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 />
Umgang mit verrauschten Daten<br />
• Beispiele mit verschieden Rauschniveaus:<br />
[-0.5, 0.5] [-2, 2]<br />
University of California<br />
Intelligente Datenanalyse – F4.85 at Berkeley 85<br />
Analyse <strong>der</strong> Regeln<br />
• Regeln des <strong>Fuzzy</strong>-Graphen<br />
Wenn x1 in [0.1, 2.1] von ( -, 2.2)<br />
und x2 in [0.19, 0.99] von (0.18, -)<br />
und x3 in [0.01, 0.39] von ( -, -)<br />
und x4 in [1, 15] von ( -, -)<br />
Dann y ist Klasse niedrig<br />
Wenn ...<br />
Dann<br />
• Interpretation<br />
– Modellkonfiguration<br />
– Parametereinfluß<br />
– Empfindlichkeit<br />
University of California<br />
Intelligente Datenanalyse – F4.86 at Berkeley 86<br />
43