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 />
Universität Karlsruhe<br />
ITEC (Prof. J. Henkel)<br />
NEFCLASS-Netzwerk<br />
NEFCLASS Netzwerk<br />
R1 R2 R3 R4 R5<br />
Universität Karlsruhe<br />
ITEC (Prof. J. Henkel)<br />
z<br />
x y<br />
Klein<br />
Mittel<br />
Groß<br />
University of California<br />
Intelligente Datenanalyse – F4.43 at Berkeley 43<br />
Bewertung von NEFCLASS<br />
+ Neuronales Netz läßt sich als <strong>Fuzzy</strong>-Regeln interpretieren<br />
+ Modifiziertes Back-Propagation als Lernverfahren<br />
+ gemeinsame Ausrichtung <strong>der</strong> Gewichte führt zur<br />
Anwendbarkeit von Linguistischen Variablen<br />
– Die Klassifikationsleistung ist jedoch nicht so gut, wie bei<br />
anspruchsvollen <strong>Fuzzy</strong>-Clustering Verfahren<br />
– Die Vorgabe von Zugehörigkeitsfkt. ist für Clustering<br />
notwendig<br />
– In den Regeln sind zunächst alle Eingabeparameter aufgeführt.<br />
– Nach dem Optimieren <strong>der</strong> Zugehörigkeitsfkt. können starke<br />
Überlappungen die Interpretation erschweren.<br />
University of California<br />
Intelligente Datenanalyse – F4.44 at Berkeley 44<br />
22