Maschinelle Intelligenz: Grundlagen, Lernverfahren, Bausteine intelligenter Systeme
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Language: | German |
| Published: |
Braunschweig ; Wiesbaden
Vieweg
2000
|
| Series: | Computational Intelligence
|
| Subjects: | |
| Online Access: | Inhaltsverzeichnis |
| Physical Description: | XXII, 455 Seiten Illustrationen, Diagramme |
| ISBN: | 3528054891 |
Staff View
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV012148336 | ||
| 003 | DE-604 | ||
| 005 | 20220623 | ||
| 007 | t | ||
| 008 | 980910s2000 gw a||| |||| 00||| ger d | ||
| 016 | 7 | |a 958403503 |2 DE-101 | |
| 020 | |a 3528054891 |c kartoniert |9 3-528-05489-1 | ||
| 035 | |a (OCoLC)47703145 | ||
| 035 | |a (DE-599)BVBBV012148336 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-NI | ||
| 049 | |a DE-473 |a DE-861 |a DE-92 |a DE-863 |a DE-862 |a DE-573 |a DE-70 |a DE-739 |a DE-29T |a DE-1046 |a DE-20 |a DE-1028 |a DE-521 |a DE-523 |a DE-634 |a DE-11 |a DE-525 |a DE-706 | ||
| 084 | |a ST 285 |0 (DE-625)143648: |2 rvk | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a DAT 700f |2 stub | ||
| 084 | |a 28 |2 sdnb | ||
| 100 | 1 | |a Keller, Hubert B. |e Verfasser |0 (DE-588)1158152639 |4 aut | |
| 245 | 1 | 0 | |a Maschinelle Intelligenz |b Grundlagen, Lernverfahren, Bausteine intelligenter Systeme |c Hubert B. Keller ; unter Mitarbeit von Andreas Fick, Thomas Weinberger, Martina Gorges-Schleuter, Wolfgang Eppler und Cosima Schmauch |
| 264 | 1 | |a Braunschweig ; Wiesbaden |b Vieweg |c 2000 | |
| 300 | |a XXII, 455 Seiten |b Illustrationen, Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a Computational Intelligence | |
| 650 | 0 | 7 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | 1 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |D s |
| 689 | 0 | |5 DE-604 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008227716&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-008227716 | ||
Record in the Search Index
| DE-BY-862_location | 2000 |
|---|---|
| DE-BY-863_location | 1911 |
| DE-BY-FWS_call_number | 2000/ST 300 K29 1911/2015:0759 |
| DE-BY-FWS_katkey | 166741 |
| DE-BY-FWS_media_number | 083000330097 083100748286 |
| _version_ | 1824553598158110720 |
| adam_text | Titel: Maschinelle Intelligenz
Autor: Keller, Hubert B
Jahr: 2000
Inhaltsverzeichnis
1 Einleitung.........................................................................................................................l
Hubert B. Keller
1.1 Geschichte der Kiinstlichen Intelligenz (KI)...................................................................1
1.1.1 Die «symbolische, Logik-orientierte KI» ........................................................2
1.1.2 Der Konnektionismus..........................................................................................4
1.1.3 Intelligenz durch Verhaltenssimulation?.........................................................6
1.1.4 Intelligenz durch Symbolmanipulation?...........................................................7
1.2 Thematik des Buches..........................................................................................................9
2 Grundlagen intelligenter Systeme..................................................................15
Hubert B. Keller, Andreas Fick
2.1 Einleitung...........................................................................................................................15
2.1.1 Intelligente Systeme...........................................................................................16
2.1.2 Wissenserwerb...................................................................................................16
2.1.3 Fragen und Losungsansatze............................................................................17
2.2 Inferentielle Methoden.....................................................................................................18
2.2.1 Deduktion: Balle konnen springen..................................................................20
2.2.2 Induktion: Sind springende Balle rot?...........................................................20
2.2.3 Ausprdgungen der Inferenz: Von Bcillen aus der Kiste................................22
2.2.4 Analogic: Auch Reifen konnen springen........................................................25
2.2.5 Zusammenfassung.............................................................................................27
2.3 Struktur eines intelligenten Systems..............................................................................29
2.4 Multiagentensysteme und Intelligente Software-Agenten..........................................31
3 Wissensdarstellung und -verarbeitung - die Klassiker.........................35
Cosima Schmauch, Hubert B. Keller
3.1 Einfuhrung.........................................................................................................................36
3.2 Automatisches Beweisen.................................................................................................38
3.2.1 Prddikatenlogik..................................................................................................39
