Case Based Reasoning - Konzepte und Anwendungsbeispiele

Cover
GRIN Verlag, 2007 - 28 Seiten
Studienarbeit aus dem Jahr 2003 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, Universität Siegen (Lehrstuhl der Wirtschaftsinformatik), Sprache: Deutsch, Abstract: Die folgenden Seiten beschäftigen sich mit dem in den letzten Jahren zunehmenden Bereich des Case-based reasoning (CBR) (dt. Fallbasiertes Schliessen). Case-based reasoning ist eine Technik, die aus der Psychologie abgeleitet ist und in verschiedenen Anwendungsberei-chen zum Tragen kommt, vornehmlich in der Künstlichen Intelligenz (KI). Im weiteren Verlauf wird, ausgehend von dem Hintergrund und der Motivation dieses The-mengebiets, die Begrifflichkeit erklärt sowie ein einführendes Beispiel aufgeführt, um die späteren Konzepte leichter nachvollziehbar zu machen. Im Hauptteil werden die wichtigsten Grundlagen von CBR erklärt und anhand des Phasenmodells von Aamodt und Plaza [AaPl94] durchlaufen. Ferner wird auf den Aufbau von CBR-Anwendungen hingewiesen und kommerzielle Werkzeuge vorgestellt. Im Schlussteil erfolgt dann abschliessend eine Zusam-menfassung des Themenkomplexes, und ein Blick auf die zukünftige Entwicklung soll helfen zu verstehen, warum dieses Gebiet in den letzten Jahren so grosse Fortschritte gemacht hat und in neuen Bereichen wie self-service und e-commerce im WWW anzutreffen sein wird.
 

Was andere dazu sagen - Rezension schreiben

Es wurden keine Rezensionen gefunden.

Andere Ausgaben - Alle anzeigen

Häufige Begriffe und Wortgruppen

Aamodt und Plaza adaptiert Adaption Ähn ähnliche Fälle Ähnlichkeitsmaß aktuellen Fallbasis allgemeines Wissen analytischen Aufgaben Ansatz Anwendung Attribut-Wert Darstellung Auto beschreiben Bewertung case Case-based reasoning case-based Systemen category CBR-Kreis Darstellungsform Diagnostik Distanzmaße dynamische Lernen Effizienz Eigenschaften Einspritzpumpe einzelnen Entscheidungsbaums Erfahrungen erst Fälle als Exemplare Fallsammlung aufgenommen Form geeignet generalisierte Episoden gesamte Lösungsweg verwendet Gewichtsvektor Graph Grundbegriffe und Fallrepräsentation hierbei hierzu Indexstruktur Integration John Travolta Keilriemen Klassifikation Kognitionswissenschaftliche kommerzielle Werkzeuge kommt Konfiguration Konzept leme liche Lösung Lösungsanpassung Lösungsteil meist Menge Modell muss namisch neue Fall Objekten Objektorientierte Objektorientierte Repräsentation Phase Planung primären Attributen Problems Problemsituation Problemstellung Prozess Prozessmodell realisiert Repräsentation Repräsentationsformalismen Retain Retrieval-Methoden Retrieve Revise-Phase scripts semantisch shells siehe 2.2 Ähnlichkeitsbestimmung similarity Situation soll somit sowie Speichern neuer Fälle Stefan Struktur der Fallbasis sungen syntaktische synthetische Aufgaben tools transitiv ungerichteten Graph unterscheiden Verstehen vier Containern Vorgehensweise vorgestellt vorhanden weiteren wichtig wiederverwendet wissensbasierten Systemen Wissenscontainer wobei zentrale zitiert nach Berg99 zwei

Bibliografische Informationen