Methoden wissensbasierter Systeme / Computational Intelligence (PDF)
Grundlagen, Algorithmen, Anwendungen
Von namhaften Professoren empfohlen: State-of-the-Art bietet das Buch zu diesem klassischen Bereich der Informatik. Die wesentlichen Methoden wissensbasierter Systeme werden verständlich und anschaulich dargestellt. Repräsentation und Verarbeitung sicheren...
sofort als Download lieferbar
eBook (pdf)
Fr. 40.00
inkl. MwSt.
- Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Methoden wissensbasierter Systeme / Computational Intelligence (PDF)“
Von namhaften Professoren empfohlen: State-of-the-Art bietet das Buch zu diesem klassischen Bereich der Informatik. Die wesentlichen Methoden wissensbasierter Systeme werden verständlich und anschaulich dargestellt. Repräsentation und Verarbeitung sicheren und unsicheren Wissens in maschinellen Systemen stehen dabei im Mittelpunkt. Die dritte, erweiterte Auflage rückt mit einem neuen Kapitel über "Agenten" eine aktuelle Technologie ins Blickfeld. Zahlreiche motivierende Testaufgaben und ein Online-Service mit ausführlichen Musterlösungen erleichtern das Lernen.
Lese-Probe zu „Methoden wissensbasierter Systeme / Computational Intelligence (PDF)“
5 Maschinelles Lernen (S. 97-98)Ähnlich wie es grundlegende Schwierigkeiten gibt, den Begriff der künstlichen Intelligenz exakt zu definieren, gilt dies auch für den Begri. des maschinellen Lernens. Beide Begriffe stehen nämlich in einem ähnlichen Verhältnis zueinander, wie dies auch die Begriffe der Intelligenz und des Lernens tun. Intelligentes Verhalten wird oft eng mit der Fähigkeit des Lernens verknüpft, in der Tat spielt bei der Entwicklung der Intelligenz beim Menschen die Lernfähigkeit eine ganz entscheidende Rolle. In diesem Kapitel gehen wir zunächst auf die Problematik einer Definition des Begriffs Lernen ein und klassifizieren die verschiedenen Ansätze zum maschinellen Lernen.
Den Schwerpunkt dieses Kapitels bilden dann induktive Lernverfahren: das sehr erfolgreiche Gebiet des Lernens von Entscheidungsbäumen und das allgemeinere Gebiet des Lernens von Konzepten. Beim Lernen von Konzepten stellen wir insbesondere das Lernverfahren mit Versionenräumen vor, das einen guten Rahmen darstellt, in dem viele grundlegende Problemstellungen des induktiven Lernens verdeutlicht werden können. Weiterhin gehen wir mit den Themen Data Mining und Wissensfindung in Datenbeständen auf einen Bereich ein, der aktuell in vielen Anwendungsgebieten besonderes Interesse findet.
5.1 Definition des Lernens
Verschiedene Definitionen für (maschinelles) Lernen wurden vorgeschlagen und diskutiert. Zunächst betrachten wir die folgende Definition: . Learning denotes changes in the system that are adaptive in the sense that they enable the system to do the same task or tasks drawn from the same population more efficiently and more effectively the next time [198]. Diese Charakterisierung umfasst allerdings auch Veränderungen, die offensichtlich nichts mit Lernen zu tun haben. Sieht man die schnellere Abarbeitung einer arithmetischen Berechnung als eine Verbesserung an, so wäre streng genommen nach der obigen Definition bereits die
... mehr
Verwendung eines schneller getakteten Prozessors, der die arithmetischen Berechnungen nach demselben Schema, aber in kürzerer Zeit durchführt, eine Lernleistung. Eine zweite Definition ist die folgende:
- The study and computer modeling of learning processes in their multiple manifestations constitutes the subject matter of machine learning [32]. Diese Definition vermeidet zwar die soeben angesprochenen Defizite, umgeht aber die Problematik einer eigentlichen Definition des maschinellen Lernens dadurch, dass direkt auf "Lernprozesse in verschiedenen Ausprägungen" referiert wird. Aus dem Kontext der Arbeit [32] geht aber deutlich hervor, dass hierbei nicht nur die adäquate Modellierung menschlicher Lernprozesse gemeint ist, sondern eben auch Lernprogramme, die völlig andere Ansätze verfolgen. Gelerntes Wissen muss in der ein oder anderen Form repräsentiert werden, um für eine spätere Verwendung zur Verfügung zu stehen. Dieser Repräsentationsaspekt wird in der folgenden Charakterisierung des Lernens hervorgehoben:
- Learning is constructing or modifying representations of what is being experienced [146]. Als zentraler Aspekt des Lernens wird hierbei also die Konstruktion einer Repräsentation gesehen. Durch das Lernen erzielte Performanzverbesserung wird als Konsequenz angesehen, die jedoch in engem Zusammenhang mit den Zielen des Lernenden steht. In den meisten praktischen Situationen wird aber die Beurteilung des Lernerfolges von dem Mass der Performanzverbesserung abhängen, da der direkte Zugriff und vor allem eine Beurteilung der Güte einer Repräsentation oft schwierig oder gar nicht möglich ist. Während bei menschlichem Handeln normalerweise gleichzeitig Lernen stattfindet, das zur Performanzsteigerung bei der ausgeführten Handlung führen kann, sind Computerprogramme typischerweise nicht in der Lage, aus Erfahrung ihr eigenes Handeln zu verbessern. Gerade dies ist aber das Ziel des maschinellen Lernens:
- The study and computer modeling of learning processes in their multiple manifestations constitutes the subject matter of machine learning [32]. Diese Definition vermeidet zwar die soeben angesprochenen Defizite, umgeht aber die Problematik einer eigentlichen Definition des maschinellen Lernens dadurch, dass direkt auf "Lernprozesse in verschiedenen Ausprägungen" referiert wird. Aus dem Kontext der Arbeit [32] geht aber deutlich hervor, dass hierbei nicht nur die adäquate Modellierung menschlicher Lernprozesse gemeint ist, sondern eben auch Lernprogramme, die völlig andere Ansätze verfolgen. Gelerntes Wissen muss in der ein oder anderen Form repräsentiert werden, um für eine spätere Verwendung zur Verfügung zu stehen. Dieser Repräsentationsaspekt wird in der folgenden Charakterisierung des Lernens hervorgehoben:
- Learning is constructing or modifying representations of what is being experienced [146]. Als zentraler Aspekt des Lernens wird hierbei also die Konstruktion einer Repräsentation gesehen. Durch das Lernen erzielte Performanzverbesserung wird als Konsequenz angesehen, die jedoch in engem Zusammenhang mit den Zielen des Lernenden steht. In den meisten praktischen Situationen wird aber die Beurteilung des Lernerfolges von dem Mass der Performanzverbesserung abhängen, da der direkte Zugriff und vor allem eine Beurteilung der Güte einer Repräsentation oft schwierig oder gar nicht möglich ist. Während bei menschlichem Handeln normalerweise gleichzeitig Lernen stattfindet, das zur Performanzsteigerung bei der ausgeführten Handlung führen kann, sind Computerprogramme typischerweise nicht in der Lage, aus Erfahrung ihr eigenes Handeln zu verbessern. Gerade dies ist aber das Ziel des maschinellen Lernens:
... weniger
Autoren-Porträt von Christoph Beierle, Gabriele Kern-Isberner
Prof. Dr. Christoph Beierle ist Universitätsprofessor für Informatik/Wissensbasierte Systeme an der FernUniversität in Hagen.Prof. Dr. Gabriele Kern-Isberner ist Universitätsprofessorin für Informatik/Information Engineering an der Universität Dortmund.
Bibliographische Angaben
- Autoren: Christoph Beierle , Gabriele Kern-Isberner
- 2007, 3.Aufl. 2006, 490 Seiten, Deutsch
- Verlag: Vieweg+Teubner Verlag
- ISBN-10: 3834891169
- ISBN-13: 9783834891167
- Erscheinungsdatum: 18.08.2007
Abhängig von Bildschirmgrösse und eingestellter Schriftgrösse kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Grösse: 5.42 MB
- Ohne Kopierschutz
- Vorlesefunktion
Pressezitat
Zur 3. Auflage:"Das Buch ist auf einem konstant hohen Level an Anspruch und Qualität geschrieben. Dabei ergibt sich die Zielgruppe wie von selbst: für Studenten der Informatik und verwandter Fachrichtungen ist diese Buch genau richtig."
www.media-mania.de 05.10.2007
Kommentar zu "Methoden wissensbasierter Systeme / Computational Intelligence"
0 Gebrauchte Artikel zu „Methoden wissensbasierter Systeme / Computational Intelligence“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Methoden wissensbasierter Systeme / Computational Intelligence".
Kommentar verfassen