Vorlesung Fuzzy-Systeme

Winter 2008/09

Neuigkeiten

Die letzten Vorlesungsfolien sind online.

Das letzte Uuml;bungsblatt ist online.

Überblick

• Allgemeines
• Termine und Räume
• Dozenten
• Schein- und Prüfungskriterien
• Voraussetzungen
• Folien aus der Vorlesung
• Übungsblätter
• Zusätzliche Unterlagen
• Literatur
• Links

Allgemeines

Diese Seite enthält Informationen über die Vorlesung "Fuzzy-Systeme", die von Prof. Dr. Rudolf Kruse im Winter 2008/09 gelesen wird. Sie wird während des Kurses auf den neuesten Stand gebracht.

Die Fuzzy-Mengentheorie ist eine Erweiterung der klassischen Mengenlehre, mit der impräzise und vage sprachliche Ausdrücke wie groß, klein, heiß, kalt usw. modelliert werden können. Die Fuzzy-Logik gestattet es, Regeln zu formulieren, die solche natürlichsprachlichen Ausdrücke enthalten. Diese Regeln können zur Unterstützung von Entscheidungsprozessen eingesetzt werden. Die Vorlesung "Fuzzy-Systeme" bietet sowohl eine Einführung in die Fuzzy-Mengentheorie als auch in die Fuzzy-Logik. Außerdem werden Anwendungen in der Regelungstechnik, dem approximativen Schließen und der Datenanalyse behandelt.

Am Ende der Vorlesung wird ein interessantes Gebiet in der aktuellen Forschung gestreift. Die Vereinigung zweier Methoden aus dem Soft-Computing, nämlich Fuzzy-Systeme und die Stützvektormethode (SVM), wird motiviert und erklärt. Aus diesem Grund wird das Konzept der SVM eingefürt.

Da es sich bei "Fuzzy-Systeme" um eine Master-Veranstaltung handelt, werden sowohl Vorlesung als auch Übung in englischer Sprache abgehalten. Auf Anfrage kann es auch deutsche Übungsblätter geben.

Termine und Räume

Dozenten

Falls Sie Fragen bezüglich der Vorlesung oder der Übung haben, kontaktieren Sie bitte (am besten per E-Mail) einen der unten genannten Personen.

• Prof. Dr. Rudolf Kruse, kruse@iws.cs.uni-magdeburg.de
• Christian Moewes, cmoewes@iws.cs.uni-magdeburg.de

Schein- und Prüfungskriterien

Ein neues Aufgabenblatt mit schriftlichen und Programmieraufgaben wird jede Woche auf dieser Internetseite veröffentlicht. Die schriftlichen Aufgaben müssen am Beginn einer jeden Übung votiert werden. Durch das Votieren erklärt man sich bereit, dass man in der Lage ist, die Aufgabe und einen Lösungsvorschlag zu erklären und präsentieren. (Der Vorschlag muss nicht vollständig richtig sein. Es muss allerdings klar werden, dass man sich gewissenhaft mit der Aufgabe auseinandergesetzt hat.)

Programmieraufgaben müssen elektronisch an Christian Moewes übermittelt werden vor 8 Uhr am Morgen des Übungstages. Späte Aufgaben werden nicht akzeptiert. Die Programme müssen ordentlich auf den SUN-Pool-Maschinen der Fakultät für Informatik laufen.

Der Schein für diesen Kurs wird für Studenten ausgestellt, die

• regelmäßig und gut in den Übungen mitarbeiten,
• mindestens zwei Drittel der schriftlichen Aufgaben votieren,
• mindestens zweimal eine Lösung zu einer schriftlichen Aufgabe während der Übung präsentieren,
• mindestens zweimal eine funktionierende Implementierung einer Programmieraufgabe übermitteln, und
• schließlich ein kurzes Kolloquium (ca. 10 Minuten) oder einen schriftlichen Test (bei mehr als 20 Studenten) nach dem Kurs bestehen.

Scheinkolloquien werden nur am 4. und 6. Februar 2009 stattfinden. Bitte schreiben Sie Christian Moewes falls Sie einen Termin für eines dieser Kolloquien haben wollen.

Studenten, die den Kurs mit einer Prüfung oder einem benoteten Schein beenden wollen, müssen

• regelmäßig und gut in den Übungen mitarbeiten,
• mindestens die Hälfte der schriftlichen Aufgaben votieren,
• mindestens zweimal eine Lösung zu einer schriftlichen Aufgabe während der Übung präsentieren,
• mit Prof. Kruse einen Prüfungstermin finden,
• sich zwei Wochen vor dem Prüfungstermin offiziell für die Prüfung anmelden beim Prüfungsamt, und
• schließlich eine mündliche Prüfung (ca. 25 Minuten) oder eine schriftliche Prüfung (bei mehr als 20 Studenten) nach dem Kurs bestehen.

