Herkömmliche regelbasierte Expertensysteme sind auf eine spezielle Problemstruktur zugeschnitten und verarbeiten Informationen auf der Basis explizit eingegebenen Expertenwissens. In dieser Arbeit wird das Konzept eines nicht problemspezifischen wissensbasierten Systems vorgestellt. Die probabilistische Repräsentation von Wissen erlaubt die Darstellung beliebiger, auch ungewisser, Zusammenhänge. Die Wissensakquisition erfolgt durch Bayessches Lernen; die Verarbeitung geschieht entropieoptimal. Die Kommunikation mit dem Benutzer wird durch die Transformation probabilistisch repräsentierter Informationen in leicht verständliche logische Regeln unterstützt. Verschiedene Problemfelder wie Klassifikation, Diagnose und Datenauswertung zeigen die universelle Anwendbarkeit dieses Systems.
Reihe
Thesis
Sprache
Verlagsort
Frankfurt a.M.
Deutschland
Zielgruppe
Editions-Typ
Illustrationen
Maße
Höhe: 21 cm
Breite: 14.8 cm
Gewicht
ISBN-13
978-3-631-46774-9 (9783631467749)
Schweitzer Klassifikation
Der Autor: Heinz Peter Reidmacher wurde 1961 in Rheydt geboren. Er studierte von 1981 bis 1988 Mathematik an der RWTH Aachen. Ab 1988 war er Wissenschaftlicher Mitarbeiter am Lehrgebiet Operations Research der Universität der Bundeswehr Hamburg, seit 1991 an der FernUniversität Hagen. Er promovierte an der Wirtschaftswissenschaftlichen Fakultät 1992.
Aus dem Inhalt: Probabilistische Repräsentation und Verarbeitung unsicheren Wissens - Induktives Lernen statistischer Daten - Probabilistische Logik - Anwendungen aktiv lernender Expertensysteme.
