Und dann auf "Zum Home-Bildschirm [+]".
Stöbern
genialokal zum Startbildschirm hinzufügen
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Eines der spannendsten Themen im Bereich intelligenter Systeme - von namhaften Autoren geschrieben - zum Lernen und Nachschlagen. Das Buch führt in das Thema der Neuronalen Netze ein und weist darüber hinaus den Weg bis zum vollen Verständnis modernster Fuzzy-Systeme.
Neuronale Netze sind ein wichtiges Werkzeug in den Bereichen der Datenanalyse und Mustererkennung. Ursprünglich durch das biologische Vorbild inspiriert, wurde eine Vielfalt neuronaler Netze für verschiedenste Anwendungen entwickelt. Ihre Kopplung mit Fuzzy-Systemen führt zu den sogenannten Neuro-Fuzzy-Systemen. Diese weisen die Lernfähigkeit Neuronaler Netze auf und bieten gleichzeitig den Vorteil einer transparenten regelbasierten Struktur. Sie sind daher besonders vorteilhaft für Anwendungsbereiche, in denen verständliche Lösungen aus Daten erzeugt werden müssen.
Das Autorenteam (Dr. Detlef Nauck, Dr. Christian Borgelt, Prof. Dr. Frank Klawonn und Prof. Dr. Rudolf Kruse) bringt Erfahrung und fachliche Reputation mit - aus Universität und Industrie gleichermassen.
I Neuronale Netze.- 1 Einleitung.- 2 Schwellenwertelemente.- 3 Allgemeine neuronale Netze.- 4 Mehrschichtige Perzeptren.- 5 Radiale-Basisfunktionen-Netze.- 6 Selbstorganisierende Karten.- 7 Hopfield-Netze.- 8 Rückgekoppelte Netze.- II Fuzzy-Systeme.- 9 Einleitung.- 10 Fuzzy-Systeme und -Verfahren.- III Neuro-Fuzzy-Systeme.- 11 Einleitung.- 12 Typen von Neuro-Fuzzy-Systemen.- 13 Das generische Fuzzy-Perzeptron.- 14 Fuzzy-Regeln aus Daten lernen.- 15 Optimierung von Fuzzy-Regelbasen.- 16 Fuzzy-Regelung mit NEFCON.- 17 Klassifikation mit NEFCLASS.- 18 Funktionsapproximation mit NEFPROX.- 19 Anwendung von Neuro-Fuzzy-Systemen.- IV Anhänge.- A Geradengleichungen.- B Regression.- C Aktivierungsumrechnung.