Eine Liste mit freien Terminen für eine mündliche Prüfung liegt im Prüfungsamt der FIN aus.

Voraussetzungen

Sie müssen nicht, aber Sie sollten Hintergrundwissen verfügen über

• Mathematik (insbesondere Algebra und Konvexe Optimierung),
• Informatik (Algorithmen, Datenstrukturen, usw.), und
• Maschinelles Lernen oder "Data-Mining".

Folien aus der Vorlesung

Die Folien der Vorlesung werden rechtzeitig hochgeladen so wie der Kurs fortschreitet.

• 1. Vorlesungsteil (Einführung)
• 2. Vorlesungsteil (Operatoren)
• 3. Vorlesungsteil (Operatoren und Quantoren)
• 4. Vorlesungsteil (Fuzzy-Mengenrepräsentation, Extensionsprinzip, Linguistische Variablen)
• 5. Vorlesungsteil (Fuzzy-Relationen)
• 6. Vorlesungsteil (Fuzzy-Regelung)
• 7. Vorlesungsteil (Fuzzy-Regelung)
• 8. Vorlesungsteil (Fuzzy-Cluster-Analyse)
• 9. Vorlesungsteil (Fuzzy-Regelgenerierung)
• 10. Vorlesungsteil (Neuro-Fuzzy und Fuzzy-Evolutionäre Systeme)

Übungsblätter

Die Sammlung von Übungsblättern wird hier wöchentlich erweitert. Das aktuelle Übungsblatt ist das letzte aller vorhandenen.

• Übungen (inklusive aller Blätter)

Zusätzliche Unterlagen

An dieser Stelle finden Sie zusätzliche Unterlagen zur Vorlesung und zu den Übungen.

• Fuzzy-Systeme (nur in Deutsch erhältlich)
• Convex Optimization (nur in Englisch erhältlich)

Nachfolgend sind einige gnuplot-Skripte der Übung zum Herunterladen. Bevor diese benutzt werden können, müssen deren Endungen von "txt" auf "plt" umbenannt werden. Dann sollten sie funktionieren. Für Fragen, Kommentare, Hinweise und Kritik, bitte E-Mail an Christian Moewes.

• Aufgabe 8
• Aufgabe 9

Literatur

• über Fuzzy-Systeme
  • C. Borgelt, F. Klawonn, R. Kruse, D. Nauck (2003). Neuro-Fuzzy-Systeme (3. Auflage). Vieweg, Braunschweig/Wiesbaden, Germany.
  • G.J. Klir and B. Yuan (1995). Fuzzy Sets and Fuzzy Logic - Theory and Applications. Prentice Hall, Upper Saddle River, NJ, USA.
  • R. Kruse, J. Gebhardt, and F. Klawonn (1994). Fuzzy-Systeme (2. Auflage). Teubner, Stuttgart, Germany.
  • R. Kruse, J. Gebhardt, and F. Klawonn (1994). Foundations of Fuzzy Systems. Wiley, Chichester, United Kingdom.
  • K. Michels, F. Klawonn, R. Kruse, and A. Nürnberger (2002). Fuzzy-Regelung. Springer-Verlag, Heidelberg, Germany.
• über Machinelles Lernen und "Data Mining"
  • D. Hand and M. Berthold (2002). Intelligent Data Analysis: An Introduction (2. Auflage). Springer-Verlag, Berlin, Germany.
  • T. Mitchell (1997). Machine Learning. McGraw Hill, New York, NY, USA.
• über SVM
  • S. Boyd and L. Vandenberghe (2004). Convex Optimization. Cambridge University Press, New York, NY, USA.
  • B. Schölkopf and A.J. Smola (2002). Learning with Kernels. MIT Press, Cambridge, MA, USA.
  • V. Vapnik (1995). The Nature of Statistical Learning Theory. Springer-Verlag, New York, NY, USA.

Links

• Otto-von-Guericke-Universität Magdeburg
• Fakultät für Informatik
• Institut für Wissens- und Sprachverarbeitung
• Arbeitsgruppe Neuronale Netze und Fuzzy-Systeme
• Andere Lehrveranstaltungen der Arbeitsgruppe