In der Wirtschaft werden seit vielen Jahren computergestützte Systeme
zur Entscheidungsfindung eingesetzt. Die komplexe Umwelt des Menschen erschwert es allerdings, alle Entscheidungen in nur zwei Kategorien einzuordnen. Gerade für die Computerunterstützung ergeben sich dadurch neue Herausforderungen. Können die Handlungen, Denkweisen und Entscheidungsmuster des Menschen nachgeahmt werden, lassen sich damit auch komplexe Probleme lösen, ohne Kenntnis der formalen Modelle.
In der Forschung haben sich in dieser Richtung zwei Bereiche herauskristallisiert. Zum einen sind das die künstlichen Neuronalen Netze, mit denen versucht wird, kognitive Leistungen des Menschen nachzubilden. Zum anderen ist das die Fuzzy Logik, mit der unscharfe Begriffe aus dem menschlichen Alltag wie „wenig“, „sehr“ oder „viel“ modelliert werden können. Die Verknüpfung dieser beiden Methoden hat sich unter Neuro-Fuzzy etablieren können.
Diese Arbeit verfolgt das Ziel, einen aktuellen und umfassenden Überblick über die Thematik der Neuro-Fuzzy-Systeme zu liefern. Dabei wird auf die Theorie der Neuronalen Netze und der Fuzzy Logik nicht weiter eingegangen, sondern auf die einschlägige Literatur verwiesen. Der Fokus liegt allein auf den Neuro-Fuzzy-Systemen und deren Entwicklungstendenzen. Das heißt zum einen, dass die theoretischen Konzepte aus der Literatur vorgestellt werden und verlangt zum anderen, dass die praktische Relevanz anhand ausgewählter Beispiele aus wirtschaftswissenschaftlicher Sicht aufgezeigt wird.
Im 2. Kapitel dieser Arbeit werden die Grundlagen von Neuro-Fuzzy umrissen, welchen Konzepten sie zugrunde liegt und wie sich Neuronale Netze und Fuzzy-Systeme miteinander kombinieren lassen. Darauf aufbauend werden im 3. Kapitel die Neuro-Fuzzy-Systeme nach der Art ihrer Kopplung in kooperative und hybride Systeme unterschieden und die gängigsten Neuro-Fuzzy-Ansätze aus der Literatur vorgestellt. Die Einsatzmöglichkeiten von Neuro-Fuzzy-Systemen in der Praxis werden im 4. Kapitel aufgezeigt. Dazu werden Anwendungen in der explorativen Datenanalyse, im Unternehmenskrisenmanagement, im Verkehrsmanagement, in den Umwelttechnologien sowie in der Industrie und Technik angeführt, da in diesen Bereichen häufig Neuro-Fuzzy-Methoden eingesetzt werden. Es gibt überdies noch weitere Anwendungsgebiete, wie etwa die Medizin5, die jedoch nicht im Fokus dieser Arbeit stehen. Im 5. Kapitel werden anhand der theoretischen Überlegungen aus Kapitel 3 und den praktischen Umsetzungen...
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.
- Arbeit zitieren
- Alexander Winterstein (Autor:in), 2009, Stand der Entwicklungstendenzen von Neuro-Fuzzy-Systemen und Anwendungen, München, GRIN Verlag, https://www.grin.com/document/178905