Prof. Dipl. Ing. Ulrich Lehmann

Computational Intelligence and Control

Ansprechpartner:

Prof. Dipl.-Ing. Dipl.-Ing. Ulrich Lehmann

Prof. Dr. Jörg Krone

Dipl.-Ing. Hans Brenig

Dipl.-Ing. Udo Reitz

Dipl.-Ing. Oliver Drölle

Tel.: ++49 2371 566 179

Forschung und Lehre:

Das CIC.Lab ist zu 50% eine Einrichtung des Institutes für Computer Science, Vision und Computational Intelligence für die anwendungsorientierte Forschung. Die restlichen 50% entfallen auf den Lehrbetrieb Basistechniken, Bionik, Computational Intelligence, Mathematik für Bio- und Nanotechnologie, Prozessinformatik und Kybernetik, Soft Computing, Spezielle Algorithmen am Standort Iserlohn. Laborleiter sind die Professoren Jörg Krone und Ulrich Lehmann . Wissenschaftliche Mitarbeiter sind Dr.-Ing. Michael Schneider für Forschung, Dipl.-Ing. Hans Brenig , (Forschung und Lehre), Dip.-Ing. Oliver Drölle (Forschung und Lehre) und Udo Reitz (Forschung und Lehre). Wissenschaftliche Hilfskräfte M.Sc. Christian Radisch und N.N. für Forschung und Lehre.

Oft wird von Außenstehenden die Frage gestellt, was ist eigentlich Computational Intelligence (CI)?

Da wir tatsächlich schon von Kollegen mit einer Sekte verwechselt wurden, was natürlich überhaupt nicht zutrifft, versuchen wir hier eine kurze aber hoffentlich informative Antwort zu geben:

Was ist Computational Intelligence ?

Unter der Bezeichnung „Computational Intelligence“ kurz CI werden Methoden zur Entwicklung intelligent agierender Informationssysteme zusammengefaßt. Hierzu gehören insbesondere Künstliche Neuronale Netze, Evolutionäre Algorithmen und Fuzzy Control. Diese Algorithmen wurden von biologischen Modellen abgeleitet um als adaptive, assoziative und robuste Verfahren auf komplexe Systeme angewendet zu werden. Ein in Theorie und Praxis besonders interessantes Anwendungsfeld ist die intelligente Verarbeitung visueller Informationen.

Die neu konstituierte Fachgruppe „Computational Intelligence“ der Gesellschaft für Mess- und Automatisierungstechnik (GMA) im VDI/VDE, die sehr eng mit der entsprechenden Arbeitsgruppe in der Gesellschaft für Informatik (GI) zusammenarbeitet, definiert CI wie folgt:

Unter dem Bezeichnung Computational Intelligence werden drei Wissenschaftsbereiche zusammengefasst, die sich insbesondere für die Behandlung sehr komplexe Systeme eignen, die mit klassischen Methoden nur schwer lösbar sind. Dies sind die Neuronalen Netze, die Evolutionären Algorithmen und die Fuzzy Systeme.

Neuronale Netze sind technische Realisierungen biologisch motivierter Modelle der Informationsverarbeitung in Gehirn und Nervensystem. Sie werden mit Beispielen trainiert und können dann selbständig eine Lösungsstrategie entwickeln. Es gibt bereits viele Anwendungen u.a. auf den Gebieten der Regelungstechnik, z. B. Regelung und Steuerung von Roboterbewegungen, der Mustererkennung, wie u.a. Spracherkennung und Signalklassifikation.

Der Mensch hat viele Fähigkeiten, die mit digitalen Computern nur mühsam oder gar nicht erzielt werden können. Diese Fähigkeiten sind beispielsweise:

Adaption

Die Lösungsstrategie für eine Aufgabe wird nicht von einem Entwickler vorgegeben und beispielsweise in C-Code implementiert, sondern durch Beispiele erlernt. Dies führt zu einer großen Flexibilität, die eine Anpassung des Menschen an unterschiedliche und sich verändernde Lebensbedingungen möglich machte.

Assoziativität

Informationen, die nur ähnlich, verrauscht oder unvollständig sind, kann der Mensch verarbeiten. Ein System, das nur auf exakt vorgegebene Eingangssignale eine gewünschte Reaktion liefern könnte, würde in den meisten Alltagssituation, beispielsweise bei Gesichtserkennung, Spracherkennung mit Umgebungsgeräuschen, nicht funktionieren.

Robustheit

Das Gehirn ist hochgradig parallel organisiert. Nervenzellen im Gehirn sterben täglich, ohne dass dies beim Menschen zu signifikanten Problemen bei der Wahrnehmung seiner Aufgaben führt.

Das Interesse an der Erforschung und Nachbildung der menschlichen Informationsverarbeitung ist daher groß und hat zu einem eigenständigen Fachgebiet, den sogenannten Neuronalen Netzen, geführt. Neuronale Netze sind technische Realisierungen biologisch motivierter Modelle der Informationsverarbeitung im Gehirn. Ihre Kennzeichen sind lernfähige, dezentrale, parallele Strukturen, die aus einfachen Elementen aufgebaut sind [DIN 3550].

Evolutionäre Algorithmen amen die Mechanismen der natürlichen Evolution auf dem Rechner nach, um Optimierungsaufgaben zu lösen. Insbesondere in Anwendungsbereichen, wenn traditionelle Optimierungsverfahren versagen, können diese häufig noch Erfolge erzielen.

