Meer over Jürgen Herrmann

Jürgen Herrmann

Maschinelles Lernen und Wissensbasierte Systeme

Name: Maschinelles Lernen und Wissensbasierte Systeme
Author: Jürgen Herrmann

Systematische Einführung mit praxisorientierten Fallstudien

Paperback Duits 1997 9783540613022

62,67

In winkelwagen

Verwachte levertijd ongeveer 9 werkdagen

Samenvatting

net. Der Lebenszyklus einer Wissensbasis erweist sieh als geeignetes Gliede rungsprinzip, anhand des sen sich die Darstellung vorhandener und neuer Arbei ten strukturieren und in einen groBeren Kontext einordnen HiBt. Damit wird dem Leser ein Methodenrepertoire filr die verschiedenen Phasen des Lebenszyklus einer Wissensbasis zur Verfilgung gestellt. Jeder Phase ist ein eigenes Kapitel gewidmet, in dem der Stand der Technik im Bereich des maschinellen Lernens dargestellt wird. AuBerdem wird gezeigt, welche unterschiedlichen Anforderun gen an maschinelle Lernsysteme fOr die verschiedenen Phasen bestehen. Urn den ohnehin weit gesteckten thematischen Rahmen nicht zu sprengen, wer den schwerpunktmaBig Ansatze vorgestellt und diskutiert, die durch eine symbo lische Reprasentation und Verarbeitung von Wissen charakterisiert sind. Lern strategien, die numerische Reprasentationsformen nutzen, insbesondere Evolu tionsstrategien [Schwefel, 1981], neuron ale Netze [Rosenblatt, 1958; Kosko, 1992] und Fuzzy-Systeme [Zadeh, 1965; Reusch, 1994], werden hier also nieht behandelt. Das System LEDA I zum Lernen von Makrooperatoren unterstiitzt die Daten pfadsynthese innerhalb des Entwurfs integrierter Schaltungen. Dabei wird mit dem induktiv gelernten Wissen eine funktionale Hardware-Beschreibung in eine strukturelle iibersetzt. Wahrend herkommliche Arbeiten zum Lernen von Design-Wissen auf Makrooperatoren filr die schrittweise Verfeinerung der eingegebenen Beschreibung beschrankt sind, werden bei LEDA erstmals Makrooperatoren filr den machtigeren Transformationsansatz akquiriert. Ferner zeichnet sich LEDA durch eine explizite Reprasentation und Verar beitung von Optimierungszielen (Objectives) innerhalb der Performanzkom ponente aus. Die Beriicksichtigung solcher Ziele ist eine unverziehtbare For derung filr viele komplexe Design-Probleme. LEDA unterstiitzt primae die Phase der Wissensbasiserweiterung und tragt dariiber hinaus zu den Phasen Wissensbasiseinsatz und -initialisierung bei.

Specificaties

ISBN13:9783540613022

Taal:Duits

Bindwijze:paperback

Aantal pagina's:272

Uitgever:Springer Berlin Heidelberg

Hoofdrubriek:Grafisch, Computer en informatica

Lezersrecensies

Wees de eerste die een lezersrecensie schrijft!

Schrijf een recensie

Uw cijfer

?

Log in om te stemmen

Inhoudsopgave

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.

Managementboek Top 100

Bekijk de volledige Managementboek Top 100

Uw winkelwagen