Download e-book for iPad: Maschinelles Lernen und Wissensbasierte Systeme: by Jürgen Herrmann

By Jürgen Herrmann

ISBN-10: 3540613021

ISBN-13: 9783540613022

ISBN-10: 3642604528

ISBN-13: 9783642604522

Trotz zahlreicher, auch industrieller Anwendungen ist der Entwurf von wissensbasierten Systemen oder Expertensystemen noch immer kein Routineprozeß. Dieses Buch zeigt, wie Techniken des maschinellen Lernens Entwicklung, Aufbau und Einsatz solcher Systeme wesentlich unterstützen können. Über den bekannten "Flaschenhals" der Wissensakquisition hinausgehend werden insbesondere auch die Wartung und die Revision einer Wissensbasis behandelt.
Für jede dieser Phasen des Lebenszyklus einer Wissensbasis werden spezifische Verfahren des maschninellen Lernens beschrieben und an repräsentativen Beispielsystemen veranschaulicht. Dabei wird erstmals auch ein Verfahren zur automatischen Anpassung einer Wissensbasis an veränderte technologische Rahmenbedingungen des Anwendungsgebiets vorgestellt.
Das Buch bietet einen umfassenden Überblick über den Stand der Technik und ein Methodenrepertoire zur direkten Anwendung. Es wendet sich damit an Wissenschaftler sowie an Entwickler wissensbasierter Systeme und Anwender maschineller Lernverfahren. Aufgrund seines systematischen Aufbaus ist es gleichermaßen auch als weiterführendes Lehrbuch geeignet.

Show description

Read Online or Download Maschinelles Lernen und Wissensbasierte Systeme: Systematische Einführung mit praxisorientierten Fallstudien PDF

Similar german_4 books

Read e-book online Mikrofluidik: Entwurf, Herstellung und Charakterisierung PDF

Die Mikrofluidik ist ein Teilgebiet der Mikrosystemtechnik. Obwohl sich dieses Forschungsfeld noch in der frühen Entwicklungsphase befindet, verspricht Mikrofluidik große wissenschaftliche und kommerzielle Potenziale in der nahen Zukunft. Dieses Buch ist das erste deutschsprachige Fachbuch für Universitätsstudenten und Ingenieure auf dem Gebiet der Mikrofluidik und Mikrosystemtechnik.

New PDF release: Mischen Rühren, Kneten und die Dazu Verwendeten Maschinen

Die Grundsätze des Mischen, Rühren, Kneten und die dazu verwendeten Maschinen werden im vorliegenden Band von Dr. Hermann Fischer praxisbezogen erörtert. Der Autor beschreibt die verschiedenen Mischverfahren, das postenweise Mischen von dünnflüssigen, breiartigen, steiferen und trockenen Gemischen, die Zuteileinrichtungen für Gase, steife Stoffe und Sammelkörper bis hin zum periodischen Zuteilen und einigen besonderen Mischeinrichtungen.

Extra resources for Maschinelles Lernen und Wissensbasierte Systeme: Systematische Einführung mit praxisorientierten Fallstudien

Sample text

Hierfiir sind strukturelle Beschreibungen erforderlich, fUr die etwa eine pradikatenlogische Reprasentationssprache geeignet ist. 3 3 Wrobel und Sommer [Wrobel und Sommer, 1994] weisen femer auf den Zusammenhang zwischen Ausdruckskraft eines Reprlisentationsformalismus und der Wartungsfreundlichkeit, also den spliteren Phasen des Lebenszyklus einer Wissensbasis, hin. Insbesondere fUr die Anwendbarkeit von maschinellen Lemmethoden zur Wartung ist die Ausdruckskraft wichtig. Zwischen Ausdruckskraft und Wartungsfreundlichkeit besteht ein Zielkonflikt (trade-off).

Zwischen Ausdruckskraft und Wartungsfreundlichkeit besteht ein Zielkonflikt (trade-off). Ein einfacher Formalismus lliBt sich leichter warten. FUr attributierte Reprlisentationssprachen gibt es eine Reihe von erprobten Wartungsverfahren. Andererseits besitzt ein solcher Formalismus wie erwlihnt eine geringe Ausdruckskraft. Ein ausdrucksstlirkerer Formalismus ermoglicht aber auch die explizite Formulierung von Problemen, die im Sachbereich begrUndet sind, die sich im einfachen Formalismus vielleicht nur erahnen lassen.

Deshalb soll im folgenden nur der Algorithmus fUr die wichtigste Komponente, den RDT, grob vorgestellt werden. 3 Kooperative Wissensmodellierung mit dem Lernsystem MOBAL 37 Eingaben ffir den RDT sind eine Menge von Fakten, die die Lernbeispiele beschreiben, die Regelrnodelle und die Topologie. Als Ausgabe wird eine Menge von Regeln erzeugt. Schon gelernte oder vorgegebene Regeln werden bei der Regelgenerierung beriicksichtigt (urn weitere Informationen tiber die Beispiele zu erhalten). Sie werden von der Inferenzkomponente durch vorwartsgerichtete Inferenzen angewandt und saturieren damit die Wissensbasis, vergroBern also die Faktenmenge.

Download PDF sample

Maschinelles Lernen und Wissensbasierte Systeme: Systematische Einführung mit praxisorientierten Fallstudien by Jürgen Herrmann


by Richard
4.0

Rated 4.28 of 5 – based on 41 votes