Methoden wissensbasierter
|
|
- Lars Adler
- vor 5 Jahren
- Abrufe
Transkript
1 Christoph Beierle I Gabriele Kern-Isberner Methoden wissensbasierter Systeme Grundlagen, Algorithmen, Anwendungen 4., verbesserte Auflage Mit 147 Abbildungen STUDIUM VIEWEG+ 'reubner
2 xiii Vorwort zur 1. Auflage Vorwort zur 3., liberarbeiteten und erweiterten Auflage Vorwort zur 4. Auflage vii ix xi xiii 1 Einleitung Uber dieses Buch Themenbereiche des Buches 2 2 Wissensbasierte Systerne irn Uberbllck Beispiele fur wissensbasierte Systeme Geldabheben am Automaten Medizinische Diagnose Wissensbasierte Systeme und Expertensysteme Eigenschaften von Experten und Expertensystemen Zur Geschichtc wissensbasierter Systeme Das medizinische Diagnosesystem MYCIN Aufbau und Entwicklung wissensbasierter Systeme Architektur eines wissensbasierten Systems Entwicklung eines wissensbasicrtcn Systems Logikbasierte Wissensreprasentat.ion und Inferenz Formen del' Inferenz Menschliches SchlieJ3en und Inferenz Charakterisierung del' Inferenzrelation nach Peirce Deduktives SchlieJ3en Unsicheres SchlieJ3en Logische Systeme Signaturen Formeln Interpretationen Erfullungsrelation Eigenschaften klassisch-logischer Systeme Erfiillungsrelation und Wahrheitsfunktionalitat Modelle und logische Folgerung Inferenzregeln und Kalkiile Korrektheit und Vollstandigkeit von Kalkiilen Logisches Folgern durch Widerspruch Entscheidbarkeitsresultate Logische Grundlagen: Aussagenlogik Syntax. 42
3 xiv Semantik Aquivalenzen und Normalformen Wahrheitstafeln und Ableitungen in der Aussagenlogik Logische Grundlagen: Pradikatenlogik 1. Stufe Signaturen und Interpretationen Terme und Termauswertung Formeln und Formelauswertung Aquivalenzen Ableitungen in der Pradikatenlogik 1. Stufe Norrnalforrnen Unifikation Der Resolutionskalktil Erweiterungen Wie kommt der Delphin in den Karpfenteich? Regelbasierte Systeme Was sind Regeln? Die Wissensbasis eines regelbasierten Systems Inferenz in einem regelbasierten System Regelnetzwerke Datengetriebene Inferenz (Vorwartsverkettung] Zielorientierte Inferenz (Rtickwartsverkettung] Das Problem der Widersprtichlichkeit Die Erklarungskomponente Signalsteuerung im Eisenbahnverkehr durch Regeln MYCIN - ein verallgemeinertes regelbasiertes System Modularrtat und Effizienz regelbasierter Systeme Ausblick Maschinelles Lernen Definition des Lernens Klassifikation der Ansatze zum maschinellen Lernen Klassifikation gemaf der benutzten Lernstrategie Klassifikation gemaf dem gelernten Typ von Wissen Klassifikation gemaf dem Anwendungsbereich Erlernen von Entscheidungsbaurnen Entscheidungsbaume Erzeugung von Regeln aus Entscheidungsbaumen :3.3 Generieren von Entscheidungsbaumen Bewertung des Lernerfolges und Anwendungen Die induktiven Lernverfahren ID3 und C Lernen von Konzepten Eine Konzeptlernaufgabe Allgemeine Problemstellung Heprasent.ation von Beispielen und Konzepten Lernen von Konzepten als Suchproblem
4 xv Versionenraume... Das Versionenraum-Lernverfahren Anwendungsbeispiel Eigenschaften des Versionenraum-Lernverfahrens Konzeptlernen mit Merkmalsbaumen Data Mining und Wissensfindung in Daten KDD - Knowledge Discovery in Databases Der KDD-Prozess Data Mining Assoziationsregeln Warenkorbanalyse 6 Fallbasiertes SchlieBen 6.1 Motivation. 6.2 Ein Beispiel. 6.3 Fallbasiertes SchlieJ3en und CBR-Systeme Grundzlige des fallbasierten SchlieBens CBR-Systeme Anwendungsgebiete des fallbasierten SchlieJ3ens Fallbasiertes SchlieBen im Vergleich mit anderen Methoden Die Grundtypen fallbasierten SchlieBens 6.4 Der Prozess des fallbasierten SchlieBens Der CBR-Zyklus Die Prozesse im Einzelnen. 