- Broschiertes Buch
- Merkliste
- Auf die Merkliste
- Bewerten Bewerten
- Teilen
- Produkt teilen
- Produkterinnerung
- Produkterinnerung
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 des Fuzzy…mehr
Andere Kunden interessierten sich auch für
- Neuro + Fuzzy54,99 €
- Detlef NauckNeuro-Fuzzy-Systeme39,99 €
- Monika KöhleNeurale Netze54,99 €
- Raul RojasTheorie der neuronalen Netze59,99 €
- Leszek RutkowskiFlexible Neuro-Fuzzy Systems79,99 €
- Karsten BernsNeuronale Netze für technische Anwendungen54,99 €
- James J. BuckleyFuzzy Statistics79,99 €
-
-
-
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 des Fuzzy Logic und der Neuronalen Netzwerke, aktuell eingesetzte Neuro-Fuzzy-Methoden sowie Anwendungen und Realisierungen in der Praxis.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Produktdetails
- Produktdetails
- Verlag: Springer / Springer Berlin Heidelberg / Springer, Berlin
- Artikelnr. des Verlages: 978-3-540-57966-3
- 1997.
- Seitenzahl: 316
- Erscheinungstermin: 18. November 1997
- Deutsch
- Abmessung: 235mm x 155mm x 18mm
- Gewicht: 480g
- ISBN-13: 9783540579663
- ISBN-10: 3540579664
- Artikelnr.: 05564773
- Verlag: Springer / Springer Berlin Heidelberg / Springer, Berlin
- Artikelnr. des Verlages: 978-3-540-57966-3
- 1997.
- Seitenzahl: 316
- Erscheinungstermin: 18. November 1997
- Deutsch
- Abmessung: 235mm x 155mm x 18mm
- Gewicht: 480g
- ISBN-13: 9783540579663
- ISBN-10: 3540579664
- Artikelnr.: 05564773
1 Einführung.- 1.1 Fuzzy-Inferenzmethoden.- 1.2 Künstliche Neuronale Netzwerke.- 1.3 Neuro-Fuzzy-Methoden.- 2 Fuzzy-Methoden.- 2.1 Grundideen.- 2.1.1 Unscharfe Mengen.- 2.1.2 Operationen auf unscharfen Mengen.- 2.1.3 Linguistische Variablen.- 2.1.4 Unscharfe Zahlen und das Erweiterungsgesetz.- 2.1.5 Unscharfe Relationen.- 2.2 Übertragungsverhalten von Fuzzy-Systemen.- 2.2.1 Fuzzy-Systeme als Approximatoren.- 2.2.2 Eingangskodierung (Fuzzifikation).- 2.2.3 Fuzzy-Inferenz durch Approximatives Schließen.- 2.2.4 Ausgangskodierung (Defuzzifikation).- 2.2.5 Versteckte Variablen.- 2.2.6 Automatische Adaption.- 2.3 Anwendungsbeispiele.- 2.3.1 Klassifikation.- 2.3.2 Reglerentwurf.- 3 Künstliche Neuronale Netzwerke.- 3.1 Biologisches Vorbild.- 3.1.1 Neuronen.- 3.1.2 Neuronenverbände.- 3.1.3 Funktionsweise des menschlichen Gehirns.- 3.1.4 Signalverarbeitung in der Retina.- 3.2 Grundideen Künstlicher Neuronaler Netzwerke.- 3.2.1 Netzwerktopologie.- 3.2.2 Lernverfahren.- 3.2.3 Stabilitäts-Plastizitäts-Dilemma.- 3.3 Neuronenmodelle.- 3.3.1 Adaptive Linearkombination (Adaline).- 3.3.2 Lineares Schwellwert-Gatter (LSG).- 3.3.3 Schwellwertfunktionen.- 3.3.4 Sigma-Pi-Neuronenmodell.- 3.3.5 Polynomiales Schwellwertgatter.- 3.3.6 Stochastisches Schwellwertgatter.- 3.3.7 Neuronenfelder.- 3.3.8 Fuzzy-Neuronenmodell.- 3.4 Einschichtige Künstliche Neuronale Netzwerke.- 3.4.1 Fehlerkorrektur-Lernregeln fir einzelne Zellen.- 3.4.2 Gradientenabstiegs-Lemregeln fir einzelne Zellen.- 3.4.3 Bestärkendes Lernen fiir einzelne Zellen.- 3.4.4 Unüberwachtes Lernen.- 3.4.5 Wettbewerbslernen.- 3.4.6 Lernende Vektorquantisierung (LVQ).- 3.4.7 Selbstorganisierende Karten (SOM).- 3.5 Mehrschichtige Künstliche Neuronale Netzwerke.- 3.5.1 Assoziativspeicher.- 3.5.2 Adaptive Resonanztheorie (ART).- 3.5.3 Radialbasisfunktions-Netzwerke (RBFN).- 3.5.4 Fehler-Backpropagation fir mehrschichtige vorwärtsgerichtete KNN.- 3.5.5 Maßnahmen zur Verbesserung des Lernalgorithmus.- 3.5.6 Time-Delay-Neuronale-Netzwerke (TDNN).- 3.5.7 Globale Minimierung der KNN-Komplexität.- 3.6 Anwendungsbeispiele.- 3.6.1 NETtalk.- 3.6.2 NETface.- 3.6.3 Glove-Talk.- 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.
