Zusammenfassung
In diesem Kapitel stellen wir eine neue hybride Architektur für einen Neuronalen Fuzzy-Regler sowie einen speziell dafür entwickelten Lernalgorithmus vor. Der Vorteil des NEFCON-Modells (NEural Fuzzy CONtroller) gegenüber den bisher diskutierten Modellen besteht darin, daß es Wissen über erwünschte und unerwünschte Zustände für den Lernvorgang ausnutzt und in der Lage ist, sowohl Fuzzy-Mengen als auch Fuzzy-Regeln zu erlernen. Die Architektur des Reglers kann sowohl als Neuronales Netz als auch als gewöhnlicher Fuzzy-Regler interpretiert werden. Der Lernalgorithmus verändert nicht die zugrundeliegende Struktur des Modells, wodurch alle durch ihn vorgenommenen Änderungen interpretierbar bleiben [Nauck und Kruse, 1992a].
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 1996 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Nauck, D., Klawonn, F., Kruse, R. (1996). Das NEFCON-Modell. In: Neuronale Netze und Fuzzy-Systeme. Computational Intelligence. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-10898-6_20
Download citation
DOI: https://doi.org/10.1007/978-3-663-10898-6_20
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-528-15265-9
Online ISBN: 978-3-663-10898-6
eBook Packages: Springer Book Archive