Cantitate/Preț
Produs

Neuro-Fuzzy-Methoden: Einführung in Theorie und Anwendungen

Autor Hans-Heinrich Bothe
de Limba Germană Paperback – 17 noi 1997
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.
Citește tot Restrânge

Preț: 41441 lei

Nou

Puncte Express: 622

Preț estimativ în valută:
7932 8245$ 6570£

Carte tipărită la comandă

Livrare economică 04-18 februarie 25

Preluare comenzi: 021 569.72.76

Specificații

ISBN-13: 9783540579663
ISBN-10: 3540579664
Pagini: 316
Ilustrații: VIII, 305 S.
Dimensiuni: 155 x 235 x 17 mm
Greutate: 0.45 kg
Ediția:1998
Editura: Springer Berlin, Heidelberg
Colecția Springer
Locul publicării:Berlin, Heidelberg, Germany

Public țintă

Professional/practitioner

Descriere

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.

Cuprins

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.