Eine neue Methode des unscharfen Schließens für Expertensysteme

Mlynski, Michael Frank; Ameling, Walter

doi:24784

Eine neue Methode des unscharfen Schließens für Expertensysteme

Mlynski, Michael Frank (Author)

2003

Verantwortlichkeitsangabevorgelegt von Michael Frank Mlynski

Ausgabe1. Aufl.

ImpressumAachen : Klinkenberg 2003

UmfangXII, 134 S. : Ill., graph. Darst.

ReiheElektrotechnik

Zugl.: Aachen, Techn. Hochsch., Diss., 2003

Zsfassung in dt. und engl. Sprache. - Internetausg. u.d.T.: Eine neue Methode des unscharfen Schließens für Expertensysteme

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Ameling, Walter (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2003-01-16

Online
URN: urn:nbn:de:hbz:82-opus-5528
URL: https://publications.rwth-aachen.de/record/61526/files/Mlynski_Michael.pdf

Einrichtungen

Fakultät für Elektrotechnik und Informationstechnik (600000)

Inhaltliche Beschreibung (Schlagwörter)
Informatik (frei) ; Expertensystem (frei) ; Fuzzy Logik (frei) ; Fuzzy Control (frei) ; SFC (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
Viele Erkrankungen des menschlichen Herzens werden heutzutage mit elektronischen Implantaten – vorzugsweise mit Herzschrittmachern (HSM) und implantierbaren Defibrillatoren (ICD) – therapiert. Als gängiges Therapiemittel wurden die Implantate in den letzten Jahrzehnten ständig weiterentwickelt, so daß inzwischen hochgradig programmierbare, prozessorgesteuerte Implantate eingesetzt werden. Die CWA GmbH, Aachen, entwickelt in Kooperation mit der Inneren Medizin I des Klinikums Aachen und der Biotronik GmbH, Berlin, Expertensysteme zur Programmierung von Implantaten, welche es dem Kardiologen ermöglichen, die Implantate unter Verwendung seines medizinischen Fachjargons und ohne tiefgreifendes technisches Detailwissen zu programmieren. Thema der vorgestellten Arbeit ist die Modellierung und Implementierung von unscharfem Wissen in Expertensystemen. Es wird auf bestehende Techniken eingegangen (Bayes-Theorem, Dempster-Shafer Theorie und Certainty Factors) und etwas ausführlicher die Fuzzy-Set Theorie mit dem Schwerpunkt Fuzzy Control vorgestellt, sowie darauf basierende Methoden zur Implementierung von unscharfem Wissen erläutert. Vor allem in Expertensystemen mit sehr großen, aus vielen hundert Regeln bestehenden Wissensbasen, zeigen die bestehenden Fuzzy Methoden auch einige Nachteile, die in dieser Arbeit ausführlich erörtert werden. Ein neuer Gedanke dieser Arbeit besteht in der Erweiterung der bestehenden Fuzzy Set Theorie um Methoden, die eine effiziente Implementierung, Verifikation und Wartung von unscharfem Wissen in großen Wissensbasen ermöglicht, bei gleichzeitiger Steigerung der Genauigkeit (im Sinne des formulierten menschlichen Expertenwissens) und Reduzierung des notwendigen Rechenaufwands. Die neue Methodik, die als Skalare Fuzzy Control bezeichnet wird, ermöglicht es, Wissen auf reale (d.h. in der Regel skalare) Größen ohne Transformation in einem mehrdimensionalen Raum linguistischer Variablen zu modellieren und anzuwenden. Dazu werden unscharfe Vergleichs- und Verknüpfungs-Operatoren hergeleitet und vorgestellt. Ausführlich werden notwendige Eigenschaften der neuen Operatoren sowie der Skalaren Fuzzy Control erörtert und bewiesen. Die neue Methodik zur Implementierung und Anwendung unscharfen Wissens wird an Hand des Themengebietes eines Expertensytems zur Programmierung von HSMs und ICDs hinsichtlich der praktischen Einsatzfähigkeit dargestellt und untersucht. Nach einer kurzen Einführung in die Problematik der Implantatprogrammierung wird an Hand von konkreten Beispielen die Wissensimplementierung und -anwendung unter Zuhilfenahme der Skalaren Fuzzy Control demonstriert und mit den Techniken des „konventionellen” Fuzzy Control verglichen. In Zusammenarbeit mit der Inneren Medizin I des Universitätsklinikum Aachen wurde die Implementierung von Medizinern und Fachexperten für eine größere Anzahl von Patientenfällen beurteilt. Insgesamt stellt sich die Skalare Fuzzy Control als wertvolles Hilfsmittel für die Implementierung von unscharfem Wissen heraus.

Many cardiac diseases are treated with electronic implants today. Typical implants are pacemakers and implantable cardioverter defibrillators (ICD). As a preferable therapeutic treatment the implants have been developed to highly programmable electronic devices in the recent decades. CWA GmbH, Aachen, Germany, develops in cooperation with the „Innere Medizin I” of the clinical center in Aachen, Germany, and the BIOTRONIK GmbH, Berlin, Germany, expert systems for programming such devices, enabling the physicians to program the devices by using their medical jargon rather than in terms of technical parameters. Thus, devices programming without detailed technical know how on the devices is possible. Topic of this thesis is the modeling and implementation of unprecise human expert knowledge within expert systems. Existing techniques are presented, above all the Bayes theorem, the Dempster Shafer theory and the theory of Certainty Factors. As one of the most important techniques to implement unprecise knowledge the Fuzzy Set Theory and Fuzzy Control in particular are discussed more detailed. The Fuzzy methods do not only distinguish themselves as important and suitable techniques, but show up with some problems when dealing with huge knowledge bases with hundreds of rules too. These problems are presented and discussed in detail. A new idea of this thesis is an extension to the existing Fuzzy Set Theory, which provides the possibility to efficiently implement, verify and validate unprecise knowledge in huge knowledge bases, while simultaneously increasing the accuracy (in the sense of the formulated human knowledge) and reducing the required calculation power. The new technique is called Scalar Fuzzy Control. It provides the possibility to directly implement human expert knowledge which deals with real data values (i.e. scalar values), instead of transforming them into multi-dimensional linguistic variables and matrices. In order to implement unprecise knowledge on the scalar values, unprecise comparison and combination operators are derived and defined. Their properties are discussed in detail and important theorems are set up and proofed. The subject of expert systems for programming pacemakers and ICDs is used to demonstrate the practical usage of the new technique. The thesis gives a short introduction to cardiac diseases and therapeutic treatments first. By using the Scalar Fuzzy Control the implementation of unprecise knowledge is demonstrated and the results are compared to implementations using the „conventional” Fuzzy Control. The implementation was inspected and proved in cooperation with physicians from the „Innere Medizin I” of the clinical center in Aachen. All in all it is shown that the Scalar Fuzzy Control is a valuable technique to implementing unprecise knowledge.

Fulltext:
PDF
(additional files)