
INGENIEURWISSENSCHAFTEN INFORMATIK

LEHRSTUHL Kontakt Mitarbeiter Anfahrt FORSCHUNG LEHRE

Langfristiger Lehrplan

Im folgenden finden Sie einen Überblick über das feste Lehrangebot des Lehrstuhls Intelligente Systeme. Neben den hier beschriebenen, regelmäßig stattfindenden Lehrveranstaltungen werden eventuell weitere Veranstaltungen angeboten.

Wintersemester

Fortgeschrittene Programmiertechniken

Im Winter- und Sommersemester wird die Vorlesung "Fortgeschrittene Programmiertechniken" (2 SWS), zusammen mit einer Programmierübung (2 SWS), angeboten. (Hinweis: Im Grundstudium von Diplom Angewandte Informatik hat die Veranstaltung den Namen "Software".)

Beschreibung: Aufbauend auf grundlegende Programmiertechniken (aus Veranstaltung des vorangegangen Semesters) werden weiterführende Sprachkonzepte und komplexere APIs behandelt und anhand von komplexeren Fragestellungen angewendet. Inhalte im Einzelnen:

Überblick zu einer Auswahl von Entwurfsmustern
Nebenläufige Programmierung mittels Threads
Objektserialisierung
Erweiterte graphische Benutzeroberflächen, Entwurfsmuster, Model-View-Controller Prinzip
Generische Datentypen (Definition und Konzeption)
Datenbankanbindung mittels JDBC
Einführung in die Netzwerkprogrammierung
Verteilte Programmierung mittels Remote Method Invocation (RMI)

Lernziele: Die Studierenden sollen weiterführende Sprachkonzepte und APIs verstehen und anwenden können, die sie in die Lage versetzen, grössere Anwendungen erfolgreich zu implementieren.

Für folgende Studierende: Bachelor Angewandte Informatik, Bachelor ISE Computer Engineering, Master Angewandte Kommunikations- und Medienwissenschaften.
Vorlesungen und Programmierübungen in deutscher Sprache.

Computer/Robot Vision

Im Wintersemester wird die Vorlesung "Computer/Robot Vision" (2 SWS), zusammen mit einer
Übung (2 SWS), angeboten. (Hinweis: In verschiedenen älteren Studiengängen gibt es alternative Namen, etwa "Mustererkennung 2".)

Beschreibung: Die Veranstaltung vermittelt die Grundlagen des maschinellen Sehens auf mittlerer und höherer Kognitionsebene (Bildverstehen). Hierzu gehört die Extraktion und geometrische Rekonstruktion von Strukturen aus Bildern und Bildfolgen, sowie deren semantische Interpretation (Erkennung). Bezug nehmend auf die natürliche Umwelt wird insbesondere auch das Aktive, Dynamische Sehen behandelt, mit Bewegung von Objekten und/oder von Kameras. Inhalte im Einzelnen:

Einführung (Anwendungen, Verarbeitungsablauf)
Medium-Level Strukturextraktion (Geraden, Konturen, Aktive Konturen, Hough-Transformation)
Kameramodellierung (Linsen, Kameramerkmale, Projektionsmodelle, Bildentstehung, Kamerakalibrierung)
Bildfolgenanalyse (Änderungsdetektion, Objektverfolgung, Optischer Fluss, Korrespondenzanalyse)
3D-Rekonstruktion (Stereo-Bild Triangulation, Struktur aus Bildfolgen)
Objekt-/Situationserkennung (parametrische/nichtparametrische/strukturbasierte Verfahren).

Lernziele: Die Studierenden sollen die Rolle und wichtige Einsatzgebiete von maschinellen Sehsystemen kennen lernen, die zugrunde liegenden mathematischen Ansätze verstehen und unter Verwendung einer Computer Vision Plattform entsprechende Verfahren implementieren, sowie über die Eignung ausgewählter Computer Vision Verfahren für bestimmte Aufgabenstellungen urteilen können.

Für folgende Studierende: Hauptstudium Diplom Angewandte Informatik (Bereiche B, F), Master Angewandte Informatik (Wahlbereich "Informatik für Anwendungsbereich - Intelligente Technische Systeme und Wissenschaftliches Rechnen"), ISE Master Computer Engineering (Profil "Reliable Systems", Profil "Interactive Systems and Visualisation", Electives), Master Maschinenbau (Vertiefung "Robotik", Vertiefung "Intelligente Systeme").
Vorlesung in englischer Sprache, Unterlagen dazu in Deutsch. Übungen bedarfsabhängig in Deutsch oder Englisch.

