Maschinelles Lernen und Wissensbasierte Systeme
Systematische Einführung mit praxisorientierten Fallstudien
1st Edition
Published on 12. September 1997
Book
Paperback/Softback
VII, 272 pages
978-3-540-61302-2 (ISBN)
Description
Trotz zahlreicher industrieller Anwendungen ist der Entwurf wissensbasierter Systeme noch immer kein Routineprozeß. Dieses Buch zeigt, wie Techniken des maschinellen Lernens den gesamten Lebenszyklus einer Wissensbasis unterstützen können. Für jede Phase werden spezifische maschinelle Lernverfahren beschrieben und anhand von Beispielsystemen genauer dargestellt. Dabei wird nicht nur der bekannte "Flaschenhals" der Wissensakquisition thematisiert, sondern insbesondere auch die Wartung und die Revision einer Wissensbasis. Das Buch wendet sich an Entwickler wissensbasierter Systeme und an Anwender maschineller Lernverfahren und ist aufgrund seines didaktischen Aufbaus auch als Lehrbuch geeignet.
More details
Language
German
Place of publication
Berlin
Germany
Publishing group
Springer Berlin
Target group
Professional and scholarly
Research
Illustrations
23 s/w Abbildungen
VII, 272 S. 23 Abb.
Dimensions
Height: 235 mm
Width: 155 mm
Thickness: 16 mm
Weight
435 gr
ISBN-13
978-3-540-61302-2 (9783540613022)
DOI
10.1007/978-3-642-60452-2
Schweitzer Classification
Other editions
Additional editions
Jürgen Herrmann
Maschinelles Lernen und Wissensbasierte Systeme
Systematische Einführung mit praxisorientierten Fallstudien
E-Book
03/2013
Springer
€38.66
Available for download
Content
1 Einleitung.- 2 Lebenszyklus einer Wissensbasis.- 2.1 Lebenszyklusmodelle für konventionelle Software-Systeme.- 2.2 Herkömmliche Lebenszyklusmodelle für wissensbasierte Systeme.- 2.3 Neue Phaseneinteilung für den Lebenszyklus einer Wissensbasis.- 2.4 Bedeutung der Wissensbasispflege.- 3 Maschinelles Lernen.- 3.1 Zum Begriff des maschinellen Lernens.- 3.2 Klassifikation maschineller Lernsysteme.- 3.3 Multistrategiesysteme.- 4 Wissensmodellierung.- 4.1 Wissensmodellierung für wissensbasierte Systeme.- 4.2 Wissensmodellierung für maschinelle Lernsysteme.- 4.3 Kooperative Wissensmodellierung mit dem Lernsystem MOBAL.- 4.4 Verfeinerung der Modellierung durch das Lernen neuer Deskriptoren.- 4.5 Automatische syntaktische Anpassung der Repräsentationssprachklasse.- 5 Wissensbasisinitialisierung.- 5.1 Wissensbasisinitialisierung als Phase.- 5.2 Lernen von Entscheidungsbäumen mit ID3.- 5.3 Lernen einer Menge von Hornklauseln mit FOIL.- 5.4 Bewertung des Einsatzes von maschinellem Lernen.- 6 Wissensbasiseinsatz.- 6.1 Wissensbasiseinsatz und integrierte Lernarchitekturen.- 6.2 Verschiedene Möglichkeiten der Integration von Lernen und Problemlösen.- 6.3 Entwurf und Repräsentation integrierter Lernarchitekturen.- 7 Wissensbasiserweiterung.- 7.1 Wissensbasiserweiterung als Phase.- 7.2 Maschinelle Lernsysteme zur Erweiterung einer Wissensbasis.- 7.3 Generieren und Testen von Regeln zur Erweiterung einer unvollständigen Theorie.- 7.4 LEDA: Induktives Lernen von Makrooperatoren.- 7.5 Erklärungsbasiertes Lernen.- 7.6 Fallbasiertes Lernen.- 7.7 Entdeckungslernen in Datenbanken.- 7.8 Schlußbemerkungen.- 8 Wissensbasismodifikation.- 8.1 Wissensbasismodifikation als Phase.- 8.2 Verifikation und Validierung von Wissensbasen.- 8.3 Beseitigung von Fehlern, Inkonsistenzen und vonUnvollständigkeit.- 8.4 Restrukturierung einer Wissensbasis zur Verbesserung der Verständlichkeit.- 8.5 Verbesserung der Problemlösungsgeschwindigkeit.- 8.6 Optimierung einer Wissensbasis zur Qualitätsverbesserung der Ergebnisse.- 8.7 Abschließende Bemerkungen.- 9 Globale Adaptierung der Wissensbasis.- 9.1 Globale Adaptierung als Phase.- 9.2 Anforderungen an ein maschinelles Lernsystem für die globale Adaptierung.- 10 Multistrategiesysteme zur Unterstützung verschiedener Lebenszyklusphasen.- 10.1 Verwandte Arbeiten zum Multistrategielernen.- 10.2 COSIMA: Unterstützung verschiedener Lebenszyklusphasen für die Anwendung "komplexes Entwerfen".- 10.3 LIMES: Umfassende Unterstützung des Lebenszyklus einer Wissensbasis.- 11 Zusammenfassung und Ausblick.- Anhang 1: Logische Terminologie.- Anhang 2: Optimierungsprozeß zu einem Fuzzy-Controller für das invertierte Pendel.- Literatur.