6.5 Die Reprasentation von Fallen Die Komponenten eines Falles. Problem- und Situationsbeschreibung Die Reprasentation von Losungen Das Resultat eines Falles Methoden der Fallreprasentation 6.6 Die Indizierung von Fallen Das Indexvokabular Die Kennzeichnung eines Falles durch Indizes 6.7 Suche nach geeigneten Fallen Organisationsformen der Fallbasis 6.9 Die Bestimmung der Ahnlichkeit Die Hamrning-Ahnlichkeit Die gewichtete Hamrning-Ahnlichkeit Verallgemeinerte Ahnlichkeiten Beispiel: Ahnlichkeiten im PATDEX/2 - System Andere Ahnlichkeitsbestimmungen 6.10 Adaption Substitutionsmethoden Andere Adaptionsmethoden Wie ein fallbasiertes System lernt Einige abschliebende Bemerkungen
5 XVI In haltsverzeichnis 7 Truth Maintenance-Systeme Die Rolle des nichtmonotonen SchlieBens in der KI Monotone vs. nichtmonotone Logik Truth Maintenance-Systeme Justification-based Truth Maintenance-Systeme - JTMS In's und Out's die Grundbegriffe eines JTMS Der JTMS-Algorithmus Anwendungsbeispiele Die JTMS-Inferenzrelation Assumption-based Truth Maintenance-Systeme - ATMS Grundbegriffe Arbeitsweise eines ATMS Verschiedene TMS im Vergleich Ausblicke Default-Logiken Default-Logik nach Reiter Aussehen und Bedeutung eines Defaults Die Syntax der Default-Logik Die Semantik der Default-Logik Ein operationaler Zugang zu Extensionen Prozessbaume Berechnung von Prozessbaumen Eigenschaften der Reiter'schen Default-Logik Normale Defaults Die Poole'sche Default-Logik Nichtmonotone Inferenzrelationen fur Default-Logiken Probleme und Alternativen Logisches Programmieren und Anwortmengen Klassische logische Programme Anfragen und Antwortsubstitutionen Resolution von Hornklauseln SLD-Ableitungen Berechnete Antwortsubstitutionen Suchraum bei der SLD-Resolution Fixpunktsemantik logischer Programme Erweiterte logische Programme Die stabile Semantik normaler logischer Programme Die Antwortmengen-Semantik erweiterter logischer Programme Stabile Semantik und Antwortmengensemantik Truth Maintenance-Systeme und Default-Theorien Erweiterungen der Antwortmengensemantik Implementationen und Anwendungen Kriterien zur Beurteilung nichtmonotoner Inferenzoperationen Riickblick. 305
6 xvii 10 Aktionen und Planen Planen in der Blockwelt Logische Grundlagen des Planens Der Situationskalktil Aktionen Situationen Veranderungen zwischen Situationen Ausflihrungsbedingungen und Effektaxiome Zielbeschreibungen Probleme Das Rahmenproblem Das Qualifikationsproblem Das Verzweigungsproblem Plangenerierung im Situationskalkiil Planen mit STRIPS Zustande und Zielbeschreibungen STRIPS-Operatoren Planen mit Vorwartssuche Planen mit Riickwartssuche Behandlung des Rahmenproblems in STRIPS Nichtklassische Planungssysteme Planen mit Antwortmengen Systeme zur Berechnung von Antwortmengen Planen mit SMODELS Behandlung des Rahmenproblems Ausblick und Anwendungen Agenten Das Konzept des Agenten Abstrakte Agentenmodelle Umgebungen, Aktionen und Laufe eines Agenten Wahrnehmungen Innerer Zustand Aufgabe und Erfolg eines Agenten Reaktive Agenten und Schichtenarchitekturen Logikbasierte Agenten Belief- Desire-Intention-(BDI)-Agenten Praktisches Denken BDI-Architektur Procedural Reasoning System (PRS) Multiagentensysteme Quantitative Methoden I - Probabilistische Netzwerke Ungerichtete Graphen - Markov-Netze Separation in Graphen und probabilistische Unabhangigkeit Markov-Eigenschaften und Markov-Graphen
