| 摘要 |
<p>Viele nichtlineare Abhängigkeiten, z.B. in verfahrenstechnischen Prozessen, lassen sich nur unzureichend analytisch beschreiben. Wirtschaftlich vertretbar ist jedoch die empirische Modellbildung anhand von Meßdaten mit Hilfe neuronaler Netze. Dabei ist die Verteilung der Lerndaten ein gravierendes Problem, denn es ist häufig unmöglich, einen technischen Prozeß vollständig durchzumessen. Als Folge davon liefert die empirische Modellbildung mit neuronalen Netzen nur ein für einen Teilbereich gültiges Prozeßmodell. Der Gültigkeitsbereich dieses Modells wird mit Hilfe einer kontinuierlichen Funktion repräsentiert, welche die Zugehörigkeit von Daten zum Gültigkeitsbereich angibt.</p> |