3.2.1.1 Syntax und Semantik der PrSdikatenlogik......................................39
3.2.1.2 Modell- und Beweistheorie...............................................................42
3.2.1.3 Das Resolutionsprinzip......................................................................43
3.2.2 Logik zur Darstellung von Wissen..................................................................44
3.2.2.1 Monotonie der Ableitungen...............................................................45
3.2.2.2 Truth Maintenance-Systeme..............................................................46
3.2.2.3 Das Frame-Problem............................................................................48
3.2.2.4 Unsicheres Wissen..............................................................................49
3.2.3 Nichtstandardlogiken........................................................................................52
3.2.3.1 Mehrwertige Logik.............................................................................52
3.2.3.2 Modallogik...........................................................................................55
IX
3.2.3.3 Nichtmonotone Logik / Default-Logik / Zirkumskription
3.2.3.4 Temporale Logik.....................................................................
3.3 Regelbasierte Systeme........................................................................................
3.3.1 Kontrollstrategie...................................................................................
3.3.2 Vorwartsverkettung...............................................................................
3.3.3 Ruckwdrtsverkettung........................... ................................................
3.3.4 Vergleich von Vorwarts- unci Riickwdrtsverketteung.......................
3.3.5 Expertensysteme...................................................................................
3.3.5.1 Architektur von Expertensystemen.....................................
3.3.5.2 Unsicheres Wissen in Expertensystemen...........................
3.4 Strukturierte Objekte...........................................................................................
3.4.1 Merkmalsvektoren................................................................................
3.4.2 Parameter in algebraischen Ausdriicken ..........................................
3.4.3 Symbolische, algebraische Verfahren...............................................
3.4.3.1 Computeralgebra....................................................................
3.4.3.2 Constraints..............................................................................
3.4.4 Skripte oder Drehbiicher (Scripts).....................................................
3.4.5 Semantische Netze................................................................................
3.4.5.1 Interpretation von semantischen Netzen.............................
3.4.5.2 Ausdrucksmachtigkeit...........................................................
3.4.6 Frames...................................................................................................
3.4.7 Objektorientierter Ansatz....................................................................
3.5 Qualitatives SchlieBen.........................................................................................
3.5.1 Grundlegende Methoden und Forschungsprobleme.......................
3.5.2 Methoden des Qualitativen Schliefiens..............................................
3.5.3 Zusammenfassung und Ergdnzung.....................................................
3.6 Wissensdarstellung und -verarbeitung - Restimee..........................................
3.6.1 Fogiken...................................................................................................
3.6.2 Regeln.....................................................................................................
3.6.3 Strukturierte Objekte............................................................................
3.6.4 Qualitatives Schliefien.........................................................................
3.6.5 Zusammenfassung................................................................................
4 Wissensakquisition................................................................................
Hubert B. Keller, Thomas Weinberger ». .....
4.1 Manuelle Wissensakquisition..........................................................................
4.1.1 Phasenmodell des Wissenserwerbs.................................................
4.2 Automatische Wissensakquisition...........................................................
4.3 Wissensakquisition - Restimee...................................................
5 Losungsstrategien und Suchverfahren der KI...................
Hubert B. Keller, Thomas Weinberger
5.1 Allgemeine Losungsstrategien........................
5.1.1 Beschreiben und Vergleichen.................................
5.1.2 Zielreduktion (Teilzielbildung).................................].......................
56
58
59
61
62
62
64
64
65
67
69
69
70
71
71
.72
.74
75
.76
.78
.79
. 81
.82
.83
.84
. 85
.85
. 85
.87
. 88
. 89
. 89
.93
.94
.95
.97
.98
101
104
104
105
X
5.1.3 Propagierung naturlicher Beschrankungen................................................105
5.2 Suchverfahren..................................................................................................................107
5.2.1 Interpolation (als Konstruktion von Losungspfaden).................................108
5.2.2 Grundlegende Prozeduren turn Finden eines Pfades................................. 109
5.2.3 Die Suche nach dem besten Weg...................................................................112
5.2.4 Suchprobleme bei Spielen..............................................................................113
5.3 Weitere (heuristische) Losungsverfahren....................................................................115
5.3.1 Die Mittel-Zweck-Analyse (Means-Ends-Analysis).................................... 115
5.3.2 Generieren-und-Testen von Systemen..........................................................115
5.4 Zusammenfassung..........................................................................................................116
6 Fuzzy-Systeme - Umgang mit unscharfem Wissen...............................117
Andreas Fick, Hubert B. Keller
6.1 Geschichte........................................................................................................................117
6.2 Einleitung.........................................................................................................................118
6.3 Die Theorie unscharfer Mengen...................................................................................119
6.3.1 Unscharfe Mengen........;.................................................................................120
6.3.2 Fuzzy-Logik und das Extensionsprinzip.......................................................121