7 xviii Konstruktion von Markov-Graphen Potential- und Produktdarstellungen 12.2 Gerichtete Graphen - Bayessche Netze Inferenz in probabilistischen Netzen Bayes-Netze und Potentialdarstellungen Der permanente Cliquenbaum als Wissensbasis Der Algorithmus von Lauritzen und Spiegelhalter Beriicksichtigung fallspezifischer Daten Bayessche Netzwerke in praktischen Anwendungen Erlernen Bayesscher Netze aus Daten Probabilistische Inferenz unter informationstheoretischen Aspekten Weitere Anwendungen Proteinklassifikation mittels Hidden Markov Models (HMM) Herzerkrankungen bei Neugeborenen Suchterkrankungen und psychische Storungen Quantitative Methoden II - Dempster-Shafer-Theorie, Theorie und Possibilistik 13.1 Verallgemeinerte Wahrscheinlichkeitstheorie 13.2 Die Dempster-Shafer-Theorie BasismaBe und Glaubensfunktionen Dempsters Kombinationsregel Sensorenauswertung in der mobilen Robotik Dempster-Shafer-Theorie Fuzzy-Theorie und Possibilistik Fuzzy-Theorie Possibilitatstheorie Expertensysteme mit Fuzzy-Regeln. Fuzzy mittels A Wahrscheinlichkeit und Information A.l Die Wahrscheinlichkeit von Formeln A.2 Randverteilungen. A.3 Bedingte Wahrscheinlichkeiten A.4 Der Satz von Bayes. A.5 Mehrwertige Aussagenvariable A.6 Abhangigkeiten und Unabhangigkeiten. A.7 Der Begriff der Information A.8 Entropie B Graphentheoretische Grundlagen B.l Graphen und Cliquen. B.2 Triangulierte Graphen. B.3 Die running intersection property RIP B.4 Hypergraphen. Literaturverzeichnis Index
Methoden wissensbasierter Systeme
Christoph Beierle Gabriele Kern-Isberner Methoden wissensbasierter Systeme Grundlagen - Algorithmen - Anwendungen 2., überarbeitete und erweiterte Auflage vieweg ix Vorwort zur 2., erweiterten Auflage
MehrVorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage. 1 Einleitung Über dieses Buch Themenbereiche des Buches 2
xi Vorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage vii ix xi 1 Einleitung 1 1.1 Über dieses Buch 1 1.2 Themenbereiche des Buches 2 2 Wissensbasierte Systeme im Uberblick 7
MehrVorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage
xi Vorwort zur 1. Auflage Vorwort zur 5., überarbeiteten und erweiterten Auflage vii ix xi 1 Einleitung 1 1.1 Über dieses Buch........................... 1 1.2 Themenbereiche des Buches.....................
MehrMethoden wissensbasierter Sy steme
Christoph Beierle Gabriele Kern-lsberner Methoden wissensbasierter Sy steme Grundlagen, Algorithmen, Anwendungen 4., verbesserte Auflage Mit 147 Abbildungen STUDIUM VIEWEG+ TEUBNER Xlll Vorwort zur 1.
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-Ing. Jan Lunze 2., völlig überarbeitete Auflage Oldenbourg Verlag München Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch des Buches xvii xxiii
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-lng.Jan Lunze 2., völlig überarbeitete Auflage OldenbourgVerlag München Inhaltsverzeichnis Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch
MehrEinführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h
MehrCord Spreckelsen I Klaus Spitzer. Wissensbasen und Expertensysteme in der Medizin
Cord Spreckelsen I Klaus Spitzer Wissensbasen und Expertensysteme in der Medizin Medizinische Informatik Herausgegeben von Prof. Dr. rer. nat. Heinz Handels, Hamburg Prof. Dr. Dr. Siegfried Pappi, Lubeck
MehrProtokoll zur mündlichen Prüfung zum Kurs 1845 Methoden der Wissensrepräsentation und -Verarbeitung
Protokoll zur mündlichen Prüfung zum Kurs 1845 Methoden der Wissensrepräsentation und -Verarbeitung Datum: 18.01.2016 Prüfer: Prof. Beierle Beisitzer: Ich glaube Steven Kutsche Fragen zu klassischen Logiken
MehrHochschule R avensburg-weingarten University of Applied S ciences Default-Logik Benjamin R ana Angewandte Informatik, Informationsnetze 7.