1 Einführung.- 1.1 Fuzzy-Inferenzmethoden.- 1.2 Künstliche Neuronale Netzwerke.- 1.3 Neuro-Fuzzy-Methoden.- 2 Fuzzy-Methoden.- 2.1 Grundideen.- 2.1.1 Unscharfe Mengen.- 2.1.2 Operationen auf unscharfen Mengen.- 2.1.3 Linguistische Variablen.- 2.1.4 Unscharfe Zahlen und das Erweiterungsgesetz.- 2.1.5 Unscharfe Relationen.- 2.2 Übertragungsverhalten von Fuzzy-Systemen.- 2.2.1 Fuzzy-Systeme als Approximatoren.- 2.2.2 Eingangskodierung (Fuzzifikation).- 2.2.3 Fuzzy-Inferenz durch Approximatives Schließen.- 2.2.4 Ausgangskodierung (Defuzzifikation).- 2.2.5 Versteckte Variablen.- 2.2.6 Automatische Adaption.- 2.3 Anwendungsbeispiele.- 2.3.1 Klassifikation.- 2.3.2 Reglerentwurf.- 3 Künstliche Neuronale Netzwerke.- 3.1 Biologisches Vorbild.- 3.1.1 Neuronen.- 3.1.2 Neuronenverbände.- 3.1.3 Funktionsweise des menschlichen Gehirns.- 3.1.4 Signalverarbeitung in der Retina.- 3.2 Grundideen Künstlicher Neuronaler Netzwerke.- 3.2.1 Netzwerktopologie.- 3.2.2 Lernverfahren.- 3.2.3 Stabilitäts-Plastizitäts-Dilemma.- 3.3 Neuronenmodelle.- 3.3.1 Adaptive Linearkombination (Adaline).- 3.3.2 Lineares Schwellwert-Gatter (LSG).- 3.3.3 Schwellwertfunktionen.- 3.3.4 Sigma-Pi-Neuronenmodell.- 3.3.5 Polynomiales Schwellwertgatter.- 3.3.6 Stochastisches Schwellwertgatter.- 3.3.7 Neuronenfelder.- 3.3.8 Fuzzy-Neuronenmodell.- 3.4 Einschichtige Künstliche Neuronale Netzwerke.- 3.4.1 Fehlerkorrektur-Lernregeln fir einzelne Zellen.- 3.4.2 Gradientenabstiegs-Lemregeln fir einzelne Zellen.- 3.4.3 Bestärkendes Lernen fiir einzelne Zellen.- 3.4.4 Unüberwachtes Lernen.- 3.4.5 Wettbewerbslernen.- 3.4.6 Lernende Vektorquantisierung (LVQ).- 3.4.7 Selbstorganisierende Karten (SOM).- 3.5 Mehrschichtige Künstliche Neuronale Netzwerke.- 3.5.1 Assoziativspeicher.- 3.5.2 Adaptive Resonanztheorie (ART).- 3.5.3 Radialbasisfunktions-Netzwerke (RBFN).- 3.5.4 Fehler-Backpropagation fir mehrschichtige vorwärtsgerichtete KNN.- 3.5.5 Maßnahmen zur Verbesserung des Lernalgorithmus.- 3.5.6 Time-Delay-Neuronale-Netzwerke (TDNN).- 3.5.7 Globale Minimierung der KNN-Komplexität.- 3.6 Anwendungsbeispiele.- 3.6.1 NETtalk.- 3.6.2 NETface.- 3.6.3 Glove-Talk.- 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.