Login |
 
 

Überblick

Leistung: SWS : 2, Credits 4

Teilnehmer: Min: 1 Max: 12 Erwartet: 6

Kurstyp : Seminar / Vorlesung / Project (Bachelor/Master)

Sprache: englisch

Inhalt

Da konventionelle künstliche neuronale Netze nach einem Black-Box-Prinzip arbeiten (d.h. die gelernte Information ist nicht aus dem trainierten Netz heraus ableitbar), können Clusterungs- bzw. Klassifikationsergebnisse weder nachvollzogen noch geprüft werden. Eine Lösung dieses Problems stellen Verfahren dar, die für einen Menschen verständlichen Cluster- bzw. Klassenbeschreibungen zusätzlich generieren. Zu solchen Verfahren gehören hybride Neuro-Fuzzy Systeme. Sie vereinigen die Vorteile der Neuro- und Fuzzy-Systeme, wie das Lernen aus Beispielen und eine gute Generalisierungsfähigkeit bzw. die Interpretierbarkeit und Unschärfe der Modelle. Sie haben auch den Vorteil, dass ein a priori Wissen in das System integriert werden kann.