Advertisement

Statistische Hefte

, Volume 20, Issue 1, pp 22–38 | Cite as

Adaptive Mustererkennung

  • G. Menges
Article

Zusammenfassung

Nach einigen Vorbemerkungen über die allgemeine Aufgabe, die Geschichte und die verschiedenen Formen der Mustererkennung wird letztere dem Flaskämperschen Parallelismus von Sach- und Zahlenlogik gegenübergestellt. Beobachtungen sind Beschreibungen empirischer Objekte im Sinne eines empirischen Systems, das “fast-isomorph” einem mathematischen System ist. Eine Unschärferelation (verallgemeinerte Heisenbergsche Unschärferelation) besteht zwischen Systemidentifikation und Mustererkennung. Muster sind stets unscharf und partiell. Dem entspricht die adaptive Mustererkennung, nämlich die Reduktion der Unbestimmtheit durch Ausbeutung aller verfügbaren Informationen mittels des Konzepts der LPI (lineare partielle Information) und die Überwindung des jeweiligen Ungewißheitsrestes durch Orientierung an den Konsequenzen fehlerhafter Mustererkennung mittels des MaxEmin-Prinzips.

Adaptive pattern recognition

Summary

After some preliminary remarks about the general task, history and different forms of pattern recognition, the latter is confronted with Flaskämper’s parallelism of object logic and mathematical logic. Observations are descriptions of empirical objects in the sense of an empirical system which is “almostisomorphic” to a mathematical system. There is an uncertainty principle (generalized Heisenberg’s) between system identification and pattern recognition. Patterns are always fuzzy and partial to which adaptive pattern recognition corresponds, i.e. the reduction of indeterminateness by exploitation of all available information by the concept of LPI (Linear Partial Information) and the overcoming of the ever remaining indeterminateness by orientation on the consequences of erroneous pattern recognition by the MaxEmin-principle.

Renseignement adaptif d’exemples-type

Résumé

Après quelques considérations introduisantes sur le but général, l’histoire et les différentes formes du renseignement adaptif d’exemples-type ce dernier est confronté au parallelisme entre la logique numérique et celle des objets réels (Flaskämper). Des observations représentent une description d’objects empiriques dans le sens d’un système empirique étant “presque isomorph” à un système mathématique. Une relation d’indétermination (relation d’indétermination généralisée de Heisenberg) existe entre l’identification de systéme et le renseignement d’exemples-type. Des exemples-type sont toujours inprécis et partiels. Le renseignement adaptif d’exemplestype correspond à ce fait, c’est à dire la réduction de l’incertitude par l’utilisation de toutes les informations disponibles à l’aide du concept LPI (information linéaire partielle) et en surmontant le reste respectif de l’incertitude par l’orientation à des conséquences de renseignement fautif d’exemples-type à l’aide du principe MaxEmin.

Алаптивное познавание примеров

Резюме

После нескольких замечаний о общей задачи, истории и разных формах познавания примеров, противопоставляется познавание примеров параллелизму фляскемпера относительно вещной и численной логики. Наблюдения являются описаниями эмпирических обьектов в смысле эмпирической системн, явяяющейся “почти-изоморфной” в сравнении с математической системой. Отношение нерезкости (обобщенное отношение нерезкости Хейзенберга) существует между отождествлением системы а познаванием примеров. Примеры являются постоянно нерезкими и частичными. Этому отвечает адаптивное познавание примеров, а именно сокращение неопределенности путем использования всех имеющихся в распоряжении информаций, а то при помощи концепции ЛьПИ (линейная частная информация) и преодоление соответствующего остатка неуверенности путем ориентировки на последствиях ошибочного познавания примеров при помощи Мах Е min-принципа.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Behara, M., E. Kofler und G. Menges: Entropy and informativity in decision situations under partial information. Statistische Hefte, 19. Jr., 1978, Heft 2, pp. 124–130.MATHCrossRefMathSciNetGoogle Scholar
  2. Bremermann, H.: Pattern recognition. In: Systems Theory in the Social Sciences (Hrsg.: H. Bossel et al.). Birkhäuser, Basel und Stuttgart 1976, S. 116–159.Google Scholar
  3. Kofler, E. und G. Menges: Entscheidungen bei unvollständiger Information, Springer, Berlin, Heidelberg, New York 1976.MATHGoogle Scholar
  4. Peipmann, R.: Erkennung von Strukturen und Mustern. Grundlagen und Verfahren. Gruyter, Berlin, New York 1976.Google Scholar
  5. Tou, J. T. und R. C. Gonzalez: Pattern Recognition Principles. Addison-Wesley, Reading (Mass.) 1974.MATHGoogle Scholar
  6. Ullmann, J. R.: Pattern Recognition Techniques. Butterworth, London 1973.MATHGoogle Scholar

Copyright information

© Vittorio Klostermann 1964

Authors and Affiliations

  • G. Menges

There are no affiliations available

Personalised recommendations