Download Betriebswirtschaftliche Anwendungen des Soft Computing: by Prof. Dr. Andreas Zell (auth.), Jörg Biethahn, Albrecht PDF

By Prof. Dr. Andreas Zell (auth.), Jörg Biethahn, Albrecht Hönerloh, Jochen Kuhl, Marie-Claire Leisewitz, Volker Nissen, Martin Tietze (eds.)

Prof. Dr. Jörg Biethahn ist Inhaber des Lehrstuhls für Wirtschaftsinformatik i'm Institut für Wirtschaftsinformatik der Georg-August-Universität Göttingen. Dort sind auch Dr. Volker Nissen als Wiss. Assistent und Frau Marie-Claire Leisewitz sowie Herr Martin Tietze als Mitarbeiter beschäftigt. Dr. Albrecht Hönerloh arbeitet im Projektmanagement bei Kraft-Jacobs-Suchard, Bremen. Dr. Jochen Kuhl ist als selbständiger Unternehmensberater tätig. Alle Herausgeber verfügen über mehrjährige Erfahrungen im Bereich delicate Computing. Dr. Kuhl und Dr. Nissen sind die Sprecher des Arbeitskreises "Soft Computing in der Betriebswirtschaft" der AG Fuzzy Logik und gentle Computing Norddeutschland (AFN).

Show description

Read or Download Betriebswirtschaftliche Anwendungen des Soft Computing: Neuronale Netze, Fuzzy-Systeme und Evolutionäre Algorithmen PDF

Best german_5 books

Additional info for Betriebswirtschaftliche Anwendungen des Soft Computing: Neuronale Netze, Fuzzy-Systeme und Evolutionäre Algorithmen

Sample text

J. (1994): The Roots of Backpropagation: From Ordered Derivatives to Neural Networks and Political Forecasting. E. (1960): Adaptive Switching Circuits. 1960 IRE WESCON Convention Record, New York, IRE: 96-104; auch in [Anderson/Rosenfeld 1988]: 126-134. Zell, A. (1994): Simulation Neuronaler Netze. Addison-Wesley, Nachdruck im Oldenbourg-Verlag, 1997 34 Fuzzy-Systeme und Neuro-Fuzzy-Systeme Detlef Nauck und Rudolf Kruse l Zusammenfassung: Die Anwendung von Fuzzy-Systemen hat sich in den letzten Jahren immer mehr in Bereiche der Betriebswirtschaft, Datenanalyse, Medizin usw.

Die letzten drei Spalten geben die Zugehorigkeiten der Hauser zu der Fuzzy-Menge "giinstiges und nahelegendes Haus" an, die rnittels drei unterschiedlicher Operatoren errnittelt wurde. B. das Minimum zur Realisierung der "und"-Verknupfung verwenden (Jl(min», dann entscheiden wir uns fur das Haus H2, obwohl HI erheblich preisgiinstiger und dabei nur wenig entfernter ist. 433 Haus Wenn mehrere Kriterien eine Rolle spielen, dann sollten kompensatorische Effekte berucksichtigt werden, urn menschliche Entscheidungen nachzubilden.

Es unterscheidet sich vom NEFPROXSystem in der Ausgabeschicht, die in diesem Fall Klassenbezeichnungen kodiert. BildS: Zwei NeuroFuzzy-Systeme vomTyp NEFPROX (links) bzw. NEFCLASS (rechts) Die in der Struktur kodierten Regeln lassen sich direkt ablesen. Jede Einheit der inneren Schicht reprasentiert eine Fuzzy-Regel. Die Regel Rz des dargestellten NEFPROX-Systems (Bild 5, links) lautet: IF Xl is ~1 (1) AND x2 is ~2(2) 'l'HEN Y1 is V1 (1) ,Y2 is V2(1). Ftir das abgebildete NEFCLASS-System, das Klassifikationsregeln kodiert, lautet die Regel Rz: Beide Modelle sind in der Lage, sowohl Fuzzy-Mengen als auch Fuzzy-Regeln zu erlernen.

Download PDF sample

Rated 4.46 of 5 – based on 21 votes