Dr. Rudolf Seising studierte Mathematik, Physik und Philosophie in Bochum, war Wissenschaftlicher Mitarbeiter an der Fakultät für Informatik der Universität der Bundeswehr München und ist jetzt Wissenschaftlicher Assistent in der Wissenschaftsgeschichte an der Fakultät für Sozialwissenschaften derselben Universität; 1995 promovierte er an der Ludwig-Maximilians-Universität in München im Fach Wissenschaftstheorie.

• Geschichte.- Supervaluvagefuzzysoritalhistorisch, oder: Ein kurzer Bericht der langen Geschichte, wie die Vagheit auf den Begriff und unter die Formel kam.- Die Stochastik zwischen Laplace und Poincaré.- Wahrscheinlichkeitsrechnung im frühen 20. Jahrhundert — Aspekte einer Erfolgsgeschichte.- Von der Fuzzy Set Theorie zur Computational Intelligence.- Modelle.- Mehrwertige Logik und unscharfe Mengen.- Bausteine der Fuzzy Logic: t-Normen — Eigenschaften und Darstellungssätze.- Allgemeine Bemerkungen zu nichtklassischen Logiken.- Meinungen.- Fuzzy Theorie als Alternative zur Stochastik — Was heißt hier: Eine Alternative?.- Fuzzy Daten und Stochastik.- Unscharfe Analyse unscharfer Daten.- Fuzzy Theorie — eine Alternative zur Stochastik? Eine Podiumsdiskussion.- Anwendungen.- Zur Modellierung von Unsicherheit realer Probleme.- Fuzzy Regelung.- Behandlung von Ungewißheit und Vagheit in Kommunikationsnetzen.- Probabilistische und Fuzzy Methoden für die Clusteranalyse.- Fuzzy Methoden in der Datenanalyse.- Anwendung von Fuzzy Systemen zur Prozeßoptimierung.

Dr. Rudolf Seising studierte Mathematik, Physik und Philosophie in Bochum, war Wissenschaftlicher Mitarbeiter an der Fakultät für Informatik der Universität der Bundeswehr München und ist jetzt Wissenschaftlicher Assistent in der Wissenschaftsgeschichte an der Fakultät für Sozialwissenschaften derselben Universität; 1995 promovierte er an der Ludwig-Maximilians-Universität in München im Fach Wissenschaftstheorie.

• Geschichte.- Supervaluvagefuzzysoritalhistorisch, oder: Ein kurzer Bericht der langen Geschichte, wie die Vagheit auf den Begriff und unter die Formel kam.- Die Stochastik zwischen Laplace und Poincaré.- Wahrscheinlichkeitsrechnung im frühen 20. Jahrhundert — Aspekte einer Erfolgsgeschichte.- Von der Fuzzy Set Theorie zur Computational Intelligence.- Modelle.- Mehrwertige Logik und unscharfe Mengen.- Bausteine der Fuzzy Logic: t-Normen — Eigenschaften und Darstellungssätze.- Allgemeine Bemerkungen zu nichtklassischen Logiken.- Meinungen.- Fuzzy Theorie als Alternative zur Stochastik — Was heißt hier: Eine Alternative?.- Fuzzy Daten und Stochastik.- Unscharfe Analyse unscharfer Daten.- Fuzzy Theorie — eine Alternative zur Stochastik? Eine Podiumsdiskussion.- Anwendungen.- Zur Modellierung von Unsicherheit realer Probleme.- Fuzzy Regelung.- Behandlung von Ungewißheit und Vagheit in Kommunikationsnetzen.- Probabilistische und Fuzzy Methoden für die Clusteranalyse.- Fuzzy Methoden in der Datenanalyse.- Anwendung von Fuzzy Systemen zur Prozeßoptimierung.

Dr. Rudolf Seising studierte Mathematik, Physik und Philosophie in Bochum, war Wissenschaftlicher Mitarbeiter an der Fakultät für Informatik der Universität der Bundeswehr München und ist jetzt Wissenschaftlicher Assistent in der Wissenschaftsgeschichte an der Fakultät für Sozialwissenschaften derselben Universität; 1995 promovierte er an der Ludwig-Maximilians-Universität in München im Fach Wissenschaftstheorie.

• Geschichte.- Supervaluvagefuzzysoritalhistorisch, oder: Ein kurzer Bericht der langen Geschichte, wie die Vagheit auf den Begriff und unter die Formel kam.- Die Stochastik zwischen Laplace und Poincaré.- Wahrscheinlichkeitsrechnung im frühen 20. Jahrhundert — Aspekte einer Erfolgsgeschichte.- Von der Fuzzy Set Theorie zur Computational Intelligence.- Modelle.- Mehrwertige Logik und unscharfe Mengen.- Bausteine der Fuzzy Logic: t-Normen — Eigenschaften und Darstellungssätze.- Allgemeine Bemerkungen zu nichtklassischen Logiken.- Meinungen.- Fuzzy Theorie als Alternative zur Stochastik — Was heißt hier: Eine Alternative?.- Fuzzy Daten und Stochastik.- Unscharfe Analyse unscharfer Daten.- Fuzzy Theorie — eine Alternative zur Stochastik? Eine Podiumsdiskussion.- Anwendungen.- Zur Modellierung von Unsicherheit realer Probleme.- Fuzzy Regelung.- Behandlung von Ungewißheit und Vagheit in Kommunikationsnetzen.- Probabilistische und Fuzzy Methoden für die Clusteranalyse.- Fuzzy Methoden in der Datenanalyse.- Anwendung von Fuzzy Systemen zur Prozeßoptimierung.