Lernen hierarchischer Fuzzy-Regelmodelle
Dateien
Datum
Autor:innen
Herausgeber:innen
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Schriftenreihe
Auflagebezeichnung
URI (zitierfähiger Link)
Internationale Patentnummer
Link zur Lizenz
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Sammlungen
Core Facility der Universität Konstanz
Titel in einer weiteren Sprache
Publikationstyp
Publikationsstatus
Erschienen in
Zusammenfassung
Hierarchien von Regelmodellen bestehen aus verschiedenen Schichten von einfachen Regelmodellen, die das Konzept des Ursprungs der Daten in jedem Niveau zu einem bestimmten Detailgrad beschreiben. In den oberen Schichten erklären nur wenige Regeln grob das Konzept der Daten. Dagegen konzentrieren sich Regeln weiter unten in der Hierarchie auf Details, aber auch auf Artefakte und Ausreißer. Eine Hierarchie von Regelmodellen kann durch einen lokalen Lerner induziert werden und erklärt über die Ebenen der Hierarchie die Daten vollständig. Durch die Verwendung eines einfachen Lernverfahrens mit verständlicher Hypothesensprache bleibt die Hierarchie auch im Falle von komplexen Zusammenhängen in den Daten interpretierbar. Diese hierarchischen Modelle helfen bei der Exploration von großen Datenbeständen und können insbesondere auch für die Klassifikation unbekannter Daten verwendet werden.
Zusammenfassung in einer weiteren Sprache
Hierarchies of rule models consist of different layers of simple rule models that describe the concept of the origin of the data in each layer according to a certain degree of detail. In the upper layers only a few rules exist that roughly approximate the concept, while rules further down in the hierarchy concentrate not only on details, but also on artifacts and outliers. A hierarchy of models is usually induced by a local learner, which completely explains the data throughout the hierarchy levels. By using a simple learning algorithm with an understandable hypothesis language, the hierarchy remains interpretable even in the event of complex concepts in the data. These hierarchical models help explore large amounts of data and may also be used particularly for the classification of unknown data.
Fachgebiet (DDC)
Schlagwörter
Konferenz
Rezension
Zitieren
ISO 690
GABRIEL, Thomas R., 2010. Lernen hierarchischer Fuzzy-Regelmodelle [Dissertation]. Konstanz: University of KonstanzBibTex
@phdthesis{Gabriel2010Lerne-6334,
year={2010},
title={Lernen hierarchischer Fuzzy-Regelmodelle},
author={Gabriel, Thomas R.},
address={Konstanz},
school={Universität Konstanz}
}RDF
<rdf:RDF
xmlns:dcterms="http://purl.org/dc/terms/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:bibo="http://purl.org/ontology/bibo/"
xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
xmlns:foaf="http://xmlns.com/foaf/0.1/"
xmlns:void="http://rdfs.org/ns/void#"
xmlns:xsd="http://www.w3.org/2001/XMLSchema#" >
<rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/6334">
<dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6334/1/Diss_ThomasGabriel.pdf"/>
<dc:contributor>Gabriel, Thomas R.</dc:contributor>
<dcterms:abstract xml:lang="deu">Hierarchien von Regelmodellen bestehen aus verschiedenen Schichten von einfachen Regelmodellen, die das Konzept des Ursprungs der Daten in jedem Niveau zu einem bestimmten Detailgrad beschreiben. In den oberen Schichten erklären nur wenige Regeln grob das Konzept der Daten. Dagegen konzentrieren sich Regeln weiter unten in der Hierarchie auf Details, aber auch auf Artefakte und Ausreißer. Eine Hierarchie von Regelmodellen kann durch einen lokalen Lerner induziert werden und erklärt über die Ebenen der Hierarchie die Daten vollständig. Durch die Verwendung eines einfachen Lernverfahrens mit verständlicher Hypothesensprache bleibt die Hierarchie auch im Falle von komplexen Zusammenhängen in den Daten interpretierbar. Diese hierarchischen Modelle helfen bei der Exploration von großen Datenbeständen und können insbesondere auch für die Klassifikation unbekannter Daten verwendet werden.</dcterms:abstract>
<foaf:homepage rdf:resource="http://localhost:8080/"/>
<dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/36"/>
<bibo:uri rdf:resource="http://kops.uni-konstanz.de/handle/123456789/6334"/>
<dcterms:alternative>Learning Hierarchical Fuzzy-Rulesystems</dcterms:alternative>
<dcterms:issued>2010</dcterms:issued>
<dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:11:31Z</dc:date>
<dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/>
<dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6334/1/Diss_ThomasGabriel.pdf"/>
<dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/36"/>
<dc:format>application/pdf</dc:format>
<dc:language>deu</dc:language>
<dcterms:title>Lernen hierarchischer Fuzzy-Regelmodelle</dcterms:title>
<dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:11:31Z</dcterms:available>
<dc:creator>Gabriel, Thomas R.</dc:creator>
<dc:rights>terms-of-use</dc:rights>
<void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
</rdf:Description>
</rdf:RDF>
