Version vom 16. Mai 2019, 10:52 Uhr

Fuzzy Informationsverarbeitung

Lehrveranstaltung mit SWS 2/1/0 (Vorlesung/Übung/Praktikum) in SS 2019

Dozent

Khang Tran Dinh

Umfang (SWS)

2/1/0

Module

Leistungskontrolle

Klausur
Mündliche Prüfung

Information

In dieser Vorlesung werden die Grundlagen der Darstellung und Verarbeitung von unscharfen Informationen vermittelt. Diese haben solche Aspekte wie Ungenauigkeit, Unbestimmtheit, Unsicherheit, usw. Die Herangehensweise besteht aus Fuzzy Mengen und Fuzzy Inferenz.

Der Kurs gliedert sich in die folgenden Inhalte:

- Linguistische Variablen,

- Fuzzy Mengen und Operationen von fuzzy Mengen,

- Fuzzy Relationen,

- Fuzzy Logik und fuzzy Inferenz,

- Fuzzy Systeme und Anwendungen,

- Typ-2-Fuzzy-Mengen und hedge-algebraische typ-2-Fuzzy-Mengen

@@ Zeile 1: / Zeile 1: @@
 {{Vorlesung
-|Title=Foundations for Machine Learning
+|Title=Fuzzy Informationsverarbeitung
 |Research group=Wissensverarbeitung
-|Lecturers=Yohanes Stefanus
+|Lecturers=Khang Tran Dinh
 |Term=SS
-|Year=2018
+|Year=2019
-|Module=MCL-AI, MCL-PI, INF-BAS2, INF-VERT2
+|Module=INF-BAS2, INF-VERT2, INF-PM-FOR
 |SWSLecture=2
 |SWSExercise=1
 |SWSPractical=0
-|Exam type=mündliche Prüfung
+|Exam type=Klausur, mündliche Prüfung
-|Description====Content===
+|Description=In dieser Vorlesung werden die Grundlagen der Darstellung und Verarbeitung von unscharfen Informationen vermittelt. Diese haben solche Aspekte wie Ungenauigkeit, Unbestimmtheit, Unsicherheit, usw. Die Herangehensweise besteht aus Fuzzy Mengen und Fuzzy Inferenz.
-The topic of this course is mathematical foundations for Machine Learning. We define the term "machine learning" to mean the automated detection of meaningful patterns in data.
+Der Kurs gliedert sich in die folgenden Inhalte:
-Nowadays machine learning based technologies are ubiquitous: digital economic systems, web search engines, anti-spam software, credit/insurance fraud detection software, accident prevention systems, bioinformatics, etc.
-This course provides a theoretical account of the fundamental ideas underlying machine learning and the mathematical derivations that transform these principles into practical algorithms, such as algorithms appropriate for big data learning. We will start with Valiant's PAC (Probably Approximately Correct) learning model, the ERM (Empirical Risk Minimization) learning rule, the No-Free-Lunch Theorem, and the VC (Vapnik-Chervonenkis) dimension. The course will end with deep learning.
+- Linguistische Variablen,
-===Schedule===
+- Fuzzy Mengen und Operationen von fuzzy Mengen,
-The lecture will take place from 11th June till 20th July 2018 in room <span style="color:#FF0000"> APB2026 </span> on the following days:
+- Fuzzy Relationen,
-* Mondays 4. DS (1pm - 2:30pm); starting on 11th June 2018
+- Fuzzy Logik und fuzzy Inferenz,
-* Tuesdays 2. DS (9:20am - 10:50am)
-* Thursdays 2. DS (9:20am - 10:50am)
+- Fuzzy Systeme und Anwendungen,
-===Lecture Slides===
+- Typ-2-Fuzzy-Mengen und hedge-algebraische typ-2-Fuzzy-Mengen
-===Prerequisites===
-* Probability Theory
-* Linear Algebra
-* Algorithm Design & Analysis
-|Literature=* Shai Shalev-Shwartz and Shai Ben-David. Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press, 2014.
-'''An electronic version of the book is accessable via TU network''' [https://katalogbeta.slub-dresden.de/id/0013333056/#detail '''here''']
-* Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press, 2016.
-'''An electronic version of the book is accessable via TU network''' [https://katalogbeta.slub-dresden.de/id/0019910974/#detail '''here''']
 }}

Fuzzy Informationsverarbeitung (SS2019): Unterschied zwischen den Versionen

Version vom 16. Mai 2019, 10:52 Uhr

Fuzzy Informationsverarbeitung

Lehrveranstaltung mit SWS 2/1/0 (Vorlesung/Übung/Praktikum) in SS 2019