Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES

Vorlesung “Intelligente Datenanalye”
Universität Karlsruhe, ITEC (Prof. J. Henkel)
Dr. F. Feldbusch
Universität Karlsruhe
ITEC (Prof. J. Henkel)
Algorithmus
Iteriere, bis alle Trainingsmuster korrekt klassifiziert sind:
Für jedes zu klassifizierende Muster:
Falls Datum
im Kern der korrekten Klasse (covered):
NOP
im Einflußbereich der korrekten Klasse (commit):
Vergrößere Kernbereich
nicht korrekt klassifiziert (shrink):
Lege neues “Neuron” an und mache
Konfliktauflösung
Universität Karlsruhe
ITEC (Prof. J. Henkel)
University of California
Intelligente Datenanalyse – F4.69 at Berkeley 69
Algorithmus
• Während einer Epoche, dem einmaligen Anlegen aller
Beispieldaten, wird für jeden Vektor X geprüft:
– covered: Falls X im Einflußbereich einer bereits existierenden
RecBF liegt und mit ihrer Klasse übereinstimmt, wird diese RecBF
soweit vergrößert, daß ihr Kern den Vektor abdeckt.
– commit: Wenn X nicht im Einflußbereich eines vorh. RecBFs der
entsprechenden Klasse liegt, wird ein neues RecBF eingefügt.
– shrink: Steht X in Konflikt mit einer RecBF, d.h. die Klasse des
Vektors und der RecBF stimmen nicht überein und der Vektor
verursacht eine Aktivierung der RecBF > 0. Der Einflußbereich
der RecBF muß soweit verringert werden, daß der Vektor nach
Verkleinerung außerhalb liegt und die Aktivierung der RecBF für
diesen Trainingsvektor gleich 0 ist.
University of California
Intelligente Datenanalyse – F4.70 at Berkeley 70
35