Wissensbasierte Musterklassifikation mit modularen hybriden Neuro-Fuzzy-Systemen

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.

Knowledge Based Pattern Classification with Modular Hybrid Neuro-Fuzzy Systems

The aim of this project was the development and prototypical implementation of a neuro-fuzzy classification system based on fuzzy rules. The developments are based on the NEFCLASS system. Import aspects were the extraction of compact, interpretable linguistic rulebases. In areas like medicine or economics, this allows insight into the structures of the data, which is often as important as pure classification quality.