Hallo,
ich versuche gerade eine Vorlesung aus meinem Auslandsstudium anerkannt zu bekommen. Dazu brauche ich jedoch Vorlesungen, die in etwa das abdecken, was in der entsprechenden Vorlesung auch dran gekommen ist.
Leider gibt der LVK nicht allzu viel her, und bei vielen Vorlesungen kommt man auch nicht so einfach an das Skript ran ):
Also, wenn ihr in einer eurer Vorlesungen schon mal eines der Themen hattet, sagt mir bitte bescheid (:
Random Numbers (Zufallszahlen)
- true random numbers (gibt es "echte" Zufallszahlen)
- von neumann's middle square method (Extraktion von vier Ziffern aus der Mitte der Zahle und diese dann quadrieren, auch Mittquadratmethode/Mid-Square-Methode)
- linear congruential method (Kongruenzgenerator, X_n = (a X_n + c) mod m
- spectral test for random numbers
- random shuffling / random sampling without replacement
- game world compression with random numbers
- terrain generation (simple random, limited random, particle deposition, fault line, circle hill, midpoint displacement)
Torunaments (Wettkämpfe. Wird es wohl keine Vorlesung hier geben ....)
- Round Robin Torunament, Seeding, Byes, Reduction to a graph, etc...
Game Trees (Besonders über das Grundwissen à la Künstliche Intelligenz I hinaus, da mir KI I leider nichts nützt ): )
- Game Tree
- Minimax (controlling search depth, evaluation function, horizon effect)
- alpha-beta-prunning, principal variation search
Path-Finding
- Discretisation of a game world (-> abbildung einer Umgebung als Graph)
- Grid/navigation mesh, solving the convex partitioninig problem
- path-finding in a graph
- suchalgorithmen, u.a. dijkstra, beam-search
- A*-Algorithmus (cost function, heuristik function, admissibility (zuverlässigkeit) und monotonie der heristik function, optimality theorem, optimal solutioin)
Decision Making (Entscheidungsfindung)
- level of decision making
- using the modelled knowledge, prediction
- adaption: pattern recognition, neural networks, hidden Markov model
- Soft computing (probabilistic reasoning, artificial neural networks, fuzzy logic)
- finite state machines /endliche automaten (für eine künstliche "intelligenz")
- Flocking algorithmen (zB. schwarm algorithmen)
- influence maps
Modelling Uncertainty
- probabilistic/possibilistic uncertainty
- bayes theorem, bayesian networks (hab ich in KI II schon gefunden)
- dempster-shafer-theory
- fuzzy sets
So, würde mich freuen, wenn der ein oder andere vlt. sich noch dran erinnert, sowas schon mal hier irgendwo in irgendwelchen Vorlesungen gehört zu haben.
Besonders bei random numbers bin ich noch auf der Suche. Und außerdem hoffe ich, dass mir Besucher von Künstilicher Intelligenz II und Organic Computing weiterhelfen können.
Schon mal vorweg allen Helfern danke!
Charmant sein? Hab ich längst aufgegeben. Glaubt mir doch eh keiner...