Kombination von Künstlichen Neuronalen Netzen mit Fuzzy-Logik

Die Vorteile von Künstlichen Neuronalen Netzen liegen in den Bereichen Klassifikation, 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 und praktisch erprobt.

Beteiligte Wissenschaftler:

Prof. Dr. Wolfram-M. Lippe, Prof. Dr. J.J. Buckley (Univ. Of Alabama), Dr. Th. Feuring (Univ. Siegen), Prof. Dr. Y. Hayashi, Dipl.-Math. St. Niendieck (Meiji Univ./Kawasaki/Japan), Dipl.-Math. U. Sprekelmeyer

Veröffentlichungen:

Lippe, W.-M., Th. Feuring: The Fuzzy Neural Network Approximation Lemma, Fuzzy Sets and Systems 102, S. 227-236, 1999

Lippe, W.-M., J.J. Buckley, Th. Feuring, A. Tenhagen: Stability Analysis on Neural Net Controllers using Fuzzy Neural Networks, Fuzzy Sets and Systems, Special Issue: Analytical and Structural Considerations in Fuzzy Modeling, Vol. 101, No. 2, 1999

Lippe, W.-M., U. Sprekelmeyer, A. Tenhagen: Analysis of a Fuzzified Self Organizing Map's Output Behaviour, Proc. IIZUKA 2000, FLSI-Press, Fukuoka, 2000

Lippe, W.-M., U. Sprekelmeyer, A. Tenhagen: A Fuzzy Kohonen Classifier, Proc. IEEE Ninth Intern. Conference on Fuzzy Systems Vol. 2, San Antonio/Texas, S. 572-576, 2000