Vortrag Jaekel, Mikut, Malberg, Bretthauer
Vortrag Jaekel, Mikut, Malberg, Bretthauer
Vortrag Jaekel, Mikut, Malberg, Bretthauer
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
eider Bewertungen. Die in (4) verwendeten Gro en berechnen sich wie folgt:<br />
FP = kY ^ , Y kF = kRP , Y kF ! Min;<br />
mit 1<br />
R T n R = 1Tq und R 0n q (5)<br />
0<br />
Y = @ B1 (y[1]) ::: B1 (y[N])<br />
:::::::::::::::::::::::::: A ; P =<br />
Bn(y[1]) ::: Bn(y[N])<br />
1<br />
FK =1,kR 1k1 =1, max<br />
i=1;::: ;n ri1<br />
Pr(x[1]) ::: Pr(x[N])<br />
1 , Pr(x[1]) ::: 1 , Pr(x[N])<br />
Hierbei ist P die Matrix der korrigierten Regelaktivierungen, Y die Matrix der fuzzi zierten<br />
Ausgangsgro e, ^ Y ihre Schatzung und F 0 P der Prognosefehler der Trivialschatzung.<br />
Generalisieren Als Generalisierungsmoglichkeiten in den Regelpramissen werden zugelassen:<br />
1. Streichen einer beliebigen Variable und ihrer linguistischen Terme und<br />
2. Hinzufugen eines benachbarten ODER-verknupften linguistischen Terms fur eine<br />
linguistische Variable.<br />
Das Generalisieren geht damit uber identische Umformungen der Regeln, z. B. mit dem<br />
Quine-McCluskey-Algorithmus wie in [46] beschrieben, hinaus.<br />
Mit der zweiten Generalisierungsmoglichkeit entstehen abgeleitete Terme, die durch die<br />
Beschrankung auf benachbarte Terme interpretierbar bleiben.<br />
Fur jede Regel werden nun alle bildbaren Hypothesen mittels (4) bewertet und die beste<br />
als neue Regel ubernommen. Diese Prozedur wird solange durchgefuhrt, bis alle Generalisierungen<br />
einer Regel auf schlechter bewertete Hypothesen fuhren.<br />
Beim Generalisieren der Regel<br />
Q=0.136 ( 0 Feh./ 9 Bsp.): WENN x100=SG UND x141=K DANN Patient<br />
fur die BRS-Analyse ergeben sich die folgenden Hypothesen und Bewertungen (Anzahl<br />
der Beispiele bzw. Fehler durch Rundung der Zugehorigkeitswerte):<br />
Q=0.157 ( 0 Feh./10 Bsp.): WENN x100=(G [ SG) UND x141=K DANN Patient<br />
Q=0.051 ( 2 Feh./11 Bsp.): WENN x100=SG UND x141=(K [ M) DANN Patient<br />
Q=0.213 ( 0 Feh./15 Bsp.): WENN x100=SG UND x141=(SK [ K) DANN Patient<br />
Q=0.084 ( 4 Feh./14 Bsp.): WENN x141=K DANN Patient<br />
Q=0.050 (10 Feh./27 Bsp.): WENN x100=SG DANN Patient<br />
Die dritte Hypothese wird akzeptiert und weiter generalisiert. Dabei entsteht die Regel:<br />
Q=0.287 ( 0 Feh./18 Bsp.): WENN x100=(G [ SG) UND x141=(SK [ K) DANN Patient<br />
Bild 5 stellt die angegebene Regel dar (umrahmt). Die Gitterlinien fur die Merkmale x100<br />
und x141 kennzeichnen die Maxima der Zugehorigkeitsfunktionen. Hierbei zeigt sich, das<br />
ein Gro teil der Beispiele der Klasse " Patient\ ( " *\) durch diese Regel erklart wird.<br />
Im Ergebnis des Prunings entstehen aus den 112 Regeln des Baums 34 generalisierte<br />
Regeln, z. B.:<br />
(6)<br />
(7)