« Projekte
Wissensbasierte Musterklassifikation mit modularen hybriden Neuro-Fuzzy-Systemen
Projektbearbeiter:
Detlef Nauck, Andreas Nürnberger
Finanzierung:
Deutsche Forschungsgemeinschaft (DFG) ;
Das Ziel des Forschungsvorhabens besteht in der Entwicklung und der prototypischen Implementierung eines Neuro-Fuzzy-Systems zur Musterklassifikation mittels Fuzzy-Regeln. Die Grundlage bildet das Neuro-Fuzzy-Modell NEFCLASS, das eine Verbindung von Konzepten der Neuronalen Netze und der Fuzzy-Systeme darstellt und im Bereich der wissensbasierten Mustererkennung bzw. Klassifikation eingesetzt wird. Im Mittelpunkt soll vor allem die Entwicklung von Lernverfahren stehen, die es erlauben, aus einer Datensammlung kompakte linguistische Regelbasen zu gewinnen. Es ist dabei wesentlich, Regeln mit möglichst wenigen Prämissen zu gewinnen, um eine einfache Integration von Vorwissen zu gestatten und die Interpretierbarkeit der Regelbasis zu erleichtern. Dies ist z.B. von hoher Bedeutung für medizinische oder wirtschaftliche Anwendungen (Diagnoseunterstützung, Kursprognosen). Die zur Zeit untersuchten Neuro-Fuzzy-Systeme zur Datenanalyse setzen vorwiegend auf eine hohe Klassifikationsleistung, die auf Kosten der Interpretierbarkeit erreicht wird.

Schlagworte

Netz, neuronales
Kontakt

weitere Projekte

Die Daten werden geladen ...