Learning Classifier System - Versionsgeschichte

Hutch: Abschnittlink korrigiert

2024-03-20T06:51:25Z

Abschnittlink korrigiert

← Nächstältere Version		Version vom 20. März 2024, 08:51 Uhr
Zeile 1:		Zeile 1:
	Ein '''Learning Classifier System''' (LCS, {{deS}} ''Lernende Klassifikatorsysteme'') ist ein Verfahren des [[maschinelles Lernen\|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus\|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen~~#Algorithmische Ansätze~~\|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen.		Ein '''Learning Classifier System''' (LCS, {{deS}} ''Lernende Klassifikatorsysteme'') ist ein Verfahren des [[maschinelles Lernen\|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus\|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen\|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen.

	Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung\|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ({{enS}} ''input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vor allem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution\|evolviert]] und keine kompletten Regelsätze.		Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung\|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ({{enS}} ''input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vor allem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution\|evolviert]] und keine kompletten Regelsätze.

JonskiC: k

2019-12-11T13:31:38Z

← Nächstältere Version		Version vom 11. Dezember 2019, 15:31 Uhr
Zeile 1:		Zeile 1:
	Ein '''Learning Classifier System''' (LCS) ist ein Verfahren des [[maschinelles Lernen\|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus\|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen#Algorithmische Ansätze\|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen.		Ein '''Learning Classifier System''' (LCS, {{deS}} ''Lernende Klassifikatorsysteme'') ist ein Verfahren des [[maschinelles Lernen\|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus\|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen#Algorithmische Ansätze\|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen.

	Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung\|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe (~~[[englische Sprache\|engl.]]~~ ''~~Input~~'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vor allem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution\|evolviert]] und keine kompletten Regelsätze.		Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung\|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ({{enS}} ''input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vor allem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution\|evolviert]] und keine kompletten Regelsätze.

	== Literatur ==		== Literatur ==

Aka: Leerzeichen nach Komma

2014-07-02T19:31:37Z

Leerzeichen nach Komma

← Nächstältere Version		Version vom 2. Juli 2014, 21:31 Uhr
Zeile 4:		Zeile 4:

	== Literatur ==		== Literatur ==
	* Larry Bull,Tim Kovacs: ''Foundations of Learning Classifier Systems'', [[Springer Science+Business Media\|Springer-Verlag]], Berlin Heidelberg New York 2005, ISBN 3-540-25073-5		* Larry Bull, Tim Kovacs: ''Foundations of Learning Classifier Systems'', [[Springer Science+Business Media\|Springer-Verlag]], Berlin Heidelberg New York 2005, ISBN 3-540-25073-5

	[[Kategorie:Maschinelles Lernen]]		[[Kategorie:Maschinelles Lernen]]

Ot: typo + absatz

2013-09-02T06:04:45Z

typo + absatz

← Nächstältere Version		Version vom 2. September 2013, 08:04 Uhr
Zeile 1:		Zeile 1:
	Ein '''Learning Classifier System''' (LCS) ist ein Verfahren des [[maschinelles Lernen\|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus\|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen#Algorithmische Ansätze\|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen. Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung\|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ([[englische Sprache\|engl.]] ''Input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind ~~vorallem~~ die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution\|evolviert]] und keine kompletten Regelsätze.		Ein '''Learning Classifier System''' (LCS) ist ein Verfahren des [[maschinelles Lernen\|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus\|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen#Algorithmische Ansätze\|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen.

			Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung\|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ([[englische Sprache\|engl.]] ''Input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vor allem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution\|evolviert]] und keine kompletten Regelsätze.

	== Literatur ==		== Literatur ==

Schwatzwutz: HC: Ergänze Kategorie:Evolutionärer Algorithmus

2013-08-20T11:45:38Z

HC: Ergänze Kategorie:Evolutionärer Algorithmus

← Nächstältere Version		Version vom 20. August 2013, 13:45 Uhr
Zeile 5:		Zeile 5:

	[[Kategorie:Maschinelles Lernen]]		[[Kategorie:Maschinelles Lernen]]
			[[Kategorie:Evolutionärer Algorithmus]]

Schwatzwutz: HC: Ergänze Kategorie:Maschinelles Lernen

2013-08-09T16:03:09Z

HC: Ergänze Kategorie:Maschinelles Lernen

← Nächstältere Version		Version vom 9. August 2013, 18:03 Uhr
Zeile 3:		Zeile 3:
	== Literatur ==		== Literatur ==
	* Larry Bull,Tim Kovacs: ''Foundations of Learning Classifier Systems'', [[Springer Science+Business Media\|Springer-Verlag]], Berlin Heidelberg New York 2005, ISBN 3-540-25073-5		* Larry Bull,Tim Kovacs: ''Foundations of Learning Classifier Systems'', [[Springer Science+Business Media\|Springer-Verlag]], Berlin Heidelberg New York 2005, ISBN 3-540-25073-5

			[[Kategorie:Maschinelles Lernen]]

Schwatzwutz: Neuanlage, Literatur: Larry Bull,Tim Kovacs: ''Foundations of Learning Classifier Systems''

2013-08-09T16:00:39Z

Neuanlage, Literatur: Larry Bull,Tim Kovacs: ''Foundations of Learning Classifier Systems''

Neue Seite

Ein '''Learning Classifier System''' (LCS) ist ein Verfahren des [[maschinelles Lernen|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen#Algorithmische Ansätze|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen. Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ([[englische Sprache|engl.]] ''Input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vorallem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution|evolviert]] und keine kompletten Regelsätze.

== Literatur ==
* Larry Bull,Tim Kovacs: ''Foundations of Learning Classifier Systems'', [[Springer Science+Business Media|Springer-Verlag]], Berlin Heidelberg New York 2005, ISBN 3-540-25073-5