Kognitive Robotersysteme

Im Wintersemester wird die Vorlesung "Kognitive Robotersysteme" (4 SWS) angeboten. (Hinweis: Der frühere Name dieser Veranstaltung war "Autonome Robotersysteme".)

Beschreibung: Ein kognitives Robotersystem nimmt mit Sensoren die Umgebung und die eigene Körperlichkeit wahr, sammelt, strukturiert und verwendet selbständig Wissen, trifft darauf basierend sinnvolle Verhaltensentscheidungen, und reagiert/agiert mit Aktuatoren flexibel in Echtzeit. Neben der Kompetenz zur flexiblen Handhabung von Gegenständen geht es auch um aktives Wahrnehmen, wobei dann der Roboter als Sensorträger benutzt wird, um optimale Blickpositionen einzunehmen. In der Veranstaltung werden moderne Architekturkonzepte, Verfahren der Raumrepräsentation, zur Selbstlokalisierung, Kartenerstellung und hindernisvermeidenden Navigation, Systeme für visuell basiertes Greifen von Objekten, einfache Regelungsverfahren sowie Online-Roboterlernen behandelt. Für industrielle Roboterarme soll die Kinematik und die Dynamik beschrieben werden. Inhalte im Einzelnen:

Kognitive Wahrnehmungs-Handlungs-Systeme
Bestandteile von Robotersystemen
Sensorsysteme als Grundlage für die Autonomie
Arten der Umweltbeschreibung
Wegplanung zur Roboter-Navigation
Probabilistische Ansätze zur Roboterlokalisierung
Visuelle Hindernisdetektion bei mobilen Systemen
Online lernende Verfahren zur Roboter-Navigation
Visuell-basierte Regelung eines Roboterarms
Koordinatensysteme und Transformationen
Roboterarm-Kinematik und -Dynamik
Aktives Sehen und Greifen von flexiblen Objekten
Anwendungen kognitive Roboter

Lernziele: Die Studierenden sollen mögliche Einsatzfelder und Architekturen von kognitiven Robotersystemen kennen lernen. Sie sollen ausgewählte Verfahren zur Roboterkinematik und Roboterregelung, zur Wegplanung und Roboternavigation, sowie zur Eigenlokalisierung und Hindernisumgehung verstehen inklusive den zugrundeliegenden mathematischen und probabilistischen Methoden. Für bestimmte Problemstellungen sollen sie in der Lage sein, potentielle Konfigurationen vorzuschlagen und zu bewerten.

Für folgende Studierende: Hauptstudium Diplom Angewandte Informatik (Bereiche B, C, F), Master Angewandte Informatik (Wahlbereich "Informatik für Anwendungsbereich - Intelligente Technische Systeme und Wissenschaftliches Rechnen"), ISE Master Computer Engineering (Profil "Reliable Systems", Profil "Interactive Systems and Visualisation", Electives).
Vorlesung in englischer Sprache, Unterlagen dazu in Deutsch.

Praxisprojekt / Master-Projekt

Veranstaltung über 12 SWS

Realisierung von prototypischen Systemen mit Fähigkeiten von Maschinellem Sehen, Algorithmischem Lernen, Intelligentem Agieren.
Für folgende Studierende: Hauptstudium Diplom Angewandte Informatik (Bereiche B, C, F), Master Angewandte Informatik (Wahlbereich "Informatik für Anwendungsbereich - Intelligente Technische Systeme und Wissenschaftliches Rechnen"), Master ISE Computer Engineering (Profil "Reliable Systems", Profil "Interactive Systems and Visualisation").

Bachelor-Projekt

Veranstaltung über 6 SWS

Realisierung von prototypischen Systemen mit Fähigkeiten von Maschinellem Sehen, Algorithmischem Lernen, Intelligentem Agieren.
Für Bachelor Angewandte Informatik und Bachelor ISE Computer Engineering.