Default-Logik Überblick Motivation Nichtmonotone-Logik Reiter-Logik Syntax Semantik Extensions Simulator Motivation Mit klassischer Logik lassen sich viele Zusammenhänge nicht einfach darstellen Was tun
MehrEinführung in Expertensysteme
Frank Puppe Einführung in Expertensysteme Zweite Auflage Mit 86 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo HongKong Barcelona Budapest Inhaltsverzeichnis Teil I. Einführung
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrDatum: Prüfer: Prof. Dr. Beierle. Beisitzer: M.sc. Nico Potyka. Dauer: ca. 30 min. Note: 1,3
Datum: 23.10.2013 Prüfer: Prof. Dr. Beierle Beisitzer: M.sc. Nico Potyka Dauer: ca. 30 min Note: 1,3 Expertensysteme sind ja spezielle wissensbasierte Systeme. Welche Komponenten enthalten denn üblicherweise
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2015 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 232 Probabilistische Folgerungsmodelle
MehrWissensbasierte Systeme: Prüfungsfragen
Wissensbasierte Systeme: Prüfungsfragen Prof. Beierle: Assoziationsregeln erklären (Itemmenge, Transaktionen, support + confidence) durch Data Mining ermittelte Zusammenhänge zwischen Merkmalen nicht notwendig
MehrQuantitative Methoden Wissensbasierter Systeme
Quantitative Methoden Wissensbasierter Systeme Probabilistische Netze und ihre Anwendungen Robert Remus Universität Leipzig Fakultät für Mathematik und Informatik Abteilung für Intelligente Systeme 23.
MehrEvidenzpropagation in Bayes-Netzen und Markov-Netzen
Einleitung in Bayes-Netzen und Markov-Netzen Thomas Thüm 20. Juni 2006 1/26 Thomas Thüm in Bayes-Netzen und Markov-Netzen Übersicht Einleitung Motivation Einordnung der Begriffe 1 Einleitung Motivation
Mehr2. Vorlesung Expertensysteme
Soft Control (AT 3, RMA) 2. Vorlesung Expertensysteme 2. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
Mehr1. Was ist der Unterschied zwischen Experten Systemen und Wissensbasierten Systemen?
Fragenkatalog 1. Was ist der Unterschied zwischen Experten Systemen und Wissensbasierten Systemen? Die Unterscheidung der Herkunft der Art des in der Wissensbasis vorhandenen Wissens wird als einfaches
MehrCase-Based Reasoning und anderen Inferenzmechanismen
Case-Based Reasoning und anderen Inferenzmechanismen Daniel Müller 21 April 2006 DM () CBR und Inferenz 21 April 2006 1 / 31 Contents 1 Einleitung 2 Inferenzmechanismen Statistische Verfahren Data Mining
MehrDarstellung, Verarbeitung und Erwerb von Wissen
FK Informatik LS I Information Engineering Prof. Dr. G. Kern-Isberner Übungen zur Vorlesung Darstellung, Verarbeitung und Erwerb von Wissen Wintersemester 2015/2016 Übungsblatt Nr. 11 Abgabetermin: 25.01.2016,
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2015 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 232 Kapitel 4 4. Probabilistische Folgerungsmodelle
Mehrmathematik und informatik
Prof. Dr. Christoph Beierle, Prof. Dr. Gabriele Kern-Isberner Kurs 01845 Methoden der Wissensrepräsentation und -verarbeitung LESEPROBE mathematik und informatik Das Werk ist urheberrechtlich geschützt.
MehrKai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger. Fuzzy-Regelung. Grundlagen, Entwurf, Analyse. Mit 174 Abbildungen und 9 Tabellen.