Fuzzy Systeme können unvollständige und vage Information verarbeiten. Das Sammeln und die Nutzung bewusster Erfahrung wird systematisiert und das Wissen mit Regeln beschrieben. Dabei können unscharfe Bezeichnungen wie "ziemlich groß" oder "etwas stärker" ausgedrückt und verarbeitet werden. Insbesondere in der Regelungstechnik hat sich die Fuzzy Control zur Beherrschung komplexer Prozesse etabliert.

Entsprechend wird in den VDI/VDE-Richtlinien

  • VDI/VDE 3550 Blatt 1: Computational Intelligence Künstliche Neuronale Netze in der Automatisierungstechnik / Begriffe und Definitionen
  • VDI/VDE 3550 Blatt 2: Fuzzy-Logik und Fuzzy Control/ Begriffe und Definitionen

in der Vorbemerkung wörtlich ausgeführt: Unter der Bezeichnung Computational Intelligence kurz CI, haben in der Vergangenheit drei zunächst voneinander unabhängige Wissensgebiete

  • Künstlich Neuronale Netze
  • Evolutionäre Algorithmen
  • Fuzzy Control

Eingang in die industrielle Praxis gefunden.

Neben die drei genannten, bereits fest etablierten Methoden des CI, werden von zahlreichen Wissenschaftlern auch Data Mining, Bayes Filtering und Swarm Intelligence als weitere Methoden der CI aufgefaßt.

Denken und Sehen

Die Verbindung zwischen dem Sehsystem des Menschen und seinem Neuronalen Netz (dem Gehirn) ist räumlich und signalmäßig eng. Die gleiche Beobachtung wurde bei fast allen Säugetieren gemacht. So wird 30% der Verarbeitungsleistung des Gehirns für das menschliche Sehsystem bereitgestellt. So sind zum Erkennen von Bildern das Seh- und das Denksystem gleichermaßen erforderlich. In der Natur sind also Vision und Intelligence eng gekoppelt. Diese Nähe kommt im Design des Masterstudienganges „Computer Vision and Computational Intelligence“ zum Ausdruck.

Was kann Computational Intelligence (CI) leisten?

CI kann anstatt konventionell
mit KNN (Künstlich Neuronalen Netzen) das Verhalten eines Systems trainieren anstatt dieses konventionell zu analysieren und modellieren
Expertenwissen umgangssprachlich und einfach erweiterbar in Fuzzy-Systemen (FS) ablegen anstatt komplizierte Strukturen zu programmieren
Systeme nach dem Vorbild der Natur mit evolutionären und genetischen Algorithmen (EA, GA) optimierenanstatt theoretische, komplexe mathematische oder systemtechnische Synthesen durchzuführen
mit Data Mining (DM), basierend auf künstlich Neuronalen Netzen, Daten zu Wissen verdichten und die "Erkenntnisse im Datenhaufen" findenanstatt aufwendige mathematische und physikalische Analysen durchzuführen


Was beinhaltet Computational Intelligence (CI)?

Link: GI Fachgruppe Fuzzy-Systeme und Soft-Computing

Link: VDI - GMA


Computational Intelligence and Control

Ansprechpartner: siehe Kontakt

Wir sind noch nicht komplett in den neuen Auftritt umgezogen. Besuchen Sie bis dahin auch unsere alten Seiten.

[>> alter Auftritt]


Zielsetzung

Das Labor bietet den Studentinnen und Studenten in der Informatik, Computer Vision and Computational Intelligence (CV&CI) und angrenzenden ingenieurwissenschaftlichen Studiengängen die Möglichkeit, erworbenes Wissen im Bereich Analyse, Modellbildung, Simulation, Synthese und Systementwicklung für CV&CI-Systeme anzuwenden und zu vertiefen. Das Labor ist ein Standort des Forschungsschwerpunktes Fuzzy-Technologien (CI). Weitere Schwerpunkte der Laborarbeit sind:

Ausführung von Systementwicklungen im Rahmen von Diplom- und Masterarbeiten

Durchführung von Praktikumprojekten und Seminararbeiten für Studenten des Hauptstudiums und des Masterstudienganges, insbesondere in den Fachgebieten Bildverarbeitung, Rechnerarchitektur, Computational Intelligence, Softwareengineering und IT-Sicherheit

Ausbildung im Thema Internettechnologien: Konzeption und Aufbau von CV&CI-Systemen, basierend auf PC mit Web-Interface und/oder Mikrocontroller mit TCP/IP-Stack

Durchführung der Ausbildung zu speziellen Themen, die besonderes Equipment erfordern, wie Simulation von CI-Systemen, Hardware-in-the-loop-Simulation sowie Ankopplung an Zielprozesse.

Durchführung anwendungsorientierter Forschung und Entwicklung im Rahmen von Industrieprojekten zur Förderung des Technologie-Transfers zwischen Hochschule und Praxis.

Kooperation mit dem Forschungsschwerpunkt Adaptive Mechanismen in der Bildverarbeitung


Durchführung fachbezogener Praktika innerhalb der Lehre

  • Anfertigung von Projektarbeiten im Rahmen der Bildverarbeitung, CI und Systementwicklung
  • Praktikum zu den Vorlesungen Computational Intelligence und Neuro-Fuzzy-Systeme
  • Medienraum mit Videoconferencing und Multimedia-Ausstattung für Präsentationen

Das CIC.lab - Team

Fuzzy Positionsregelung

Modellversuch Antriebsregelung