-->

Sommersemester

Fortgeschrittene Programmiertechniken

Überblick zu einer Auswahl von Entwurfsmustern
Nebenläufige Programmierung mittels Threads
Objektserialisierung
Erweiterte graphische Benutzeroberflächen, Entwurfsmuster, Model-View-Controller Prinzip
Generische Datentypen (Definition und Konzeption)
Datenbankanbindung mittels JDBC
Einführung in die Netzwerkprogrammierung
Verteilte Programmierung mittels Remote Method Invocation (RMI)

Grundlagen der Bildverarbeitung

Im Sommersemester wird die Vorlesung "Grundlagen der Bildverarbeitung" (2 SWS), zusammen mit einer Übung (2 SWS), angeboten. (Hinweis: In verschiedenen älteren Studiengängen gibt es alternative Namen, etwa "Bildverarbeitung und Mustererkennung", "Mustererkennung 1".)

Beschreibung: Die Veranstaltung behandelt die Grundlagen der maschinellen Bildverarbeitung, bestehend aus Bildvorverarbeitung, Bildsegmentierung und Strukturextraktion. Vorweg werden der Begriff des digitalen Bildes eingeführt, der Aufbau und die Funktionsweise von CCD-, CMOS-Kameras erläutert, und diverse Merkmale zur Bildcharakterisierung vorgestellt. Inhalte im Einzelnen:

Einführung (Anwendungen, Ablauf eines Bildverarbeitungssystems)
Digitale Bilder (Digitale Repräsentation, Orts-/Frequenzraum, Bildeigenschaften)
Bildaufnahme (Einflußgrößen, Linsensysteme, industrielle Kameras)
Bildvorverarbeitung (Korrelation/Faltung, Glättung, Grauwertkanten, Grauwertecken)
Bildsegmentierung (Vordergrund/Hintergrund Separier., Regionen-/Berandungsorient. Segm.)
Morphologische Operationen (Strukturextraktion, Dilatation, Erosion, Opening, Closing)
Strukturbeschreibung (Form-/Farb-/Textur-Beschreibung von Segmenten, relat. Beschreibung)

Lernziele: Die Studierenden sollen den Prozess der digitalen Bilderzeugung kennen lernen und die Verwendung eines Bildverarbeitungssystems beherrschen. Es sollen die grundlegenden mathematischen Ansätze zur Bestimmung von Bildeigenschaften verstanden werden, und ausgewählte Verfahren der Bildvorverarbeitung, Segmentierung, und elementaren Strukturextraktion verstanden und implementiert werden. Für ausgewähltes Bildmaterial sollen die Studierenden fundierte Ratschläge geben können, wie eine Verarbeitung erfolgen soll, um bestimmte einfache Strukturen zu extrahieren.

Für folgende Studierende: Bachelor Angewandte Informatik (Wahlbereich "Anwendungsfächer der Informatik"), Bachelor ISE Computer Engineering (Electives), Hauptstudium von Diplom Angewandte Informatik (Bereich B).
Vorlesungen und Übungen in deutscher Sprache.

Neuroinformatik und Organic Computing

Im Sommersemester wird die Vorlesung "Neuroinformatik und Organic Computing" (2 SWS), zusammen mit einer Übung (2 SWS), angeboten. (Hinweis: In verschiedenen älteren Studiengängen gibt es alternative Namen, etwa "Neuroinformatik", "Neuroinformatik 1".)

Beschreibung: Die Veranstaltung behandelt einige wichtige Typen von vorwärts gerichteten Neuronalen Netzen, wie Adaline, Mehrschicht-Perzeptron, Radiale Basisfunktionen Netze, und Support Vektor Netzen, sowie rekurrente, dynamische Netztypen wie Selbstorganisierende Karten und Dynamische Zellstrukturen. Ein besonderer Wert wird hierbei darauf gelegt, einen Zusammenhang zu grundlegenden Methodologien aus anderen Disziplinen herzustellen, wie Gradientenabstieg, lineare und quadratische Optimierung, statistische Entscheidungstheorie, Bayes Netze, Fuzzy-Reasoning und Dynamische Systeme. Typische Anwendungen werden exemplarisch behandelt wie Signalfilterung, Mustererkennung, Roboterkontrolle. Abschliessend erfolgen Beiträge von neuronalen Netzen für Organic Computing (Systeme mit self-x-Eigenschaften wie selbstkonfigurierend, selbstoptimierend, selbstheilend, selbsterklärend). Inhalte im Einzelnen:

Einführung
McCulloch-Pitts Zelle, Perzeptron, Adaline
Statistische Entscheidungstheorie
Mehrschichtnetze
Netze radialer Basisfunktionen
Selbstorganisierende Karten
Neuronale, dynamische Zellstrukturen
Netze von Support Vektoren
Organic Computing (Systeme mit self-x-Eigenschaften).

