WIW.00734.05 - Soft Computing (Vollständige Modulbeschreibung)
| WIW.00734.05 |
5 CP |
| Modulbezeichnung |
Soft Computing |
| Modulcode |
WIW.00734.05 |
| Semester der erstmaligen Durchführung |
|
| Fachbereich/Institut |
Wirtschaftswissenschaftlicher Bereich - School of Economics and Business |
| Verwendet in Studiengängen / Semestern |
-
Betriebswirtschaftslehre (Business Studies) (MA120 LP) (Master) > Betriebswirtschaftslehre BWL (Business Stud.)MA120, Akkreditierungsfassung (SS 2016 - SS 2019) > 1.2. Wirtschaftsinformatik
-
Betriebswirtschaftslehre (Business Studies) (MA120 LP) (Master) > Betriebswirtschaftslehre BWL (Business Stud.)MA120, Akkreditierungsfassung (SS 2016 - SS 2019) > 2.1.1. Wahlbereich Produktion und Logistik
-
Betriebswirtschaftslehre (Business Studies) (MA120 LP) (Master) > Betriebswirtschaftslehre BWL (Business Stud.)MA120, Akkreditierungsfassung (SS 2016 - SS 2019) > 3.1.1. Wahlbereich I
-
Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Wirtschaftsinformatik`
-
Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2006/07 - SS 2013) > Primärmodule
-
Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2013/14 - SS 2016) > Vertiefende Module der Vertiefungsrichtung `Wirtschaftsinformatik`
-
Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Vertiefende Module der Vertiefungsrichtung `Wirtschaftsinformatik`
-
Wirtschaftsinformatik (Business Information Systems) (MA120 LP) (Master) > Wirtschaftsinformatik WirtschaftsinformatMA120, Akkreditierungsfassung gültig ab WS 2020/21 > 2.1 Wirtschaftsinformatik
-
Wirtschaftsinformatik (Business Information Systems) (MA120 LP) (Master) > Wirtschaftsinformatik WirtschaftsinformatMA120, Akkreditierungsfassung (SS 2016 - SS 2020) > 1.1. Wahlbereich WI
-
Wirtschaftsinformatik (Business Information Systems) (MA120 LP) (Master) > Wirtschaftsinformatik WirtschaftsinformatMA120, Akkreditierungsfassung (WS 2006/07 - SS 2008) > Pflichtmodule
-
Wirtschaftsinformatik (Business Information Systems) (MA120 LP) (Master) > Wirtschaftsinformatik WirtschaftsinformatMA120, Akkreditierungsfassung (WS 2008/09 - WS 2015/16) > Pflichtmodule
|
| Modulverantwortliche/r |
|
| Weitere verantwortliche Personen |
Prof. Dr. Rolf Rogge |
| Teilnahmevoraussetzungen |
|
| Kompetenzziele |
Studierende... - erlangen Einblick in die Ideen- und Begriffswelt unscharf formulierter Probleme
- sind in der Lage Fuzzy Anwendungsmöglichkeiten in unterschiedlichen Bereichen der Wirtschaft zu erkennen
- erhalten Kenntnisse über Bau und Funktionsweise Künstlicher Neuronaler Netzwerke (KNN)
- erlernen Fähigkeiten zum Erkennen der Einsetzbarkeit und zur Modellierung und Handhabung von KNN
- erlangen Kenntnisse über heuristische Optimierungsalgorithmen
- können sich selbstständig in aktuelle Forschungsliteratur einarbeiten, wesentliche Inhalte zusammenfassen und kritisch reflektieren
|
| Modulinhalte |
- Basisdefinitionen für Fuzzy-Mengen und Fuzzy-Zahlen
- Operatoren für Fuzzy-Menge
- Operatoren für Fuzzy-Zahlen
- Fuzzy-Logik und Fuzzy-Control
- Rangordnungsverfahren für unscharfe Nutzenbewertungen in Fuzzy-Entscheidungs-Modellen
- Fuzzy-Software (z. B. Fuzzy Toolbox von MATLAB)
- Prinzipieller Aufbau der Künstlichen Neuronalen Netze
- Struktur der Neuronen - Eingangsfunktionen - Transferfunktionen - McCulloch-Pitts-Neuronen - Informationsfluss / Lernphase / Recall-Phase - Einstufige Netze ADALINE und PERZEPTRON - Mehrstufige Netze MADALINE und BACKPROPAGATION - HOPFIELD-Netze zur Mustererkennung - BOLTZMANN-Netze zur Prognose - Selbstorganisierende Netze
- Sensorische Karten und KOHONEN-Netze - Motorische Karten und erweiterte KOHONEN-Netze - Brain Building auf der Basis zellulärer Automaten
- KNN-Software (z. B. CBT-Software SIKONE)
- Methoden der stochastischen Optimierung
- Genetische Codierung und Operatoren
- GA-Software (z. B. CBT-Software IT-Genetics)
|
| Lehrveranstaltungsformen |
Vorlesung (3 SWS)
Kursus
Übung (1 SWS)
Kursus
Kursus
|
| Unterrichtsprachen |
Deutsch, Englisch |
| Dauer in Semestern |
1 Semester Semester |
| Angebotsrhythmus Modul |
jedes Sommersemester |
| Aufnahmekapazität Modul |
unbegrenzt |
| Prüfungsebene |
|
| Credit-Points |
5 CP |
| Modulabschlussnote |
LV 1: %; LV 2: %; LV 3: %; LV 4: %; LV 5: %. |
| Faktor der Modulnote für die Endnote des Studiengangs |
1 |
| Modulveranstaltung |
Lehrveranstaltungsform |
Veranstaltungstitel |
SWS |
Workload Präsenz |
Workload Vor- / Nachbereitung |
Workload selbstgestaltete Arbeit |
Workload Prüfung incl. Vorbereitung |
Workload Summe |
| LV 1 |
Vorlesung |
Vorlesung |
3 |
|
|
|
|
0 |
| LV 2 |
Kursus |
Selbststudium |
|
|
|
|
|
0 |
| LV 3 |
Übung |
Übung |
1 |
|
|
|
|
0 |
| LV 4 |
Kursus |
Selbststudium |
|
|
|
|
|
0 |
| LV 5 |
Kursus |
Prüfungsvorbereitung |
|
|
|
|
|
0 |
| Workload modulbezogen |
150 |
|
150 |
| Workload Modul insgesamt |
150 |
| Prüfung |
Prüfungsvorleistung |
Prüfungsform |
| LV 1 |
|
|
| LV 2 |
|
|
| LV 3 |
|
|
| LV 4 |
|
|
| LV 5 |
|
|
|
Gesamtmodul |
|
mdl. Prüfung |
|
Wiederholungsprüfung |
|
| Regularien |
Teilnahmevoraussetzungen |
Angebotsrhythmus |
Anwesenheitspflicht |
Gewicht an Modulnote in % |
| LV 1 |
|
Sommersemester |
Nein |
% |
| LV 2 |
|
Sommersemester |
Nein |
% |
| LV 3 |
|
Sommersemester |
Nein |
% |
| LV 4 |
|
Sommersemester |
Nein |
% |
| LV 5 |
|
Sommersemester |
Nein |
% |
