Maschinelles Lernen B, SS02

Institut für Grundlagen der Informationsverarbeitung (508)


Neuigkeiten

22.05.02 Die Ergebnisse des 1. Blattes sind online erhältlich. Vergleichen Sie bitte die Punkte auf Ihren korrigierten Lösungsblättern mit denen in der Tabelle, und teilen Sie etwaige Fehler dem jeweiligen Tutor und dem Vortragenden mit!
21.02.02 Diese Homepage wird ins Leben gerufen. Ich hoffe Sie nutzen die Möglichkeiten die wir Ihnen hier bieten. Falls Sie Anregungen oder Beschwerden zur Homepage haben senden Sie uns eine e-mail.


Aufgabenblätter

Ergebnisse online



Unterlagen zu den in Vorlesung und Übung behandelten Themen



Für die Vorlesung relevante Links

Aktuelle Links



Links die im WS99 verwendet wurden



Inhalt der Vorlesung

Es werden Methoden des Maschinellen Lernens vorgestellt, die es künstlichen Systemen ermöglichen, erfolgreiche Handlungsstrategien zu lernen. Als Anwendungsbeispiel werden in erster Linie die gegenwärtig an der TU Graz entwickelten autonomen Roboter für die middle size league der Roboter-Fußball-Weltmeisterschaft RoboCup besprochen. Der künstliche Agent kann neben einem Roboter aber auch ein Schachprogramm, ein Computerspiel oder ein Internet Browser sein. In der Regel steht dem künstlichen Agenten kein Lehrer zur Seite, der ihm bei jedem einzelnen Schritt sagen kann, welches der optimale nächste Schritt wäre. Typischer ist die Situation, daß der künstliche Agent nur gelegentlich ein "Erfolgserlebnis" oder eine "Enttäuschung" hat. Er muß selbständig herausbekommen, welcher Teilschritt wieviel zu diesem Erfolg beigetragen hat und daraus selbständig erfolgreiche Strategien für die Zukunft entwickeln.

Besonders erfolgreich haben sich bei dieser Art von Problemen die Algorithmen des Reinforcement Lernen (http://reinforcementlearning.ai-depot.com/Main.html) erwiesen. Daher stellen wir diesen Ansatz in den Mittelpunkt dieser Lehrveranstaltung und behandeln sowohl den theoretischen Hintergrund (dynamisches Programmieren, Markov Entscheidungsprozesse) als auch konkrete Anwendungen, Als ein weiterer interessanter Ansatz zum maschinellen Lernen von erfolgreichen Verhaltensweisen werden genetische Algorithmen (oft auch als evolutionary algorithms bezeichnet, siehe (http://www.aic.nrl.navy.mil/galist/)) besprochen. Hier werden im Computer in einer Art simulierter Evolution verschiedene erfolgversprechende Strategien zufällig mutiert und gekreuzt. Dann werden die "fittesten" der so entstandenen neuen Verhaltensweisen ermittelt, und für weitere Evolution zugelassen.

Inhalt der Übungen

Hier werden neben praktischen Experimenten auch das selbständige Lösen von begrifflich/ theoretischen Fragen geübt. Im Vergleich zu "Maschinelles Lernen A" wird der Zeitaufwand für die Übungen geringer sein.

Voraussetzungen

Außer den elementaren Grundlagen der Wahrscheinlichkeitstheorie sind keine konkreten Vorkenntnisse erforderlich. Insbesondere ist eine vorhergehende Teilnahme an der LV "Maschinelles Lernen A" nicht erforderlich.

Anmerkung

Im parallel stattfindenden Seminar Maschinelles Lernen in der Robotik (LV-Nr. 508.106) erhält der Studierende Gelegenheit, die in dieser LV besprochenen Methoden auf einem mobilen Roboter und einem Roboter-Simulator (speziell zugeschnitten auf den RoboCup) auszuprobieren.

"Wie bekomme ich mein Zeugniss?"

Anmeldung

Um ein Zeugnis zu bekommen, melden Sie sich bitte via TUG-Online für die Teilnahme (clicken sie auf das neben der gewünschten LV) an der Vorlesung (508.067) und Übung (508.068), sowie für die Prüfung (clicken sie auf das neben der gewünschten LV) zur Vorlesung (508.067) und Übung (508.068) an (d.h. Sie müssen sich insgesamt 4 mal anmelden).

Zur Benotung

Die Note für Vorlesung und Übung errechnet sich primär aus den Punkten für die Lösungen zu den Aufgabenblättern. Diese werden im Laufe des Semesters ausgeteilt und von Ihnen eigenständig bearbeitet (siehe auch die Richtlinien).

Mitwirkende Personen

Diese Lehrveranstaltung wird vom Institut für Grundlagen der Informationsverarbeitung, Inffeldgasse 16b, 1. Stock, A-8010 Graz abgehalten.

Vortragende

Tutor

Sekretariat



Aktuelle Termine



Literatur


Weiterführende/Ergänzende Literatur

Richtlinien zur Abgabe von Lösungen für Aufgabenblätter



Beratungsmöglichkeiten

Falls es Probleme beim Lösen der Aufgaben gibt, so können Sie folgende Beratungsmöglichkeiten in Anspruch nehmen.