Lernziele: Die Studierenden sollen für ausgewählte Typen von Neuronalen Netzen deren Struktur und Lernmethodik verstehen, die grundlegende mathematische Fundierung nachvollziehen können, die prinzipielle Wirkung und die mögliche Anwendbarkeit kennen. Sie sollen für ausgewählte Problemstellungen sinnvolle Netztypen und Lernverfahren vorschlagen können.

Für folgende Studierende: Bachelor Angewandte Informatik (Wahlbereich "Schwerpunkt Ingenieurinformatik"), Bachelor ISE Computer Engineering (Electives), Hauptstudium Diplom Angewandte Informatik (Bereiche B, C).
Vorlesungen und Programmierübungen in deutscher Sprache.

Echtzeitsysteme

Im Sommersemester wird die Vorlesung "Echtzeitsysteme" (2 SWS), zusammen mit einer Übung (2 SWS), angeboten.

Beschreibung: Bei Echtzeit-Systemen müssen die anfallenden Daten unter Einhaltung von Zeitanforderungen verarbeitet werden, sodass die Korrektheit nicht nur vom Ergebnis der Berechnung abhängt, sondern auch vom Zeitpunkt, in dem das Ergebnis produziert wird. Die Veranstaltung (bestehend aus Vorlesung und übung) zeigt, wie mit algorithmischen Hochsprachen (Java, Ada, C) und mit Echtzeitbetriebssystemen (POSIX, QNX, VxWorks) Echtzeit-Systeme realisiert werden können. Behandelt wird insbesondere auch die Modellierung von Zeit und Echtzeit-Abläufen, Einsatzplanung und Zuteilung von Betriebsmitteln, Nebenläufigkeit, Synchronisation, Kommunikation, zeit- und ereignisgesteuerte Systeme. Inhalte im Einzelnen:

Einführung
Abbildung/Modellierung von Echtzeit-Abläufen
Programmierung in algorithmischen Hochsprachen
Nebenläufigkeit in algorithmischen Hochsprachen
Synchronisation und Kommunikation
Atomare Aktionen und nebenläufige Prozesse
Echtzeit-Modellierung in Rechnersystemen
Planung und Zuteilung von Betriebsmitteln
Echtzeit-Betriebssyteme und -Middleware
Echtzeitsysteme in Automatisierungsanwendungen

Lernziele: Kenntnis/Verständnis von Grundbegriffen von Echtzeitsystemen. Abbilden von Echtzeit-Problemstellungen auf Lösungen unter Verwendung von Echtzeit-Modellierungswerkzeugen, Echtzeit-Betriebs-systemen und Echtzeit-Sprachen (Anwendung, Analyse, Synthese). Beurteilung der Eignung verschiedener Echtzeit-Betriebssysteme und -Sprachen für die Entwicklung von EZ-Systemen (Bewertung).

Für folgende Studierende: Master Angewandte Informatik (Wahlbereich "Vertiefung der Informatik"), Master ISE Computer Engineering (Profil "Reliable Systems", Electives), Hauptstudium Diplom Angewandte Informatik (Bereiche A, C), Master Elektro- und Informationstechnik (Vertiefung "Technische Informatik").

Seminar

Veranstaltung über 2 SWS

Bearbeitung von Themen zum Maschinellem Sehen, Algorithmischem Lernen, Intelligentem Agieren.
Für folgende Studierende: Hauptstudium Diplom Angewandte Informatik (Bereiche B, C, F), Master Angewandte Informatik (Wahlbereich "Informatik für Anwendungsbereich - Intelligente Technische Systeme und Wissenschaftliches Rechnen"), Master ISE Computer Engineering (Profil "Reliable Systems", Profil "Interactive Systems and Visualisation"). Ein begrenzte Zahl von Plätzen kann für Bachelor-Studierende vergeben werden.

Druckversion