Neuro-Fuzzy-Methoden

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.