Das Fuzzy-ROSA-Verfahren: Von der regelorientierten statistischen Analyse zur datenbasierten Generierung von interpretierbaren Takagi-Sugeno-Systemen (The Fuzzy–ROSA Method: From the Rule–Oriented Statistical Analysis to Data–Based Generation of Interpretable Takagi–Sugeno Systems)
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Article
Title:
Das Fuzzy-ROSA-Verfahren: Von der regelorientierten statistischen Analyse zur datenbasierten Generierung von interpretierbaren Takagi-Sugeno-Systemen (The Fuzzy–ROSA Method: From the Rule–Oriented Statistical Analysis to Data–Based Generation of Interpretable Takagi–Sugeno Systems)
Description:
Der Einsatz von Techniken des Data–Minings und insbesondere der datenbasierten Modellierung hat im Bereich der Automatisierungstechnik in den letzten Jahren einen regelrechten Boom erfahren. Die Gründe hierfür sind zum einen das Bedürfnis der Anwender nach Modellen für immer komplexere Systeme. Zum anderen ergeben sich aufgrund leistungsfähigerer Rechnersysteme und der Entwicklung neuer Methoden, besonders aus dem Bereich der Computational Intelligence, vielfältige Möglichkeiten, auch solche Probleme zu lösen, für die herkömmliche Lösungsansätze bisher nicht erfolgreich waren. Aus Akzeptanzgründen werden in der industriellen Praxis häufig interpretierbare Modelle gefordert. Zudem weisen sie den Vorteil auf, dass mit ihnen vorhandenes Wissen integriert und in datenbasierten Ansätzen neues Wissen extrahiert werden kann. Ein Verfahren zur datenbasierten Fuzzy–Modellierung, das sich insbesondere dann bewährt hat, wenn kompakte interpretierbare Regelsätze für komplexe Problemstellungen automatisch generiert werden sollen, ist das Fuzzy–ROSA–Verfahren. In diesem Beitrag wird das Fuzzy–ROSA–Verfahren zunächst in seiner jetzigen Form vorgestellt. Dann wird genauer auf jüngste Weiterentwicklungen eingegangen, die zu einem sehr viel breiteren Anwendungsfeld geführt haben. Es wird gezeigt, wie mit neuen Regeltest- und Bewertungsstrategien unterschiedliche Modellierungsziele berücksichtigt und welche Suchraumgrößen aufgrund der Effizienzsteigerung der Regelsuche bearbeitet werden können. Des Weiteren wird die insbesondere aus methodischer Sicht interessante Erweiterung des Fuzzy–ROSA–Verfahrens zur Generierung interpretierbarer Takagi–Sugeno–Systeme mit hoher Modellierungsgüte ausführlich vorgestellt.