Stand der Entwicklungstendenzen von Neuro-Fuzzy-Systemen und Anwendungen

Inhaltsverzeichnis

• Einleitung
  • Motivation
  • Zielsetzung der Arbeit
  • Aufbau der Arbeit
• Grundlagen von Neuro-Fuzzy
  • Grundidee von Neuro-Fuzzy-Systemen
  • Integration von Fuzzy-Logik und Neuronalen Netzen
• Neuro-Fuzzy-Systeme
  • Fuzzifizierte Neuronale Netze
  • Gleichberechtigte Neuro-Fuzzy-Modelle
  • Kooperative Neuro-Fuzzy-Systeme
    • Fuzzy-Assoziativspeicher
    • Interpretation der Lernergebnisse
    • Adaptive Bestimmung von Fuzzy-Mengen
  • Hybride Neuro-Fuzzy-Systeme
    • Neural Network Driven Fuzzy Reasoning (NNDFR)
    • Adaptive-Network-based Fuzzy Inference System (ANFIS)
    • Approximate Reasoning based Intelligent Control (ARIC)
    • Generalized ARIC (GARIC)
    • Neural Fuzzy Controller (NEFCON)
    • Neuro Fuzzy Classification (NEFCLASS)
    • Neuro Fuzzy Function Approximation (NEFPROX)
• Neuro-Fuzzy-Anwendungen
  • Explorative Datenanalyse
  • Unternehmenskrisenmanagement
    • Bestandsfestigkeit von Unternehmen
    • Unternehmenssanierung
  • Verkehrsmanagement
    • Verkehrsprognose
    • Verkehrssteuerung
  • Umwelttechnologien
    • Betriebsoptimierung von Kläranlagen
    • Optimierung der Zellstoffkochung
  • Industrie und Technik
    • Robotersteuerung
    • Schadensdiagnose bei Abwasserkanälen
• Entwicklungstendenzen
• Diskussion und Ausblick
• Literaturverzeichnis

Zielsetzung und Themenschwerpunkte

Die Diplomarbeit zielt darauf ab, einen aktuellen und umfassenden Überblick über Neuro-Fuzzy-Systeme zu liefern. Die Arbeit konzentriert sich auf die Entwicklungstendenzen dieser Systeme und zeigt deren praktische Relevanz anhand von Beispielen aus der Wirtschaftswissenschaft.

• Die Kombination von Fuzzy-Logik und Neuronalen Netzen
• Die verschiedenen Arten der Kopplung von Fuzzy-Systemen und Neuronalen Netzen
• Die gängigsten Neuro-Fuzzy-Ansätze aus der Literatur
• Die Einsatzmöglichkeiten von Neuro-Fuzzy-Systemen in der Praxis
• Die Entwicklungstendenzen von Neuro-Fuzzy-Systemen

Zusammenfassung der Kapitel

Das zweite Kapitel der Arbeit behandelt die Grundlagen von Neuro-Fuzzy. Es erläutert die Grundidee der Neuro-Fuzzy-Systeme und erklärt, wie sich Fuzzy-Systeme und Neuronale Netze miteinander kombinieren lassen.

Im dritten Kapitel werden die Neuro-Fuzzy-Systeme nach der Art ihrer Kopplung in kooperative und hybride Systeme unterschieden. Es werden die gängigsten Neuro-Fuzzy-Ansätze aus der Literatur vorgestellt, darunter der Fuzzy-Assoziativspeicher von Kosko, der Ansatz von Pedrycz/Card zur Interpretation des Lernergebnisses mittels selbstorganisierenden Karten, der Ansatz von Nomura zur Bestimmung von Fuzzy-Mengen sowie die Modelle NNDFR, ANFIS, ARIC, GARIC, NEFCON, NEFCLASS und NEFPROX.

Das vierte Kapitel zeigt die Einsatzmöglichkeiten von Neuro-Fuzzy-Systemen in der Praxis auf. Es werden Anwendungen in der explorativen Datenanalyse, im Unternehmenskrisenmanagement, im Verkehrsmanagement, in den Umwelttechnologien sowie in der Industrie und Technik vorgestellt.

Schlüsselwörter

Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen Neuro-Fuzzy-Systeme, Fuzzy-Logik, Neuronale Netze, kooperative Neuro-Fuzzy-Systeme, hybride Neuro-Fuzzy-Systeme, Fuzzy-Assoziativspeicher, selbstorganisierende Karten, NNDFR, ANFIS, ARIC, GARIC, NEFCON, NEFCLASS, NEFPROX, explorative Datenanalyse, Unternehmenskrisenmanagement, Verkehrsmanagement, Umwelttechnologien, Industrie und Technik, Robotersteuerung, Schadensdiagnose.