Získávání znalostí z EEG dat pomocí umělých neuronových sítí
Popis výsledku
Získávání logických pravidel z dat je po téměř 15 roků klíčovou aplikací umělých neuronových sítí v dobývání znalostí z dat. Vetšina metod získávání pravidel založených na neuronových sítích však spočívá na heuristikách a jejich teoretické základy nejsouvelmi hluboké. To platí zejména o metodách získávajících pravidla fuzzy logiky, které obvykle dovolují míchat různé logické spojky takovým způsobem, že pravdivostní hodnotu získaných pravidel nelze správně ohodnotit v žádném konkrétním modelu fuzzy logiky. Tento článek ukazuje, že takové míchání spojek není zapotřebí. Detailně je popsána metoda získávání pravidel v obecně fuzzy disjunktivní normální formě, pro niž je jedním ze základních principů ohodnotitelnost pravdivostní hodnoty v jediném modelu, aje ilustrována na EEG datech.
Klíčová slova
Identifikátory výsledku
Kód výsledku v IS VaVaI
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Knowledge Extraction from EEG Data using Fuzzy Neural Networks
Popis výsledku v původním jazyce
The extraction of logical rules from data has been, for nearly fifteen years, a key application of artificial neural networks in data mining. However, most of the ANN-based rules extraction methods rely primarily on heuristics, and their underlying theoretical fundamentals are not very deep. That is especially much true for methods extracting fuzzy logic rules, which usually allow to mix different logical connectives in such a way that extracted rules can not be correctly evaluated in any particular fuzzy logic model. This paper shows that mixing of connectives is not needed. A method for the extraction of rules in a general fuzzy disjunctive normal form, for which the evaluation of the extracted rules in a single model is one of the basic principles,is described in detail and illustrated on EEG data.
Název v anglickém jazyce
Knowledge Extraction from EEG Data using Fuzzy Neural Networks
Popis výsledku anglicky
The extraction of logical rules from data has been, for nearly fifteen years, a key application of artificial neural networks in data mining. However, most of the ANN-based rules extraction methods rely primarily on heuristics, and their underlying theoretical fundamentals are not very deep. That is especially much true for methods extracting fuzzy logic rules, which usually allow to mix different logical connectives in such a way that extracted rules can not be correctly evaluated in any particular fuzzy logic model. This paper shows that mixing of connectives is not needed. A method for the extraction of rules in a general fuzzy disjunctive normal form, for which the evaluation of the extracted rules in a single model is one of the basic principles,is described in detail and illustrated on EEG data.
Klasifikace
Druh
C - Kapitola v odborné knize
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2005
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název knihy nebo sborníku
Neurodynamics and Neuroinformatics Studies
ISBN
80-903298-3-7
Počet stran výsledku
14
Strana od-do
144-157
Počet stran knihy
—
Název nakladatele
Ústav informatiky AV ČR, FD ČVUT
Místo vydání
Praha
Kód UT WoS kapitoly
—
Základní informace
Druh výsledku
C - Kapitola v odborné knize
CEP
BA - Obecná matematika
Rok uplatnění
2005