Kombination von Künstlichen Neuronalen Netzen mit Fuzzy-Logik

Die Vorteile von Künstlichen Neuronalen Netzen liegen in den Bereichen Klassifkation, Mustererkennung, Diagnose und Regelungstechnik. Die Vorteile von Fuzzy-Logik liegen in der Modellierung von unscharfem Wissen und ebenfalls in der Regelungstechnik. Daher versucht man seit einigen Jahren verstärkt, beide Systeme zu kombinieren. Die konzeptionell unterschiedlichen Kombinationsmöglichkeiten wurden theoretisch auf ihre verschiedenen Vor- und Nachteile untersucht.

Beteiligte Wissenschaftler:

Prof. Dr. W.-M. Lippe, Dipl.-Math. A. Klingebiel, Dipl.-Math. A. Tenhagen, Dr. Th. Feuring, Prof. Dr. J.J. Buckley (University of Alabama), Prof. Dr. Y. Hayashi (Meiji University/Kawasaki/Japan)

Veröffentlichungen:

Lippe, W.-M., Th. Feuring, A. Tenhagen: Sind Fuzzy-Neuronale Netze stabil?, Proc. in Artificial Intelligence Nr. 5: Fuzzy Neuro Systems '97, Infix-Verlag, S. 308-315

Lippe, W.-M.: Fuzzy Neuronale Netze, Proc. Workshop "Alternative Konzepte für Sprachen und Rechner ", Bad Honnef, Int. Bericht des Institutes für Informatik und Praktische Mathematik der Christian-Albrechts-Universität Kiel, 1997

Lippe, W.-M.: Hybride Systeme, Proc. CoWAN'98, Cottbus, Eds.: L. Cromme, T. Kolb, H. Koch, Shaker Verlag, Aachen, 1998, S. 181-195

Lippe, W.-M., A. Klingebiel, A. Tenhagen: A Gradient Descent Learning Rule For Fuzzy Neural Networks, Proc. of the IASTED Intern. Conference on Artificial Intelligence and Soft Computing, Cancun, Mexico, 1998, Ed.: M. H. Hamza, IASTED/ACTA Press, Anaheim, 1998, S. 493-497

Lippe, W.-M., Th. Feuring, J.J. Buckley, Y. Hayashi: A Gradient Descent Learning Algorithm for Fuzzy Neural Networks, WCCI'98, Int. Conf. on Fuzzy Systems '98, Anchorage, Alaska, 1998

Lippe, W.-M., Th. Feuring, A. Tenhagen: Stability analysis of neural networks, IEEE Intern. Conference on Neural Networks, Houston, pp. 485-490, 1997