Veranstaltung
Die hier angezeigten Termine und Veranstaltungen werden dynamisch aus Stud.IP heraus angezeigt.
Daher kontaktieren Sie bei Fragen bitte direkt die Person, die unter dem Punkt Lehrende/Dozierende steht.
Veranstaltung
Semester:
Wintersemester
2018
2.01.535 Evolution Strategies -
Veranstaltungstermin | Raum
- Freitag, 19.10.2018 10:00 - 12:00 | A01 0-006
- Freitag, 19.10.2018 12:00 - 14:00 | A01 0-006
- Freitag, 26.10.2018 10:00 - 12:00 | A01 0-006
- Freitag, 26.10.2018 12:00 - 14:00 | A01 0-006
- Freitag, 2.11.2018 10:00 - 12:00 | A01 0-006
- Freitag, 2.11.2018 12:00 - 14:00 | A01 0-006
- Freitag, 9.11.2018 10:00 - 12:00 | A01 0-006
- Freitag, 9.11.2018 12:00 - 14:00 | A01 0-006
- Freitag, 16.11.2018 10:00 - 12:00 | A01 0-006
- Freitag, 16.11.2018 12:00 - 14:00 | A01 0-006
- Freitag, 23.11.2018 10:00 - 12:00 | A01 0-006
- Freitag, 23.11.2018 12:00 - 14:00 | A01 0-006
- Freitag, 30.11.2018 10:00 - 12:00 | A01 0-006
- Freitag, 30.11.2018 12:00 - 14:00 | A01 0-006
- Freitag, 7.12.2018 10:00 - 12:00 | A01 0-006
- Freitag, 7.12.2018 12:00 - 14:00 | A01 0-006
- Freitag, 14.12.2018 10:00 - 12:00 | A01 0-006
- Freitag, 14.12.2018 12:00 - 14:00 | A01 0-006
- Freitag, 21.12.2018 10:00 - 12:00 | A01 0-006
- Freitag, 21.12.2018 12:00 - 14:00 | A01 0-006
- Freitag, 11.1.2019 10:00 - 12:00 | A01 0-006
- Freitag, 11.1.2019 12:00 - 14:00 | A01 0-006
- Freitag, 18.1.2019 10:00 - 12:00 | A01 0-006
- Freitag, 18.1.2019 12:00 - 14:00 | A01 0-006
- Freitag, 25.1.2019 10:00 - 12:00 | A01 0-006
- Freitag, 25.1.2019 12:00 - 14:00 | A01 0-006
- Freitag, 1.2.2019 10:00 - 12:00 | A01 0-006
- Freitag, 1.2.2019 12:00 - 14:00 | A01 0-006
- Freitag, 1.3.2019 10:00 - 12:00 | A04 2-221
lecturer
Studienbereiche
- Studium generale / Gasthörstudium
SWS
4
Lehrsprache
deutsch
Für Gasthörende / Studium generale geöffnet:
Ja
Hinweise zum Inhalt der Veranstaltung für Gasthörende
Schwerpunkt der Lehrveranstaltung "Computational Intelligence I" sind Methoden der stochastischen Optimierung. Ausgehend von Grundlagen der Optimierung und naturinspirierten Optimierungsverfahren wie evolutionären Algorithmen und Schwarmalgorithmen werden Erweiterungen für Mehrzielprobleme und restringierte Problemräume behandelt. Über Meta-Modelle für Zielfunktionen wird die Brücke zum maschinellen Lernen geschlagen. Grundlegende Methoden zur Regression und Klassifikation werden eingeführt, z.B. aus dem Bereich neuronaler Netze. Statistische Aspekte der stochastischen Optimierung und der Datenanalyse werden begleitend zu den methodischen Schwerpunkten vorgestellt.