Objekt-Metadaten
Data-driven system identification via evolutionary retrieval of Takagi-Sugeno fuzzy models

Autor :Ingo Renners
Herkunft :OvGU Magdeburg, Fakultät für Informatik
Datum :28.06.2004
 
Dokumente :
Dataobject from HALCoRe_document_00006785
 
Typ :Dissertation
Format :Text
Kurzfassung :Systemidentifikation hat die Aufgabe, eine Anzahl von zusammengehörenden Komponenten der realen Welt in einem Modell abzubilden. Wenn diese Abbildung durch den Transfer von menschlichem Expertenwissen in ein Modell geschieht, wird dies als wissensbasierte Modellierung bezeichnet. Wenn die Informationen über das System allerdings nur implizit und formlos in Datenbeständen vorliegen, wird die Abbildung dieses Wissens mit Hilfe von Algorithmen als datengetriebene Modellierung bezeichnet. In dieser Arbeit wird vorgeschlagen, für die datengetriebene Systemidentifizierung die Klasse der sogenannten Takai-Sugeno Fuzzy Modelle zu benutzen. Dies wird durch das Vorhandensein effektiver Lernalgorithmen für diese Klasse von Modellen begründet. Des weiteren ist es oft vorteilhaft, die bei der Systemidentifizierung gefundenen Modelle auch interpretieren zu können. Daher wird auf die Formulierung verschiedener Interpretierbarkeitsfaktoren, welche zu einem objektiven und leicht zu implementierenden Interpretierbarkeitsmaß für Takagi-Sugeno-Modelle zusammengeführt werden können, besonderer Wert gelegt. Um optimale Strukturen der Modelle zu identifizieren, werden neue Konzepte aus dem Bereich der Heuristik, speziell der evolutionären Berechnungsmethoden, als generell nutzbare Suchmethode angewendet. Optimale und schlanke Modellstrukturen sind in Hinsicht auf Genauigkeit, aber insbesondere im Hinblick auf die Generalisierungfähigkeit von Modellen sehr wünschenswert. Allerdings spielt die notwendige Kodierung von potentiellen Modellen innerhalb einer künstlichen Evolution eine bedeutende, wenn nicht sogar die entscheidende Rolle. Aus diesem Grunde wird in dieser Arbeit eine in diesem Zusammenhang neuartige Methode der Kodierung vorgeschlagen. Dabei wird der Suchraum eines evolutionären Algorithmus durch sogenannte Genotyp-Schablonen aufgespannt, welche mit Hilfe einer kontextfreien Grammatik formuliert werden. Die vorgeschlagene Methode zur Systemidentifizierung mittels Takagi-Sugeno-Modellen wird dann an einem künstlichen und einem komplexen realen Problem getestet. In der realen Problemstellung geht es um die Identifikation von Modellen, welche die Toxizität von Molekülen vorhersagen. Diese Modelle sollen also einen Zusammenhang von einfach zu messenden oder zu berechnenden Eigenschaften von Molekülen, sogenannten molekularen Deskriptoren, zu deren Giftigkeit aufdecken und herstellen.
Schlagwörter :Systemidentifikation evolutionär datengetrieben automatisch model fuzzy Takagi-Sugeno Grammatik Genotyp
interpretierbar Giftigkeitsprognose
Rechte :Dieses Dokument ist urheberrechtlich geschützt.
Größe :183 S.
 
Erstellt am :24.04.2009 - 07:58:44
Letzte Änderung :22.04.2010 - 07:53:45
MyCoRe ID :HALCoRe_document_00006785
Statische URL :http://edoc.bibliothek.uni-halle.de/servlets/DocumentServlet?id=6785