Problemseminar Adaptive Systeme

Prof. Dr. Ralf Der - Institut für Informatik - Universität Leipzig

Vortragsthemen im SS 01

Was sind adaptive Systeme?

Adaptive Systeme sind in der Lage, sich an Umweltbedingungen selbständig anzupassen. Allgemein kann man diese Systeme auch als lernende oder lernfähige Systeme bezeichnen. Beispiele sind adaptive Regler, neuronale Netze, classifier Systeme, lernende Entscheidungsbäume u.a. Kernpunkt eines adaptiven Systems ist der Lernalgorithmus, der das System in Abhängigkeit von gegebenen oder selbstgestellten Aufgaben adaptiert.
Wichtiges Einsatzgebiet ist die Robotik. Ein autonomer Roboter, der in einer dynamischen Umgebung agiert, findet immer neue Bedingungne vor und muß deshalb sein Verhalten ständig neu auf die Umgebung abstimmen. Hier sind selbstlernende Systeme besonders gefragt, weil nur diese die erforderliche Kreativität entwickeln können.
Zum erfolgreichen Abschluss des Seminars gehört ein Vortrag und eine mindestens 10-seitige Ausarbeitung mit Auswertung der einschlägigen aktuellen Literatur einschließich einer Aufllistung der relevanten Seiten im Internet.

Anregungen für eine gute Präsentation hier!

Themenvorschläge

Neuronale Netze als universelle adaptive Systeme. Gedacht ist vor allem an konkrete Fallstudien mit dem SNNS (Stuttgarter Neuronaler-Netz-Simulator)
Neuronale Netze in der Robotik. Literatur [Birk/Demiris98] u.a.
Verhaltensbasierte Robotik. Literatur [Arkin98] (Kap. 7 Perceptual basis, Kap 8 Adaptive behavior, Kap. 9 Social behavior).
Behavior engineering auf der Basis von "classifier systems" am Beispiel autonomer Roboter nach dem Buch [Dorigo/Colombetti98].
Reinforcement Lernen: Hierbei wird dem adaptiven System nicht ein bestimmtes Lernziel vorgegeben, sondern nur Information in Form von Lob und Tadel. Die Vorträge sollen auf dem Buch [Barto/Sutton98] aufbauen. Vortragsthemen sind

Problemstellung und Einbettung des RL in allgemeinere Fragestellungen (Kap. 1 - 3)
Lösungsmethoden (Kap. 4: Dynamics Programming, Kap. 5: Monte Carlo Methods, Kap. 6: Temporal Difference Learning)
Anwendungen des RL (Kap 9: Planning and Learning, Kap. 11: Case Studies wie z.B. Backgammon, Samuel's checker player, dynamic channel allocation und vor allem job shop-scheduling)

Denkbar ist auch eine Initiative zum Erlernen des kombinatorischen Spiels Connections im Rahmen des Programmierwettbewerbes am Institut für Informatik.
Weitere Themen auf Anfrage.

Literatur:
[Arkin98] R. C. Arkin: Behavior based robotics. . MIT Press 1998
[Barto/Sutton98] Richard S. Sutton und Andrew G. Barton: Reinforcement Lernen. MIT Press 1998
[Birk/Demiris98] A. Birk, J. Demiris eds.: Learning Robots. Springer 1998
[Dorigo/Colombetti98] M. Dorigo und M. Colombetti: Robot Shaping. MIT Press 1998