froriep Einführung in die Regelungstechnik Analoge und digitale Regelung, Fuzzy-Regler, Regel-Realisierung, Software ISBN: 978-3-446-41765-6 Weitere
MehrKapitel Fuzzy Logic. Überblick. 20_1_fuzzy_logic.PRZ
Kapitel.3 Fuzzy Logic Überblick 2 fuzzy_logic.prz 2..5 Definition Fuzzy Logik Erweiterung der klassischen Logik um unscharfe Mengenzugehörigkeiten und Regeln, für die keine exakten Vorschriften bestehen.
Mehr70 Jahre Reglereinstellung nach Ziegler und Nichols
Fakultät Informatik, Institut für angewandte Informatik, Professur für technische Informationssysteme Proseminar Technische Informationssysteme Johannes Postel Dresden, 14. November 2011 Überblick 1. Systembegriff
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung mit Übung WS 2002/2003 Prof. F. v. Henke Organisatorisches Vorlesung: Mo 12 14 Mi 14 16 Sprechstunde: nach der Vorlesung, oder nach Vereinbarung vhenke@ki.informatik.uni-ulm.de
MehrModelle und Verfahren zur innerbetrieblichen Standortplanung
Andreas Bölte Modelle und Verfahren zur innerbetrieblichen Standortplanung Mit 73 Abbildungen Physica-Verlag Ein Unternehmen des Springer-Verlags Inhaltsverzeichnis 1. Einleitung 1 2. Layoutplanung für
MehrÜbung 9 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Übung 9 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN Übungsleiter: Dr.-Ing. H.-D. Ribbecke
Mehr