Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES
Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES
Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Vorlesung</strong> “Intelligente Datenanalye”<br />
Universität Karlsruhe, ITEC (Prof. J. Henkel)<br />
Dr. F. Feldbusch<br />
Weiterentwicklung<br />
• Higgins & Goodman:<br />
– Beginne mit wenigen Zugehörigkeitsfunktionen<br />
– Wende Wang & Mendel - Ansatz an<br />
– Prüfe die Approximation auf den Trainingsdaten<br />
– Füge an Stellen mit großem Fehler eine neue ZF ein<br />
Universität Karlsruhe<br />
ITEC (Prof. J. Henkel)<br />
Universität Karlsruhe<br />
ITEC (Prof. J. Henkel)<br />
x x<br />
University of California<br />
Intelligente Datenanalyse – F4.39 at Berkeley 39<br />
NEFCLASS<br />
• Neuro <strong>Fuzzy</strong> Classification<br />
• Ziel: <strong>Fuzzy</strong>-Regeln aus einer Datenmenge, die<br />
sich in Klassen einteilen lässt<br />
• Abbildung von <strong>Fuzzy</strong>-Regeln auf Neuronen<br />
• Abbildung von Zugehörigkeitsfunktionen auf<br />
Gewichte<br />
• Gelernt werden die Regeln und die Parameter <strong>der</strong><br />
Zugehörigkeitsfunktionen<br />
University of California<br />
Intelligente Datenanalyse – F4.40 at Berkeley 40<br />
20