Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- ZeitschriftenartikelFuzzy-Pattern-Klassifikatoren als Modelle(Informatik-Spektrum: Vol. 38, No. 6, 2015) Bocklisch, Steffen F.; Bocklisch, FranziskaModelle dienen der Speicherung von Wissen und als Basis für Entscheidungen. Sie finden Anwendung in unterschiedlichsten Bereichen wie Technik, Medizin, Wirtschaft, Psychologie, Umwelt oder Verkehr. Gerade für komplexe Zusammenhänge sind Verfahren, die auf interpretierbaren Mustern beruhen, hoch flexibel und adaptiv. Die Theorie der Fuzzy Sets hat nun das Potenzial, gleitende Übergänge zwischen den Mustern zu beschreiben und damit realitätsnahe Modelle zu entwerfen. In dem Beitrag wird speziell die Fuzzy-Pattern-Klassifikation ausgeführt, die eine parametrische Zugehörigkeitsfunktion nutzt, mit der Muster auch in hochdimensionalen Merkmalsräumen beschrieben werden können. An zwei aktuellen, deutlich unterschiedlichen Anwendungen wird beispielhaft gezeigt, wie das gleiche Modellierungskonzept in humanwissenschaftlichen (psychologischen) und in technischen Bereichen einsetzbar ist. Konkret handelt es sich zum einen um den Einsatz linguistischer Antwortskalen in Fragebogenaktionen und zum anderen um die Zeitreihen-Prognose (konkret des fluktuierenden Energieertrags von Photovoltaikanlagen). Es ist Anliegen, hierbei zumindest exemplarisch den fundamentalen Charakter und damit auch die Transdisziplinarität der Fuzzy Theorie zu zeigen.
- ZeitschriftenartikelFuzzylogik: Eine Revolution des Geistes(Informatik-Spektrum: Vol. 38, No. 6, 2015) Kaufmann, Michael A.Die heutige Wissenschaft basiert auf logischem Dualismus; Aussagen sind entweder wahr oder falsch. Es gibt also zwei Klassen von Aussagen: das Wahre, und das Falsche. In der Fuzzy-Logik [1] gibt es nicht zwei Wahrheitswerte, sondern unendlich viele: das ganze Spektrum im Intervall zwischen 1 (ganz wahr) und 0 (kein Wahrheitsanteil). Somit können zwei gegensätzliche Aussagen beide zu gewissen Graden wahr sein. Die kognitive Psychologie [8] zeigt, dass unser Gehirn Grenzen konstruiert, wo keine sind. Die Fuzzy-Logik unifiziert Gegensätze mit Graduation, löst scharfe Grenzen auf und spricht für ein inklusives, holistisches Weltbild. Die Unifikation von Gegensätzen und die Auflösung von mentalen Grenzen, das ist es, was die Anhänger begeistert und die Gegner in Rage bringt. Die Fuzzy-Logik polarisiert, weil sie scheinbar der klassischen Aussagelogik und damit der Mathematik und Wissenschaft den Teppich unter den Füßen wegzieht. Allerdings ist zu bedenken, dass die Fuzzy-Logik auf Fuzzy-Sets [17] basiert, welche wiederum mit den Werkzeugen der klassischen Mengen und Funktionen konstruiert sind. Die Fuzzy-Logik stützt sich auf die klassische binäre Logik. Zudem schrieb Zadeh [19]: ,,Fuzzy Logic is not Fuzzy“ – Fuzzy-Logik ist nicht unscharf. Es handelt sich vielmehr um eine präzise Logik zum Umgang mit Unschärfe.
- ZeitschriftenartikelDie verwobene Geschichte von Informatik und Fuzzy Sets(Informatik-Spektrum: Vol. 38, No. 6, 2015) Seising, Rudolf
- ZeitschriftenartikelFuzzy-Logik und die Frage sozialer Ordnungsbildung(Informatik-Spektrum: Vol. 38, No. 6, 2015) Winter, Lars; Kron, ThomasIm vorliegenden Beitrag soll aus einer soziologischen Binnenperspektive das fuzzylogische Denken in und für die Soziologie rekonstruiert werden, um Anschlüsse zu markieren, wie die Fuzzy Logik für die Soziologie fruchtbar gemacht werden könnte. Dabei wird für das Soziale die Unschärfe im Sinne von Unbestimmtheit als Ausgangspunkt aller sozialer Ordnung für grundlegend erachtet. Es erweist sich allerdings, dass soziologische Theorien die Lösung des Problems sozialer Ordnung oftmals zweiwertig reduzieren. Dies gilt für Theorien, welche auf rational optierende Akteure im Sinne von Wahrscheinlichkeitskalkulatoren bzw. auf bi-stabile Ordnungsstrukturen sozialer Systeme rekurrieren. Dagegen finden sich aber durchaus Ansätze in der Soziologie, die mehr Komplexität zulassen und dafür sensibilisieren, dass die ,,Wirklichkeit“ sozialer Phänomene sich einem strikt zweiwertigen Denken widersetzen. Damit öffnet sich die Soziologie für die Fuzzy Logik.
- ZeitschriftenartikelDagstuhl Manifesto(Informatik-Spektrum: Vol. 38, No. 6, 2015)
- ZeitschriftenartikelSchatten-IT(Informatik-Spektrum: Vol. 38, No. 6, 2015) Rentrop, Christopher; Zimmermann, Stephan
- ZeitschriftenartikelDas Netz-Panopticon(Informatik-Spektrum: Vol. 38, No. 6, 2015) Dueck, Gunter
- Zeitschriftenartikel50 Jahre Fuzzy Sets(Informatik-Spektrum: Vol. 38, No. 6, 2015) Portmann, Edy; Seising, Rudolf; Engesser, Hermann
- ZeitschriftenartikelFifty Fuzzily Gone, Many More to Go(Informatik-Spektrum: Vol. 38, No. 6, 2015) Tabacchi, Marco Elio; Termini, SettimoFifty years of Fuzziness represents a good chance to look back on the rich history of the discipline and the scientists that were part of this history, and at the long and varied course of one of the few really innovative, disruptive ideas of the last century, including the development of its many applications. But instead we would like to take this interesting opportunity to discuss the present state of affairs, especially in relation to the application of Fuzziness to the cognitive domain. From such reflections a possible path is defined toward the evolution of Fuzziness, under the umbrella of computational intelligence, toward an all-encompassing experimental science of language, reasoning, and cognition.
- ZeitschriftenartikelType-2 Fuzzy Sets and Systems: a Retrospective(Informatik-Spektrum: Vol. 38, No. 6, 2015) Mendel, Jerry M.This article provides a high-level retrospective of type-2 fuzzy sets and fuzzy logic systems. It explains how type-2 fuzzy sets can be used to model membership function uncertainties, and how by doing this smoother performance can be obtained than by using type-1 fuzzy sets. It also summarizes the notation that should be used for type-2 fuzzy sets, describes four important mathematical representations for these fuzzy sets, explains the differences between type-1 and type-2 fuzzy logic systems and which of the four representations is most useful when designing an optimal type-2 fuzzy logic system, provides a very useful strategy for optimal designs of fuzzy logic systems – one that guarantees performance improvement as one goes from a type-1 fuzzy logic system to a type-2 fuzzy logic system design – , and describes four methods for simplifying the designs of type-2 fuzzy logic systems. Finally, it explains why type-2 fuzzy sets can capture two kinds of linguistic uncertainties simultaneously (the uncertainty of an individual and the uncertainties of a group about a word), whereas type-1 fuzzy sets cannot, and that such type-2 fuzzy set word models are what should be used to implement Zadeh’s Computing With Words paradigm.