Benutzer-Werkzeuge

Webseiten-Werkzeuge


se:wissensverarbeitung

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

Link zu dieser Vergleichsansicht

Beide Seiten der vorigen Revision Vorhergehende Überarbeitung
Nächste Überarbeitung
Vorhergehende Überarbeitung
se:wissensverarbeitung [2008-07-13 20:54]
stefan
se:wissensverarbeitung [2014-04-05 11:42] (aktuell)
Zeile 45: Zeile 45:
     * Was ist das Ergebnis eines Fuzzy-Reglers bei gegebenen Eingangsgrößen?​     * Was ist das Ergebnis eines Fuzzy-Reglers bei gegebenen Eingangsgrößen?​
     * Wie kann man mit Prolog ein Fuzzy-System entwickeln? ​           ​     * Wie kann man mit Prolog ein Fuzzy-System entwickeln? ​           ​
-  ​+  ​- Künstliche Neuronale Netze 
 +    * Wie kann der Lernvorgang eines Neurons beschrieben werden? 
 +    * Wie kann das Schaltverhalten eines Neurons mit den Eingängen x1 und x2 in der x1/x2-Ebene dargestellt werden? 
 +    * Wie bemisst man aus einem gewünschten Schaltverhalten die Gewichte eines Neurons? 
 +    * Wie können Neuronen und verschiedene KNN skizziert werden? 
 +    * Wie wählt man zu einem gegebenen Problem ein geeignetes neuronales Netz aus und dimensioniert dieses? 
 +    * Wie kann der Lernvorgang einer SOM beschrieben werden?​  ​    
 +  - Data Mining 
 +    * Wofür braucht man Data Mining bzw. wo kann es eingesetzt werden? 
 +    * Was sind die wichtigsten Verfahren des Data Mining und wie funktionieren sie? 
 +    * Wie können diese Verfahren realisiert werden?  
 +  - Globale Optimierung 
 +    * Warum ist Optimierung so schwierig?​ 
 +    * Was sind die wichtigsten Verfahren der globalen Optimierung?​ 
 +    * Wie können diese Verfahren realisiert werden?  
 ===== Zusammenfassung des Skripts ===== ===== Zusammenfassung des Skripts =====
 ==== Einleitung ==== ==== Einleitung ====
Zeile 187: Zeile 202:
     * x OR y -> maximum(x, y)     * x OR y -> maximum(x, y)
     * not x -> 1 - x            ​     * not x -> 1 - x            ​
 +  * Expertensystem mit Fuzzy Logic
 +    * OAW-Tripel werden zu VWZ-Tripeln
 +  * Fuzzy Control
  
