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].
This is a preview of subscription content, log in via an institution to check access.
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