Kai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger Fuzzy-Regelung Grundlagen, Entwurf, Analyse Mit 174 Abbildungen und 9 Tabellen Springer Inhaltsverzeichnis 1. Grundlagen der Fuzzy-Systeme 1 1.1
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun ein Imprint von Pearson Education
MehrSeminararbeit im Fachbereich
Seminararbeit im Fachbereich Wissensrepräsentation Truth Maintenance Systeme Autor: Elke Klippstein 1/46 1. Grundlagen 2. Truth Maintenance System (TMS) 3. Arten (a) Justification-based TMS (JTMS) (b)
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun PEARSON mm ein Imprint von Pearson
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrStudienbücher Informatik
Studienbücher Informatik Die Reihe Studienbücher Informatik wird herausgegeben von Walter Hower. Michael Schenke Logikkalküle in der Informatik Wie wird Logik vom Rechner genutzt? Prof. Dr. Dr. Michael
Mehr4 Spezielle Schlussverfahren
4 Spezielle Schlussverfahren 11. Vorlesung: Probabilistisches Schließen; Nichtmonotones Schließen Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2011/2012 Unsicherheit, Unvollständigkeit 4. Wie
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund WiSe 2016/17 G. Kern-Isberner (TU Dortmund) DVEW WiSe 2016/17 1 / 267 Kapitel 4 4. Wahrscheinlichkeiten
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage itb< en von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebast- run PEARSON Studium ein Imprint von Pearson Education
MehrData Mining - Wiederholung
Data Mining - Wiederholung Norbert Fuhr 18. Januar 2006 Problemstellungen Problemstellungen Daten vs. Information Def. Data Mining Arten von strukturellen Beschreibungen Regeln (Klassifikation, Assoziations-)
MehrModellierung. Prof.Dr. Hans Kleine Büning, Prof.Dr. Johannes Blömer. Paderborn, 6. Februar Universität Paderborn Institut für Informatik
Modellierung Prof.Dr. Hans Kleine Büning, Prof.Dr. Johannes Blömer Universität Paderborn Institut für Informatik Paderborn, 6. Februar 2015 J. Blömer 1/19 Vorbereitung auf die Klausur 1 Vorlesungsinhalte
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 267
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 267
MehrKonzepte der AI. Unsicheres Schließen
Konzepte der AI Unsicheres Schließen http://www.dbai.tuwien.ac.at/education/aikonzepte/ Wolfgang Slany Institut für Informationssysteme, Technische Universität Wien mailto: wsi@dbai.tuwien.ac.at, http://www.dbai.tuwien.ac.at/staff/slany/
MehrInhaltsverzeichnis. Geleitwort. Abbildungsverzeichnis. Tabellenverzeichnis. Abkürzungsverzeichnis. Symbolverzeichnis
Inhaltsverzeichnis Geleitwort Vorwort Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbolverzeichnis i iü xi xiii xv xvii 1 Einleitung 1 1.1 Problemstellung 1 1.2 Zielsetzung der Arbeit
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 267
MehrEigenschaften der SLD-Resolution
Eigenschaften der SLD-Resolution Vollständigkeit der SLD-Resolution für Hornklauseln Sei F eine inkonsistente Hornklauselmenge. Dann gibt es eine SLD-Widerlegung von F. Beweisskizze: Für inkonsistentes
MehrInhaltsverzeichnis. Kurzfassung. Abstract
Inhaltsverzeichnis Kurzfassung Abstract Inhaltsverzeichnis iii v vii 1 Einleitung 1 1.1 Problemstellung und Einordnung der Arbeit 1 1.2 Lösungsansatz 7 L3 Verwandte Arbeiten S 1.3.1 Datenbank-Suchmaschmen
MehrAndreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg
Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund WiSe 2017/18 G. Kern-Isberner (TU Dortmund) DVEW WiSe 2017/18 1 / 265 Struktur der DVEW 1
MehrKurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik
Kurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik Fragen Seite Punkte 1. Was ist die Mathematische Logik? 3 2 2. Was sind die Aussagenlogik und die Prädikatenlogik? 5 4 3. Was sind Formeln,
MehrTeil 2. Teilbereiche der KI Der intelligente Agent
Teil 2 Teilbereiche der KI Der intelligente Agent Teil 2.1 Teilbereiche der KI Zwei Paradigmen der KI subsymbolische KI Genetische Algorithmen Neuronale Netze Maschinelles Lernen Planen Wissensrepräsentation
MehrExpertensysteme / XPS
Expertensysteme / XPS Alexander Pentzlin und Thiemo Bannasch KI II Claes Neuefeind 27.06.2012 1 Inhalt Was ist ein Expertensystem Geschichtlicher Hintergrund Prinzip eines XPS Komponenten Realisierungsprinzipien
Mehr8 Default-Logiken. 8.1 Default-Logik nach Reiter
241 8 Default-Logiken Während bei Truth Maintenance-Systemen die nichtmonotone Ableitung im Vordergrund steht und nichtmonotone Regeln hier eher unscheinbar als ein Mittel zum Zweck eingesetzt werden,
MehrNichtklassische Logiken
