English page Die AFN Exponate
AFN Logo

Arbeitsgemeinschaft für Fuzzy-Logik und Soft Computing in Norddeutschland (AFN)

Otto-von-Guericke Universität Magdeburg

Neuro-Fuzzy Logo

Fakultät für Informatik
Institut für Wissens- und Sprachverarbeitung
Neuronale Netze und Fuzzy-Systeme

Universitätsplatz 2
D-39102 Magdeburg

Ansprechpartner: Prof. Dr. Rudolf Kruse
Telefon: (0391) 67-18718
Telefax: (0391) 67-12018
E-Mail: rudolf.kruse@cs.uni-magdeburg.de
URL: http://fuzzy.cs.uni-magdeburg.de/

Ausstellungsbereich: Automatisierung / Informatik

Stichworte

Fuzzy Logik, Neuronale Netze, Neuro-Fuzzy, Regelungstechnik, Automatisierungstechnik, Datenanalyse, Data Mining, Fuzzy Clustering, probabilistische Ansätze, approximatives Schließen

Arbeitsgebiete

Die von Prof. Dr. Rudolf Kruse geleitete Gruppe erforscht Phänomene von Unsicherheit und Vagheit in wissensbasierten Systemen und entwickelt und implementiert Methoden, um diese Phänomene zu handhaben. Wir untersuchen dazu Methoden aus den Bereichen der Neuronalen Netze, der Fuzzy-Systeme, der probabilistische Ansätze und des approximativen Schließens. Diese Methoden sind besonderes geeignet, um die Toleranz kognitiven Schließens gegenüber Unsicherheit und Vagheit auszunutzen. Durch die Anwendung dieser Methoden ist es möglich, einfach zu handhabende, robuste und günstige Problemlösungen in bestimmten Anwendungsbereichen zu finden.

Zur Zeit arbeitet unsere Gruppe vorwiegend auf den folgenden Bereichen:

Neuro-Fuzzy-Systeme Fuzzy-Datenanalyse

 Unsicherheit und Vagheit in wissensbasierten Systemen

Weitere Informationen sind über unseren Internet-Server http://fuzzy.cs.uni-magdeburg.de/ verfügbar.

Unsere Exponate auf dem Forschungsforum '97

Auf dem Forschungsforum '97 stellen wir einige Software Werkzeuge vor, die von unserer Forschungsgruppe entwickelt wurden. Es handelt sich hierbei um prototypische Realisierungen der von uns entwickelten theoretischen Modelle.

FCLUSTER - Ein Werkzeug für die Fuzzy Clusteranalyse

Das Tool FCLUSTER ist ein Datenanalysewerkzeug auf der Basis verschiedener Fuzzy-Clusteringverfahren. Diese Verfahren gruppieren zusammengehörige Daten (Muster) zu sogenannten "Clustern". Dabei repräsentiert jeder Cluster eine Klasse, wie z.B. gesund, krank, kreditwürdig, nicht kreditwürdig etc..

Bei der klassischen Clusteranalyse werden die Daten jweils genau einem Cluster zugeordnet. Diese Zuordnung widerspricht jedoch häufig der intuitiven Zuordnung und kann Klassifikationsfehler hervorrufen. Bei der Fuzzy-Clusteranalyse wird daher ein Cluster nicht als eine scharfe Teilmenge der Muster, sondern als eine mehrdimensionale Fuzzy-Menge über dem Raum der Muster interpretiert. Ein Datum kann dabei mit unterschiedlichen Zugehörigkeitsgraden zu mehr als einem Cluster gehören. Nach der Durchführung der Clusteranalyse läßt sich das Ergebnis in Form von Fuzzy-Regeln darstellen. Je nach Anwendungsfall dienen diese Regeln entweder zur Klassifikation bzw. Diagnose (Datenanalyse) oder zur Funktionsapproximation (z.B. Fuzzy-Reglerentwurf).

FCLUSTER ist verfügbar für UNIX Systeme.

NEFCLASS - Neuro-Fuzzy-Klassifikation

NEFCLASS ist ein Tool zur Neuro-Fuzzy-Datenanalyse. Es erzeugt auf der Grundlage von Trainingsdaten Fuzzy-Klassifikationsregeln wie zum Beispiel "Wenn der Kontostand hoch ist und die Kontobewegungen gering sind, dann wird dem Kunden eine Anlageberatung angeboten". Die Begriffe hoch und gering werden dabei durch Fuzzy-Mengen modelliert.

Das Tool kann ohne Vorwissen beginnen und die Regelbasis vollständig aus den Trainingsdaten erzeugen. Der Benutzer muß lediglich für jede Größe die Anzahl der gewünschten Fuzzy-Mengen angeben und festlegen, wie umfangreich die Regelbasis maximal sein darf. Ausserdem besteht jedoch auch die Möglichkeit, Vorwissen zu integrieren. Z.B. kann das Tool mit bereits bekannten Klassifikationsregeln initialisiert werden um den Lernvorgang auf diese Weise zu vereinfachen bzw. zu beschleunigen.

NEFCLASS ist verfügbar für MSDOS, Microsoft Windows 95/NT und UNIX Systeme.

NEFCON-Win und NEFCON für MATLAB/SIMULINK - Werkzeuge für die Erzeugung von Fuzzy-Reglern

Das Tool NEFCON-Win ist eine Umgebung zur Erzeugung von Fuzzy-Reglern mit Hilfe eines Lernverfahrens. Es versucht durch "geleitetes Ausprobieren", ein dynamisches System unter Kontrolle zu bringen. Dabei erlernt es zunächst eine Regelbasis und optimiert im Anschluß daran die in den Regeln verwendeten Fuzzy-Mengen. Nach dem Lernvorgang hat das Tool einen Fuzzy-Regler erzeugt, dessen Regelbasis interpretierbar ist.

Der Lernvorgang wird durch vom Benutzer vorgegebene Fuzzy-Fehlerregeln gesteuert, wie z.B. "Wenn der Winkel groß ist, dann ist der Fehler groß." Das Programm kann ohne Vorwissen operieren oder, falls Vorwissen vorhanden ist, mit einer (partiellen) Regelbasis initialisiert werden.

NEFCON ist, neben einer Microsoft Windows Implementierung, auch als Toolbox für MATLAB/SIMULINK verfügbar.

Andreas Nürnberger (Andreas.Nuernberger@cs.uni-magdeburg.de), Aug. 11, 1997