 +==== Künstliche neuronale Netze ====
 +  * Das menschliche Gehirn besteht aus 10<​sup>​11</​sup>​ Neuronen.
 +    * {{:​se:​aufbauneuron.jpg|}}  ​
 +  * Vernetzung Synapse -> Axon
 +  * Lernen beruht auf Änderung der Synapsenstärke ​   ​
 +  * Lerntypen
 +    * überwacht: dem neuronalen Netz müssen auch die korrekten Antworten vorgegeben werden
 +    * nicht überwacht: das Netz lernt selbstständig die ihm angebotenen Informationen zu unterscheiden  ​  
 +  * Aufgaben: Klassifikation,​ Rekonstruktion und Erkennung von Mustern  ​
 +  * Aufgaben des Entwicklers
 +    * Auswahl des geeigneten Netztyps und Konfiguration
 +    * Aufbereitung der Muster
 +    * Bereitstellen von Trainingsmaterial  ​  
 +  * Perceptron
 +    * Bildet eine n-dimensionale Eingangsinformation auf eine m-dimensionale Ausgangsinformation ab
 +    * Ausgänge sind nicht rückgekoppelt -> Feed-Forward-Netz
 +    * Lernen durch Anpassen der Eingangsgewichte mittels Soll-Ist-Vergleich -> überwachtes Lernen
 +  * Hebb'​sche Regel
 +    * Wer Recht hat, wird gestärkt, wer Unrecht hat, wird geschwächt.
 +    * Vereinfachte Lernregel: Wenn das Ergebnis falsch ist, wird (Sollergebnis * Eingangsvektor) zum Gewichtsvektor addiert.
 +  * Grenzen
 +    * Lineare Separierbarkeit -> RBF-Neuron oder Mehrschicht-Perceptron
 +  * Mehrschicht-Perceptron
 +    * verdeckte Schichten (Anzahl und Größe: Erfahrungswerte)
 +    * Lernen durch Backpropagation
 +    * Eignung: Klassifizierung von Mustern/​Kurvenapproximation
 +  * Hopfield-Netz
 +    * rückgekoppeltes Perceptron
 +    * Eignung: Rekonstruktion von Mustern   ​
 +  * Kohonen-Netz (SOM = Self Organizing Map)
 +    * nicht überwachtes Lernen
 +    * die Neuronen, die am dichtesten am Eingangssignal liegen, werden in Richtung desselben verschoben ​   ​
 +    * Auswertung meist mit nachgelagertem Mehrschicht-Preceptron ​   ​
 +
 +==== Data Mining ====
 +  * Ziel: Zusammenhänge und Auffälligkeiten in Datenbeständen finden
 +  * Verfahren
 +    * Clusteranalyse
 +      * Cluster finden
 +        * Least-Cost-Suche,​ dann Weg an längsten Wegen auftrennen
 +        * Kohonennetz mit nachgeschaltetem Backpropagation-Netz
 +      * Besonderheiten (Punkte außerhalb der Cluster) untersuchen     ​
 +    * Assoziationsanalyse
 +    * Zeitreihenanalyse
 +
 +==== Globale Optimierung ====
 +  * Verfahren basieren auf zufälligen Änderungen und nicht auf zielgerichteten Algorithmen
 +  * Stochastische Verfahren (pro Schritt eine neue Kombination:​ besser -> weiterverfolgen,​ schlechter -> vielleicht weiterverfolgen)
 +    * Simulated Annealing (Wahrscheinlichkeit,​ dass schlechtere Kombination weiterverfolgt wird, wird langsam verringert)
 +    * Sintflut-Verfahren (schlechtere Kombination wird weiterverfolgt,​ wenn sie besser ist als ein ansteigender Grenzwert)
 +    * Threshold Accepting (schlechtere Kombination wird weiterverfolgt,​ wenn die Verschlechterung kleiner ist als ein abnehmender Grenzwert)
 +  * Evolutionäre Verfahren (pro Schritt mehrere neue Kombinationen,​ Auswahl der besten hiervon)
 +    * Evolutionsstrategien (Nachfolgeversionen werden durch Mutation der Vaterversion erzeugt)
 +    * Genetische Algorithmen (Nachfolgeversionen werden durch Kombination des Elternpaares erzeugt)
 +    * Variationen:​ Eltern werden in die neue Generation mit aufgenommen oder nicht, oder vergreisen
 +    ​
 ===== ToDo ===== ===== ToDo =====
-  * Informationen zu Systemen: MYCIN, EMYCIN, PUFF, XCON, PROSPECTOR, MOVER, SHRDLU, Ham-RPM, ELIZA +  * <​del>​Prolog-Aufgaben S. 45/46 und 49</​del>​ 
-  * Expertensystemshells:​ NEXPERT Object, Smart Elements, KEE, EMYCIN, TWAICE +  * <​del>​Beispielrechnung Defuzzyfikation S. 55</​del>​ 
-  * Prolog-Aufgaben S. 45/46 und 49+  * <​del>​Aufgaben S. 65/​66</​del>​ 
 +  * <​del>​Fuzzy-System S. 51</​del>​ 
 +  * <​del>​Missionare/​Kannibalen-Problem</​del>​ 
 +  * <​del>​Praktikumsaufgaben</​del>​ 
 +  * <​del>​Handlungsreisender S. 46</​del>​ 
 +  * <​del>"​Ein ehrliches Strandvergnügen"</​del>​ 
 +  * <​del>​Abenteurer,​ max. 4 Tagesrationen Nahrung, 5 Lager bis Ziel</​del>​ 
 +  * <​del>​Beratungssystem mit Fuzzy Logic</​del>​ 
 +  * <​del>​Klausur WS 05</​del>​ 
 +  * <​del>​Klausur SS 07</​del>​ 
 +  * <​del>​Optimierungsverfahren</​del>​ 
 +  * <​del>​Kurvenapproximation durch Perceptrons</​del>​ 
 +  * <​del>​Programm Beweisführung S. 23</​del>​ 
 +  * <​del>​Typen von neuronalen Netzen (verteilt, vernetzt, rückgekoppelt etc.) S. 59</​del>​ 
 +  * <​del>​Backpropagation (of error)</​del>​ 
 +  * <​del>​Hopfield-Netz</​del>​ 
 +  * <​del>​Minimax- und Alpha-Beta-Algorithmus</​del>​ 
 +  * <del>Informationen zu Systemen: MYCIN, EMYCIN, PUFF, XCON, PROSPECTOR, MOVER, SHRDLU, Ham-RPM, ELIZA</​del>​ 
 +  * <del>Expertensystemshells:​ NEXPERT Object, Smart Elements, KEE, EMYCIN, TWAICE</del> 
se/wissensverarbeitung.1215975244.txt.gz · Zuletzt geändert: 2014-04-05 11:42 (Externe Bearbeitung)