Nichtklassische Logiken Peter H. Schmitt pschmitt@ira.uka.de UNIVERSITÄT KARLSRUHE Sommersemester 2004 P. H. Schmitt: Nichtklassische Logiken p.1 Inhalt Wiederholung P. H. Schmitt: Nichtklassische Logiken
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
Mehr8 Einführung in Expertensysteme
8 Einführung in Expertensysteme 22. Vorlesung: Constraints; Probabilistisches Schließen Für die Programmierung von Expertensystemen werden verschiedene Grundtechniken der Wissensrepräsentation und spezielle
MehrAlgebraische Grundlagen der Informatik
Kurt-Ulrich Witt Algebraische Grundlagen der Informatik Zahlen - Strukturen - Codierung - Verschlüsselung vieweg Vorwort Abbildungssverzeichnis V VII XIII I Grundlagen 1 1 Mengen und Einführung in die
Mehrxii Inhaltsverzeichnis Generalisierung Typisierte Merkmalsstrukturen Literaturhinweis
Inhaltsverzeichnis 1 Computerlinguistik Was ist das? 1 1.1 Aspekte der Computerlinguistik.................. 1 1.1.1 Computerlinguistik: Die Wissenschaft........... 2 1.1.2 Computerlinguistik und ihre Nachbardisziplinen.....
MehrIntelligente Systeme. Einführung. Christian Moewes
Intelligente Systeme Einführung Prof. Dr. Rudolf Kruse Christian Moewes Georg Ruß {kruse,russ,cmoewes}@iws.cs.uni-magdeburg.de Arbeitsgruppe Computational Intelligence Institut für Wissens- und Sprachverarbeitung
MehrGrundkurs Theoretische Informatik
Gottfried Vossen I Kurt-Ulrich Witt Grundkurs Theoretische Informatik Eine anwendungsbezogene Einführung - Für Studierende in allen Informatik-Studiengängen 5., durchgesehene Auflage Mit 147 Abbildungen
MehrWahrscheinlichkeitstheorie
Bruno de Finetti Wahrscheinlichkeitstheorie Einführende Synthese mit kritischem Anhang R. Oldenbourg Verlag Wien München 1981 Inhaltsverzeichnis Vorwort X I II III Einführung 1. Wozu ein neues Buch über
Mehr5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation
Theorie der Informatik 9. März 2015 5. Aussagenlogik III Theorie der Informatik 5. Aussagenlogik III 5.1 Inferenz Malte Helmert Gabriele Röger 5.2 Resolutionskalkül Universität Basel 9. März 2015 5.3 Zusammenfassung
MehrTeil 2. Teilbereiche der KI Der intelligente Agent
Teil 2 Teilbereiche der KI Der intelligente Agent Teil 2.1 Teilbereiche der KI Zwei Paradigmen der KI subsymbolische KI Genetische Algorithmen Neuronale Netze Maschinelles Lernen Planen Wissensrepräsentation
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
MehrGodehard Link COLLEGIUM LOGICUM. Logische Grundlagen der Philosophie und der Wissenschaften. Band 1. mentis PADERBORN
Godehard Link COLLEGIUM LOGICUM Logische Grundlagen der Philosophie und der Wissenschaften Band 1 mentis PADERBORN Inhaltsverzeichnis Vorwort xiii Einleitung 1 0.1 Historisches zum Verhältnis von Logik
MehrCollegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link
Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Band 1 von Godehard Link 1. Auflage Collegium Logicum - Logische Grundlagen der Philosophie und der Wissenschaften Link schnell
MehrInhalt. Wissensbasierte Diagnose Entscheidungsbäume Bayes-Netze Fallbasiertes Schließen Funktionsorientierte Diagnose Modellbasierte Systeme
Inhalt 2 Wissensbasierte Diagnose 3 Diagnose bezeichnet hier das Rückschließen auf mögliche Ursachen, welche zu beobachtbaren Wirkungen führen. Heutige Diagnosesysteme haben gute Diagnosebasisfunktionen,
MehrFolien zu Data Mining von I. H. Witten und E. Frank. übersetzt von N. Fuhr
Folien zu Data Mining von I. H. Witten und E. Frank übersetzt von N. Fuhr Von Naivem Bayes zu Bayes'schen Netzwerken Naiver Bayes Annahme: Attribute bedingt unabhängig bei gegebener Klasse Stimmt in der
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrLogik Vorlesung 4: Horn-Logik und Kompaktheit
Logik Vorlesung 4: Horn-Logik und Kompaktheit Andreas Maletti 14. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund WiSe 2016/17 G. Kern-Isberner (TU Dortmund) DVEW WiSe 2016/17 1 / 169 Kapitel 5 5. Wissenserwerb
MehrTeil VIII. Weiterführende Veranstaltungen im FG Wissensverarbeitung
Teil VIII Weiterführende Veranstaltungen im FG Wissensverarbeitung Überblick 1 Zusammenfassung AlgoDS 2 Datenbanken 3 Internet-Suchmaschinen 4 Knowledge Discovery 5 Künstliche Intelligenz 6 Seminare &
MehrÜbersicht. 9. Schließen in der Prädikatenlogik 1. Stufe
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2014 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 45 Übersicht Übungen und Folien zu Commonsense
MehrJürgen Lesti. Analyse des Anbieterwechsels. mit Hidden-Markov-Modellen. Empirische Untersuchung im Retail Banking. Verlag Dr.
