Willkommen, schön sind Sie da!
Logo Ex Libris

Modellbildung, Wissensrevision und Wissensrepräsentation im Maschinellen Lernen

  • Kartonierter Einband
  • 220 Seiten
(0) Erste Bewertung abgeben
Bewertungen
(0)
(0)
(0)
(0)
(0)
Alle Bewertungen ansehen
Das Buch vermittelt eine neue Sichtweise auf das Problem des induktiven Lernens. Unter Einbeziehung von Ansätzen aus der Wissensch... Weiterlesen
20%
75.00 CHF 60.00
Print on demand - Exemplar wird für Sie besorgt.
Bestellung & Lieferung in eine Filiale möglich

Beschreibung

Das Buch vermittelt eine neue Sichtweise auf das Problem des induktiven Lernens. Unter Einbeziehung von Ansätzen aus der Wissenschaftstheorie und Psychologie wird eine Konzeption entwickelt, die es maschinell lernenden Systemen ermöglicht, auch in komplexen Weltausschnitten zu lernen. Es wird dargestellt, daß eine Modellbildung in komplexen Weltausschnitten nur in mehrstufigen Prozeßen möglich ist. Innerhalb einer Lernstufe ist der Einsatz von Strategien erforderlich, die auf die Bestätigung und Verfeinerung des aktuellen Models ausgerichtet sind. Solche Strategien müssen durch andere, nicht konservative Strategien ergänzt werden, die "revolutionäre" Entwicklungen ermöglichen und damit den Übergang zu einer neuen Entwicklungsstufe erlauben. Ein maschinell lernendes System, das auf eine solche Weise lernt, stellt eine Reihe von Anforderungen an die Wissensrepräsentationskomponente. Diese werden ausführlich dargestellt und am Beispiel einer Inferenzmaschine operativ eingelöst. Die breite und umfassende Behandlung des Revisionsproblems beim maschinellen Lernen führt zu einem Ansatz, der auch in anderen Bereichen der Wissensverarbeitung interessante Konsequenzen haben wird.

Inhalt
1 Einleitung.- 1.1 Zum Begriff der Wissensrevision.- 1.2 Wissensrevision in der KI.- 1.3 Wissensrevision im Maschinellen Lernen.- 1.4 Das Lernszenario.- 1.5 Strategien zur Hypothesenüberprüfung und Wissensrevision.- 1.5.1 Kumulatives Lernen.- 1.5.2 Nicht-kumulatives Lernen.- 1.6 Zielsetzung dieser Arbeit.- 1.7 Aufbau dieser Arbeit.- 1.8 Zur Geschichte dieser Arbeit.- 2 Ansätze zur induktiven Wissensrevision.- 2.1 Wissensrevision im Maschinellen Lernen.- 2.1.1 Inkrementelles Lernen.- 2.1.2 Lernen im geschlossenen Kreislauf.- 2.1.3 Hill-climbing Theorien des Lernens.- 2.1.4 Ansätze zur nicht-konservativen Wissensrevision.- 2.2 Philosophische Untersuchungen zur Entwicklung wissenschaftlicher Theorien.- 2.2.1 Die Wissenschaftstheorie von T.S. Kuhn.- 2.2.2 Die Wissenschaftstheorie von P.K. Feyerabend.- 2.2.3 Schlußbemerkungen.- 3 Die Sichtweise auf maschinelle Modellbildung.- 3.1 Einleitung.- 3.2 Die grundlegenden Hypothesen.- 3.3 Rahmen der Untersuchung.- 3.3.1 Lernverfahren.- 3.3.2 Wissensrepräsentation.- 3.3.3 Was ist ein Modell?.- 3.4 Induktive Wissensrevision.- 3.4.1 Verbesserungen von Modellen.- 3.4.2 Konservative Wissensrevision.- 3.4.3 Nicht-konservative Wissensrevision.- 4 Eine Inferenzmaschine für das maschinelle Lernen.- 4.1 Einleitung.- 4.2 Anforderungen an das Wissensrepräsentationssystem.- 4.2.1 Repräsentation unsicheren und unvollständigen Wissens.- 4.2.2 Unterstützung der Wissensrevision.- 4.2.3 Repräsentation und Verwaltung von Abhängigkeitsbeziehungen.- 4.2.4 Repräsentation widersprüchlichen Wissens.- 4.2.5 Repräsentation alternativer Modelle.- 4.3 Die Wissensrepräsentation.- 4.3.1 Assertionelles Wissen.- 4.3.2 Inferentielles Wissen.- 4.3.3 Attributierung von Formeln und Regeln.- 4.3.4 Die Bedeutung von Assertionen in der Welt system.- 4.4 Ein- und Ausgabeoperationen.- 4.5 Der Inferenzmechanismus.- 4.5.1 Vorwärtsinferenzen.- 4.5.2 Rückwärtsinferenzen.- 4.5.3 Verifikation von Prämissen.- 4.5.4 Auswertung von Stützmengenbeschreibungen.- 4.6 Die Verwaltung von Datenabhängigkeiten.- 4.6.1 Ermittlung neu zu berechnender Inferenzen.- 4.6.2 Neuberechnung von Inferenzen aufgrund von Änderungen.- 4.6.3 Probleme zirkulärer Inferenzen.- 4.6.4 Diskussion.- 5 Kumulatives Lernen.- 5.1 Einleitung.- 5.2 METAXA.2.- 5.2.1 Generalisierungsverfahren.- 5.2.2 Wissensrevision.- 5.2.3 Diskussion.- 5.3 Strategien zur Realisierung kumulativen Lernens.- 5.3.1 Datenbewertung.- 5.3.2 Datenauswahl.- 5.3.3 Konfirmative Hypothesengenerierung.- 5.3.4 Konfirmative Hypothesenüberprüfung.- 5.3.5 Paradigmen.- 5.4 Kumulatives Lernen in METAXA.3.- 5.4.1 Datenbewertung.- 5.4.2 Konfirmative Hypothesengenerierung.- 5.4.3 Konfirmative Hypothesenüberprüfung.- 6 Nicht-kumulatives Lernen.- 6.1 Einleitung.- 6.2 Entwicklung alternativer Modelle.- 6.2.1 Entscheidung zur nicht-konservativen Wissensrevision.- 6.2.2 Suche nach alternativen Hypothesen.- 6.2.3 Destruktive Wissensrevision.- 6.2.4 Konstruktive Wissensrevision.- 6.2.5 Ausarbeitung des neuen Modells.- 6.2.6 Wettbewerb.- 6.3 Nicht-konservative Wissensrevision in METAXA.3.- 6.3.1 Entscheidung zur nicht-konservativen Wissensrevision.- 6.3.2 Suche nach alternativen Hypothesen.- 6.3.3 Konstruktive Revision.- 6.3.4 Diskussion.- 7 Schlußbemerkungen.- Stichwortverzeichnis.- Namenregister.

Produktinformationen

Titel: Modellbildung, Wissensrevision und Wissensrepräsentation im Maschinellen Lernen
Autor:
EAN: 9783540545231
ISBN: 978-3-540-54523-1
Format: Kartonierter Einband
Herausgeber: Springer Berlin Heidelberg
Genre: Informatik
Anzahl Seiten: 220
Gewicht: 368g
Größe: H241mm x B165mm x T15mm
Jahr: 1991

Weitere Produkte aus der Reihe "Informatik-Fachberichte"