„Learning Classifier System“ – Versionsunterschied
| [gesichtete Version] | [gesichtete Version] |
Aka (Diskussion | Beiträge) K Leerzeichen nach Komma |
k |
||
| 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 ( |
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 == |
||
Version vom 11. Dezember 2019, 15:31 Uhr
Ein Learning Classifier System (LCS, deutsch Lernende Klassifikatorsysteme) ist ein Verfahren des maschinellen Lernens, bei dem evolutionäre Algorithmen mit klassischen Lernalgorithmen kombiniert werden, um adaptive Systeme zu erzeugen.
Diese Systeme basieren auf Regeln, die traditionell die Form der bedingten Anweisung (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe (englisch 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 evolviert und keine kompletten Regelsätze.
Literatur
- Larry Bull, Tim Kovacs: Foundations of Learning Classifier Systems, Springer-Verlag, Berlin Heidelberg New York 2005, ISBN 3-540-25073-5