Jürgen Lesti Analyse des Anbieterwechsels mit Hidden-Markov-Modellen Empirische Untersuchung im Retail Banking Verlag Dr. Kovac Hamburg 2015 XIII Inhaltsverzeichnis Geleitwort Vorwort Danksagung Abbildungsverzeichnis
MehrGrundkurs Theoretische Informatik
Grundkurs Theoretische Informatik Eine anwendungsbezogene Einführung - Für Studierende in allen Informatik-Studiengängen Bearbeitet von Gottfried Vossen, Kurt-Ulrich Witt 6., erweiterte und überarbeitete
MehrKapitel MK:V. V. Diagnoseansätze
Kapitel MK:V V. Diagnoseansätze Diagnoseproblemstellung Diagnose mit Bayes Evidenztheorie von Dempster/Shafer Diagnose mit Dempster/Shafer Truth Maintenance Assumption-Based TMS Diagnosis Setting Diagnosis
MehrCommonsense Reasoning
Commonsense Reasoning Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Sommersemester 2017 G. Kern-Isberner (TU Dortmund) Commonsense Reasoning 1 / 232 Kapitel 4 Grundideen probabilistischen
MehrModellierung - Wiederholung
Norbert Fuhr 24. Januar 2006 Einführung Grundbegriffe Einführung Grundbegriffe Syntax vs. Semantik Modellbegriff Repräsentation vs. Information Boolesche Terme Definition Wahrheitswerte Interpretation
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Graphische Modelle iels Landwehr Überblick: Graphische Modelle Graphische Modelle: Werkzeug zur Modellierung einer Domäne mit verschiedenen
MehrLogik Vorlesung 3: Äquivalenz und Normalformen
Logik Vorlesung 3: Äquivalenz und Normalformen Andreas Maletti 7. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
MehrInhaltsverzeichnis. Bibliografische Informationen digitalisiert durch
Inhaltsverzeichnis 1 Computerlinguistik - Was ist das? 1 1.1 Aspekte der Computerlinguistik 1 1.1.1 Computer linguistik: Die Wissenschaft 2 1.1.2 Computerlinguistik und ihre Nachbardisziplinen 3 1.1.3
MehrEntscheidungs- und Spieltheorie
H. Bühlmann H. Loeffel E. Nievergelt Entscheidungs- und Spieltheorie Ein Lehrbuch für Wirtschaftswissenschaftler Mit 121 Figuren Springer-Verlag Berlin Heidelberg NewYork 1975 Inhaltsverzeichnis 1. Teil;
MehrKI Seminar Vortrag Nr. 9 Unsicheres Wissen. Einleitung. Grundlagen. Wissen Ansätze. Sicherheitsfaktoren. Ansatz Probleme. Schlussfolgerungsnetze
Einleitung KI Seminar 2005 Vortrag Nr. 9 Unsicheres 1 Motivation Vögel können fliegen! 2 : Zuordnung von Wahrheitswerten, Wahrscheinlichkeitsgraden,. zu Aussagen, Ereignissen, Zuständen, 3 3 Eigenschaften
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 169
MehrDarstellung, Verarbeitung und Erwerb von Wissen
Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 1 Information Engineering TU Dortmund Wintersemester 2015/16 WS 2015/16 G. Kern-Isberner (TU Dortmund) DVEW WS 2015/16 1 / 169
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 14. Vorlesung: Modelltheorie und logisches Schließen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 31. Mai 2017 Rückblick: Logelei Wir kehren zurück auf
MehrEntscheidungsunterstützung/ Künstliche Intelligenz. Teil 2
Entscheidungsunterstützung/ Künstliche Intelligenz Teil 2 BiTS, Sommersemester 2005 Dr. Stefan Kooths KOOTHS BiTS: Entscheidungsunterstützung/Künstliche Intelligenz Teil 2 1 Gliederung 1. Einführung 2.
