课题基金 / 基金详情

Data-Driven Design of Evolving Fuzzy Systems: Enhancing Interpretability, Reliability, and User-Interaction

Data-Driven Design of Evolving Fuzzy Systems: Enhancing Interpretability, Reliability, and User-Interaction
演化模糊系统的数据驱动设计:增强可解释性、可靠性和用户交互
批准号:
139695254
负责人:
Professor Dr. Eyke Hüllermeier
金额:
$0.0万
依托单位国家:
德国
项目类别:
Research Grants
财政年份:
2010
资助国家:
德国
项目状态:
已结题
起止时间:
2009-12-31 至 2013-12-31

项目摘要

项目成果

Professor Dr. Eyke Hüllermeier的其他基金

相似基金

相关文献

中文摘要
翻译
在“模糊系统”(EFS)中,首先是在lernfähiges系统中,然后是在veränderliche系统中创建一个永久的数据集。在未来的发展中,我们将在未来的发展中,在未来的发展中,我们将在未来的发展中,在未来的发展中,我们将在未来的发展中取得更大的进步Prädiktionsgüte。来自Anwendersicht】Kriterium derVerstandlichkeit allerdings不相关的看守者。模糊系统(模糊系统)、模糊系统(模糊系统)、模糊系统(模糊系统)、模糊系统(模糊系统)、模糊系统(模糊系统)、模糊系统(模糊系统)、模糊系统(模糊系统)、模糊系统(模糊系统)和模糊系统(模糊系统)。引用本文:王晓东,王晓东,王晓东,王晓东,王晓东,等。研究对象gehören Ansätze zur Reduzierung derKomplexität, eine wiichtige Voraussetzung fgr eine verständliche(语言学家)模型分析,eine weitere Anforderung ist die Verlässlichkeit gelernter Modelfe。德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国Prädiktionen;idealerwise ist in model inder age, seine eigene Verlässlichkeit korrekt einzuschätzen。动态系统动力学研究:动态系统动力学研究,动态系统动力学研究。
英文摘要
Ein "avouierendes Fuzzy-System" (EFS) ist ein lernfähiges System, das sich anhandbeobachteter Daten permanent an veränderliche Umweltbedingungen anpasst. Die aktuelleForschung in diesem noch jungen Gebiet konzentriert sich im Wesentlichen auf das Lernenvon Modellen mit hoher Prädiktionsgüte. Aus Anwendersicht ist das Kriterium derVerständlichkeit allerdings nicht minder relevant. Fuzzy-Systeme besitzen wie kaum einanderer Ansatz das Potential, die Kriterien der Präzision und Verständlichkeit zukombinieren, und dieses Potential soll im Rahmen des Projektes ausgeschöpft werden. DasZiel besteht darin, Konzepte, Methoden und Algorithmen zur Verbesserung derNutzerfreundlichkeit von EFS zu entwickeln. Hierzu gehören Ansätze zur Reduzierung derKomplexität, eine wichtige Voraussetzung für eine verständliche (linguistische) Darstellungvon Modellen, Eine weitere Anforderung ist die Verlässlichkeit gelernter Modelfe. Dieserfordert die Erfassung und adäquate Repräsentation unterschiedlicher Formen vonUnsicherheit in Bezug auf die Modelle und deren Prädiktionen; idealerweise ist ein Modell inder Lage, seine eigene Verlässlichkeit korrekt einzuschätzen. Schließlich sollen neuartigeTechniken zur Visualisierung von EFS entwickelt werden, die es einem Nutzer erlauben,dynamisch mit dem System zu interagieren.
期刊论文(0)
专著(0)
科研奖励(0)
会议论文
Multilabel Rule Learning
  • 批准号:
    400845550
  • 项目类别:
    Research Grants
  • 资助金额:
    $0.0万
  • 财政年份:
    2018
  • 负责人:
    Professor Dr. Eyke Hüllermeier
  • 依托单位:
Modellieren, Lernen und Verarbeiten von Erfahrungswissen im Case-Based Reasoning auf der Grundlage präferenzbasierter Methoden - Präferenzbasiertes CBR
Lernen von Fuzzy-Präferenzmodellen: Methoden und Anwendungen in personalisierten Informationssystemen
Remaining Useful Lifetime for New and Used Technical Systems under Non-Stationary Conditions
国内基金
海外基金
Data-driven Recommendation System Construction of an Online Medical Platform Based on the Fusion of Information