Einführung in Theorie und Anwendungen
Buch, Deutsch, 305 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 1010 g
ISBN: 978-3-540-57966-3
Verlag: Springer Berlin Heidelberg
Die Begriffe "Neuronale Netzwerke" und "Fuzzy Logic" erobern seit geraumer Zeit viele Bereiche der Technik. Durch Kombination lassen sich die Vorteile beider Methoden miteinander verknüpfen. Es entstehen lernfähige Verfahren, deren Entscheidungswege und Funktionalität einfach nachvollziehbar und interpretierbar sind. Ziel des Buches ist es, die grundlegenden Kenntnisse in der notwendigen Tiefe zu vermitteln. Das Buch ist gleichzeitig eine wichtige Orientierungshilfe für Studenten und Anwender in den Bereichen Technik und Naturwissenschaften. Im einzelnen geht es um die Grundlagen der Fuzzy Logic und der Neuronalen Netzwerke, aktuell eingesetzte Neuro-Fuzzy-Methoden sowie Anwendungen und Realisierungen in der Praxis.
Zielgruppe
Professional/practitioner
Autoren/Hrsg.
Fachgebiete
- Technische Wissenschaften Technik Allgemein Mathematik für Ingenieure
- Interdisziplinäres Wissenschaften Wissenschaften: Forschung und Information Informationstheorie, Kodierungstheorie
- Mathematik | Informatik EDV | Informatik Daten / Datenbanken Informationstheorie, Kodierungstheorie
- Technische Wissenschaften Energietechnik | Elektrotechnik Elektrotechnik
- Technische Wissenschaften Elektronik | Nachrichtentechnik Elektronik Robotik
- Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz Wissensbasierte Systeme, Expertensysteme
- Technische Wissenschaften Technik Allgemein Mess- und Automatisierungstechnik
Weitere Infos & Material
1 Einführung.- 1.1 Fuzzy-Inferenzmethoden.- 1.2 Künstliche Neuronale Netzwerke.- 1.3 Neuro-Fuzzy-Methoden.- 2 Fuzzy-Methoden.- 2.1 Grundideen.- 2.2 Übertragungsverhalten von Fuzzy-Systemen.- 2.3 Anwendungsbeispiele.- 3 Künstliche Neuronale Netzwerke.- 3.1 Biologisches Vorbild.- 3.2 Grundideen Künstlicher Neuronaler Netzwerke.- 3.3 Neuronenmodelle.- 3.4 Einschichtige Künstliche Neuronale Netzwerke.- 3.5 Mehrschichtige Künstliche Neuronale Netzwerke.- 3.6 Anwendungsbeispiele.- 4 Fuzzy-Methoden Und Künstliche Neuronale Netzwerke.- 4.1 Optimierung der Zugehörigkeitsfunktionen.- 4.2 Bestimmung von Fuzzy-Regeln.- 5 Hybride Neuro-Fuzzy-Methoden.- 5.1 Fuzzy-Lemende Vektorquantisierung (FLVQ).- 5.2 Fuzzy-Kohonen-Clustering-Netzwerk (FKCN).- 5.3 Fuzzy ART and Fuzzy ARTMAP.- 5.4 Neural Network-based Fuzzy Logic Control (NNFLC).- 5.5 Adaptive-network-based Fuzzy Inference System (ANFIS).- 5.6 Neural Network-driven Fuzzy Reasoning (NNDFR).- 5.7 Generalized Approximative Reasoning-based Intelligent Control (GARIC).- 5.8 FUzzy Net (FUN).- 5.9 NEural Fuzzy CONtroller (NEFCON).- 6 Fuzzy-Neuronale Netzwerke.- 7 Genetische Algorithmen.- Anhang: Iris-Datensatz.- Symbole und Abkürzungen.