Beierle / Kern-Isberner Methoden wissensbasierter Systeme

Grundlagen Algorithmen Anwendungen
2000
ISBN: 978-3-322-92926-6
Verlag: Vieweg & Teubner
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 408 Seiten, eBook

Reihe: Computational Intelligence

Zielgruppe

Upper undergraduate

Autoren/Hrsg.

Beierle, Christoph

Kern-Isberner, Gabriele

Weitere Mitwirkende

Bibel, Wolfgang

Kruse, Rudolf

Inhaltsverzeichnis

1 Einleitung.- 1.1 Über dieses Buch.- 1.2 Themenbereiche des Buches.- 2 Wissensbasierte Systeme im Überblick.- 2.1 Beispiele für wissensbasierte Systeme.- 2.2 Wissensbasierte Systeme und Expertensysteme.- 2.3 Eigenschaften von Experten und Expertensystemen.- 2.4 Zur Geschichte wissensbasierter Systeme.- 2.5 Das medizinische Diagnosesystem MYCIN.- 2.6 Aufbau und Entwicklung wissensbasierter Systeme.- 3 Logikbasierte Wissensrepräsentation und Inferenz.- 3.1 Formen der Inferenz.- 3.2 Logische Systeme.- 3.3 Eigenschaften klassisch-logischer Systeme.- 3.4 Logische Grundlagen: Aussagenlogik.- 3.5 Logische Grundlagen: Prädikatenlogik 1. Stufe.- 3.6 Der Resolutionskalkül.- 3.7 Erweiterungen.- 3.8 Wie kommt der Delphin in den Karpfenteich?.- 4 Regelbasierte Systeme.- 4.1 Was sind Regeln?.- 4.2 Die Wissensbasis eines regelbasierten Systems.- 4.3 Inferenz in einem regelbasierten System.- 4.4 Das Problem der Widersprüchlichkeit.- 4.5 Die Erklärungskomponente.- 4.6 Signalsteuerung im Eisenbahnverkehr durch Regeln.- 4.7 MYCIN — ein verallgemeinertes regelbasiertes System.- 4.8 Modularität und Effizienz regelbasierter Systeme.- 4.9 Ausblick.- 5 Maschinelles Lernen.- 5.1 Definition des Lernens.- 5.2 Klassifikation der Ansätze zum maschinellen Lernen.- 5.3 Erlernen von Entscheidungsbäumen.- 5.4 Lernen von Konzepten.- 5.5 Data Mining und Wissensfindung in Daten.- 6 Fallbasiertes Schließen.- 6.1 Motivation.- 6.2 Ein Beispiel.- 6.3 Fallbasiertes Schließen und CBR-Systeme.- 6.4 Der Prozess des fallbasierten Schließens.- 6.5 Die Repräsentation von Fällen.- 6.6 Die Indizierung von Fällen.- 6.7 Suche nach geeigneten Fällen.- 6.8 Organisationsformen der Fallbasis.- 6.9 Die Bestimmung der Ähnlichkeit.- 6.10 Adaption.- 6.11 Wie ein fallbasiertes System lernt.- 6.12 Einigeabschließende Bemerkungen.- 7 Nichtmonotones Schließen I — Truth Maintenance-Systeme.- 7.1 Die Rolle des nichtmonotonen Schließens in der KI.- 7.2 Monotone vs. nichtmonotone Logik.- 7.3 Truth Maintenance-Systeme.- 7.4 Justification-based Truth Maintenance-Systeme — JTMS.- 7.5 Assumption-based Truth Maintenance-Systeme — ATMS.- 7.6 Verschiedene TMS im Vergleich.- 7.7 Ausblicke.- 8 Nichtmonotones Schließen II — Default-Logiken.- 8.1 Default-Logik nach Reiter.- 8.2 Die Poole’sche Default-Logik.- 8.3 Nichtmonotone Inferenzrelationen für Default-Logiken.- 8.4 Probleme und Alternativen.- 8.5 Kriterien zur Beurteilung nicht-monotoner Inferenzoperationen.- 8.6 Rückblick.- 9 Aktionen und Planen.- 9.1 Planen in der Blockwelt.- 9.2 Logische Grundlagen des Planens.- 9.3 Der Situationskalkül.- 9.4 Probleme.- 9.5 Plangenerierung im Situationskalkül.- 9.6 Planen mit STRIPS.- 9.7 Nichklassische Planungssysteme.- 9.8 Planung und autonome Agenten.- 10 Quantitative Methoden I — Probabilistische Netzwerke.- 10.1 Ungerichtete Graphen — Markov-Netze.- 10.2 Gerichtete Graphen — Bayessche Netze.- 10.3 Inferenz in probabilistischen Netzen.- 10.4 Bayessche Netzwerke in praktischen Anwendungen.- 10.5 Erlernen Bayesscher Netze aus Daten.- 10.6 Probabilistische Inferenz unter informationstheoretischen Aspekten.- 10.7 Weitere Anwendungen.- 11 Quantitative Methoden II — Dempster-Shafer, Fuzzy & Co..- 11.1 Verallgemeinerte Wahrscheinlichkeitstheorie.- 11.2 Die Dempster-Shafer-Theorie.- 11.3 Fuzzy-Theorie und Possibilistik.- A Wahrscheinlichkeit und Information.- A.1 Die Wahrscheinlichkeit von Formeln.- A.2 Randverteilungen.- A.3 Bedingte Wahrscheinlichkeiten.- A.4 Der Satz von Bayes.- A.5 Mehrwertige Aussagenvariable.- A.6 Abhängigkeiten und Unabhängigkeiten.- A.7 DerBegriff der Information.- A.8 Entropie.- B Graphentheoretische Grundlagen.- B.1 Graphen und Cliquen.- B.2 Triangulierte Graphen.- B.3 Die running intersection property RIP.- B.4 Hypergraphen.

Über Autor(innen)

Prof. Dr. Christoph Beierle ist Diplom-Informatiker, danach Promotion in Informatik, sieben Jahre Industrietätigkeit und seit 1993 Universitätsprofessor für Praktische Informatik an der FernUniversität Hagen. Dr. Gabriele Kern-Isberner ist Diplom-Mathematikerin, danach Promotion in Mathematik, Lise-Meitner-Stipendium, Habilitation in Informatik, Vertretung einer Universitätsprofessur am Fachbereich Informatik der FernUniversität Hagen.