Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES
Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES
Aufbau der Vorlesung Gliederung: Fuzzy Logik - CES
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<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 />
Algorithmus<br />
Iteriere, bis alle Trainingsmuster korrekt klassifiziert sind:<br />
Für jedes zu klassifizierende Muster:<br />
Falls Datum<br />
im Kern <strong>der</strong> korrekten Klasse (covered):<br />
NOP<br />
im Einflußbereich <strong>der</strong> korrekten Klasse (commit):<br />
Vergrößere Kernbereich<br />
nicht korrekt klassifiziert (shrink):<br />
Lege neues “Neuron” an und mache<br />
Konfliktauflösung<br />
Universität Karlsruhe<br />
ITEC (Prof. J. Henkel)<br />
University of California<br />
Intelligente Datenanalyse – F4.69 at Berkeley 69<br />
Algorithmus<br />
• Während einer Epoche, dem einmaligen Anlegen aller<br />
Beispieldaten, wird für jeden Vektor X geprüft:<br />
– covered: Falls X im Einflußbereich einer bereits existierenden<br />
RecBF liegt und mit ihrer Klasse übereinstimmt, wird diese RecBF<br />
soweit vergrößert, daß ihr Kern den Vektor abdeckt.<br />
– commit: Wenn X nicht im Einflußbereich eines vorh. RecBFs <strong>der</strong><br />
entsprechenden Klasse liegt, wird ein neues RecBF eingefügt.<br />
– shrink: Steht X in Konflikt mit einer RecBF, d.h. die Klasse des<br />
Vektors und <strong>der</strong> RecBF stimmen nicht überein und <strong>der</strong> Vektor<br />
verursacht eine Aktivierung <strong>der</strong> RecBF > 0. Der Einflußbereich<br />
<strong>der</strong> RecBF muß soweit verringert werden, daß <strong>der</strong> Vektor nach<br />
Verkleinerung außerhalb liegt und die Aktivierung <strong>der</strong> RecBF für<br />
diesen Trainingsvektor gleich 0 ist.<br />
University of California<br />
Intelligente Datenanalyse – F4.70 at Berkeley 70<br />
35