Modul CS4504-KP08

Dauer

2 Semester

Angebotsturnus

Jährlich, kann sowohl im SoSe als auch im WiSe begonnen werden

Leistungspunkte

8

Studiengang, Fachgebiet und Fachsemester:

• Master Robotics and Autonomous Systems 2019, Wahlpflicht, Zusätzlich anerkanntes Wahlpflichtmodul, Beliebiges Fachsemester

Lehrveranstaltungen:

• Siehe CS5153 T: Drahtlose Sensornetze (Vorlesung mit Übungen, 3 SWS)
• Siehe CS5150 T: Organic Computing (Vorlesung mit Übungen, 3 SWS)

Workload:

• 130 Stunden Selbststudium
• 20 Stunden Prüfungsvorbereitung
• 90 Stunden Präsenzstudium

Lehrinhalte:

• Grundlagen Organic Computing / Self-X-Systemeigenschaften
• von Bewegung zu intelligentem Verhalten und System-/Maschinenverhalten
• Design auf Selbstorganisation, Robustheit, Adaptivität, Flexibilität, Vertrauen
• Analyse, Reverse-Engineering, Debugging von Maschinenverhalten
• Entwurf von Experimenten und Vermessen von Verhalten
• Modellierung von System-/Maschinenverhalten
• Komplexität, Opazität, Obskurität, Vertrauen bei (KI-)Systemen und erklärbare KI
• Architekturen von Organic-Computing-Systemen
• Anwendungen von Self-X-Systemen
• Grundlagen der drahtlosen Sensornetzwerke
• Hardware-Aspekte von Sensorknoten
• Physik und Protokolle der drahtlosen Kommunikation
• Routing in drahtlosen Netzwerken
• Zeitsynchronisation und Lokalisierung in drahtlosen Netzwerken
• Datenmanagement und Datenverarbeitung in drahtlosen Netzwerken
• Anwendungen von drahtlosen Netzwerken

Qualifikationsziele/Kompetenzen:

• Die Studierenden können die Prinzipien der Organic-Computing-/Self-X-Systeme auf beispielhafte Entwürfe anwenden.
• Die Studierenden können die Prinzipien der Organic-Computing-/Self-X-Systeme erläutern.
• Die Studierenden können System-/Maschinenverhalten in einem strukturierten und korrekten Ansatz analysieren.
• Die Studierenden können die Vor- und Nachteile von Sensornetzen darstellen.
• Die Studierenden können die Analyse, den Entwurf und die Evaluierung von Protokollen für Sensornetze umsetzen.
• Die Studierenden können aktuelle Forschungsansätze zu Sensornetzen interpretieren und nachvollziehen.

Vergabe von Leistungspunkten und Benotung durch:

• Mündliche Prüfung

Modulverantwortliche:

• Prof. Dr.-Ing. Mladen Berekovic

Lehrende:

• Institut für Technische Informatik
• Dr. rer. nat. Javad Ghofrani

Literatur:

• C. Müller-Schloer, S. Tomforde : Organic Computing – Technical Systems for Survival in the Real World Birkhäuser, 2017
• H. Karl, A. Willig : Protocols and Architectures of Wireless Sensor Networks Wiley, 2005

Sprache:

• Wird nur auf Englisch angeboten

Bemerkungen:

Letzte Änderungen:

26.10.2022