MehrSprache, Beweis und Logik
Jon Barwise John Etchemendy Band Sprache, Beweis und Logik Aussagen- und Prädikatenlogik In Zusammenarbeit mit Gerald Allwein Dave BarkeT-Plummer Albert Liu Übersetzt und für das Deutsche bearbeitet von
MehrAgenten. Seminar Wissensrepräsentation. Karzhaubekova, Gulshat
Agenten Seminar Wissensrepräsentation Karzhaubekova, Gulshat Inhalt Das Konzept des Agenten Abstrakte Agentenmodelle Reaktive Agenten und Schichtenarchitekturen Logikbasierte Agenten BDI-Agenten Multiagenten
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrIntelligente Systeme
Intelligente Systeme Regeln, Inferenz, Logiken Prof. Dr. R. Kruse C. Braune C. Moewes {kruse,cmoewes,russ}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke
MehrÜbersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrKapitel MK:V. V. Diagnoseansätze
Kapitel MK:V V. Diagnoseansätze Diagnoseproblemstellung Diagnose mit Bayes Evidenztheorie von Dempster/Shafer Diagnose mit Dempster/Shafer Truth Maintenance Assumption-Based TMS Diagnosis Setting Diagnosis
MehrZusammenfassung KI (von Marco Piroth)
Zusammenfassung KI (von Marco Piroth) Definition: KI ist das Teilgebiet der Informatik, das sich damit beschäftigt, menschliche, intelligente Verhaltensweisen auf einer Maschine nachzuvollziehen. Softwaretechnische
MehrMaschinelles Lernen und Data Mining: Methoden und Anwendungen
Maschinelles Lernen und Data Mining: Methoden und Anwendungen Eyke Hüllermeier Knowledge Engineering & Bioinformatics Fachbereich Mathematik und Informatik GFFT-Jahrestagung, Wesel, 17. Januar 2008 Knowledge
MehrGrundlagen der Künstlichen Intelligenz
KI Wintersemester 2013/2014 Grundlagen der Künstlichen Intelligenz Marc Toussaint Machine Learning & Robotics Lab Universität Stuttgart marc.toussaint@informatik.uni-stuttgart.de http://ipvs.informatik.uni-stuttgart.de/mlr/marc/
MehrInstitut für Eisenbahnwesen und Verkehrssicherung. 1# W TU Braunschweig MANFRED MATZKE. Ein Bewertungssystem für Betriebskonzepte bei Industriebahnen
Institut für Eisenbahnwesen und Verkehrssicherung 1# W TU Braunschweig MANFRED MATZKE Ein Bewertungssystem für Betriebskonzepte bei Industriebahnen Inhaltsverzeichnis Verwendete Abkürzungen Glossar vi
MehrMarkov Logik. Matthias Balwierz Seminar: Maschinelles Lernen WS 2009/2010 Prof. Fürnkranz
Markov Logik Matthias Balwierz Seminar: Maschinelles Lernen WS 2009/2010 Prof. Fürnkranz Überblick Markov Netze Prädikatenlogik erster Stufe Markov Logik Inferenz Lernen Anwendungen Software 18.11.2009
MehrHandbuch Wissensmanagement
Matthias Haun Handbuch Wissensmanagement Grundlagen und Umsetzung, Systeme und Praxisbeispiele Mit 75 Abbildungen ÄJ Springer 1 Einleitung 1 1.1 Motivation 1 1.2 Ziel 1 1.3 Wissenschaftstheoretische Grundlage
MehrFormale Systeme. Wiederholung. Prof. Dr. Bernhard Beckert, WS 2017/ KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Wiederholung KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft Themen Aussagenlogik
Mehr