Modelle 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 hochdimensionalenMerkmalsräumen beschrieben werden können. An zwei aktuellen, deutlich unterschiedlichen Anwendungen wird beispielhaft gezeigt, wie das gleicheModellierungskonzept 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 istAnliegen, hierbei zumindest exemplarisch den fundamentalen Charakter und damit auch die Transdisziplinarität der Fuzzy Theorie zu zeigen.
%0 Journal Article
%1 BocklischBocklisch15insk
%A Bocklisch, Steffen F.
%A Bocklisch, Franziska
%D 2015
%J Informatik-Spektrum
%K 01614 springer paper ai knowledge processing fuzzy pattern recognition logic
%N 6
%P 510--522
%R 10.1007/s00287-015-0922-9
%T Fuzzy-Pattern-Klassifikatoren als Modelle
%V 38
%X Modelle 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 hochdimensionalenMerkmalsräumen beschrieben werden können. An zwei aktuellen, deutlich unterschiedlichen Anwendungen wird beispielhaft gezeigt, wie das gleicheModellierungskonzept 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 istAnliegen, hierbei zumindest exemplarisch den fundamentalen Charakter und damit auch die Transdisziplinarität der Fuzzy Theorie zu zeigen.
@article{BocklischBocklisch15insk,
abstract = {Modelle 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 hochdimensionalenMerkmalsräumen beschrieben werden können. An zwei aktuellen, deutlich unterschiedlichen Anwendungen wird beispielhaft gezeigt, wie das gleicheModellierungskonzept 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 istAnliegen, hierbei zumindest exemplarisch den fundamentalen Charakter und damit auch die Transdisziplinarität der Fuzzy Theorie zu zeigen.},
added-at = {2016-05-22T09:52:57.000+0200},
author = {Bocklisch, Steffen F. and Bocklisch, Franziska},
biburl = {https://www.bibsonomy.org/bibtex/2db39f8901c4a4563279ee9395eeaaa2e/flint63},
doi = {10.1007/s00287-015-0922-9},
file = {SpringerLink:2015/BocklischBocklisch15insk.pdf:PDF},
groups = {public},
interhash = {22e17c2380f3e9ee81b2c23fcb83bee7},
intrahash = {db39f8901c4a4563279ee9395eeaaa2e},
issn = {0170-6012},
journal = {Informatik-Spektrum},
keywords = {01614 springer paper ai knowledge processing fuzzy pattern recognition logic},
month = {#dec#},
number = 6,
pages = {510--522},
timestamp = {2018-04-16T12:34:08.000+0200},
title = {{Fuzzy-Pattern-Klassifikatoren als Modelle}},
username = {flint63},
volume = 38,
year = 2015
}