6.3.3 Fuzzy-Relationen.............................................................................................123
6.3.4 Die lmplikation..................................................................................•..............123
6.3.5 Fuzzy-Inferenz..................................................................................................124
6.4 Einstufiges unscharfes SchlieBen (fuzzy reasoning, approximate reasoning)........125
6.4.1 Fuzzy-Controller nach E. Mamdani.............................................................125
6.4.2 Die Wissensbasis.............................................................................................126
6.4.3 Der Fuzzifizierer..............................................................................................127
6.4.4 Die Entscheidungslogik..................................................................................128
6.4.5 Der Defuzzifizierer..........................................................................................130
6.4.6 Zusammenfassung und Ergdnzung................................................................131
6.5 Fuzzy Control: Unscharfe Regelung............................................................................132
6.5.1 Klassische Regelungstechnik.........................................................................132
6.5.2 Anwendungsgrenzen klassischer Regelungstechnik...................................134
6.5.3 Fuzzy-Regler....................................................................................................135
6.6 EinBeispiel......................................................................................................................139
6.6.1 Voriiberlegungen.............................................................................................140
6.6.2 Festlegung der linguistischen Variablen.....................................................140
6.6.3 Festlegung der Fuzzy-Regeln.........................................................................142
6.6.4 Beriicksichtigung der zweiten Eingangsgrofie............................................142
6.6.5 Optimierung.....................................................................................................143
6.6.6 Ergdnzung.........................................................................................................144
6.7 Anwendungen..................................................................................................................144
6.7.1 Hindernisvermeidung im Miniatur-Roboter Khepera................................145
6.7.1.1 Eine Kollisionsvermeidungsstrategie.............................................145
6.7.2 Ausbrandoptimierung in der thermischen Abfallbehandlung..................147
6.7.2.1 Ein System zur Ausbrandsteuerung...............................................148
6.7.2.2 Der Fuzzy-Regler..............................................................................148
XI
Konnektionismus - Neuronale Netze.............................................................159
Hubert B. Keller
1 Die konnektionistische Idee..........................................................................................
711 Vorbild Natur - neurobiologische Grundlagen...........................................
7.1.2 Maschinelle lntelligenz und kunstliche Neuronale Netze..........................162
7.1.3 Merkmale und Prinzipien kiinstlicher Neuronaler Netze...........................164
7.1.3.1 Ordnungsstruktur Neuronaler Netze..............................................164
7.1.3.2 Phasen bei Neuronalen Netzen.......................................................165
7.1.3.3 Automatische Lernfahigkeit der internen Reprasentation...........165
7.1.3.4 Subsymbolische Reprasentation und parallele Verarbeitung.....165
2 Oberwachtes Lernen - Lernen mit Anleitung............................................................. 67
7.2.1 Das Neuron...................................................................................................... 67
7.2.1.1 Das allgemeine Modell des Neurons..............................................167
7.2.1.2 McCulloch-Pitts Modellneuron......................................................169
7.2.2 Ein lernfahiges Modell - das Perceptron.....................................................170
7.2.3 Mehrschichtige Neuronale Netze..................................................................174
7.2.3.1 Die XOR-Losung mit multi layer Perceptrons (MLP)................174
7.2.3.2 Prinzipielle Struktur mehrschichtiger Netze.................................175
7.2.3.3 Backpropagation-Netzwerke...........................................................176
7.2.4 Rekurrente Netze - Neuronale Netze mit Riickkopplung............................180
7.2.4.1 Hopfield-Netze..................................................................................181
3 Uniiberwachtes Lernen - Lernen ohne Anleitung......................................................183
7.3.1 Wie lernt man ohne Lehrer?..........................................................................183
7.3.2 Wie im richtigen Leben - «Winner takes it all» -Netze...............................183
7.3.3 Topologie-erhaltende Abbildungen (Kohonen s feature map).................184
4 Ein Buffet Neuronaler Netze.........................................................................................189
7.4.1 Lernregelnfiir Neuronale Netze....................................................................189
7.4.2 Weitere Arten vonfeed-forward-Netzen.......................................................190
7.4.2.1 Assoziative Speicher........................................................................190
7.4.2.2 Wettbewerbs-Lernen (Competitive Learning)..............................190
7.4.2.3 Aufmerksamkeits-gesteuerte Systeme...........................................191
7.4.3 Weitere Arten von riickgekoppelten Netzen.................................................191
7.4.3.1 Brain-state-in-a-box..........................................................................191
7.4.3.2 Boltzmann-Maschinen.....................................................................191
7.4.4 Zur Approximation stetiger Funktionen.......................................................192
.5 Was uns erwartet - aktuelle Forschungsbereiche.......................................................193
7.5.1 Adaptive Lernverfahren....................................................................................
7.5.2 Konstruktive/Destruktive Algorithmen zur Netzstrukturierung................194
7.5.3 Radial Basis Functions...................................................................................194
7.5.4 Evolutiondre Optimierung Neuronaler Netze.............................................197
7.5.5 Reinforcement Lernen.....................................................................................197
7.6 Werkzeuge zur Simulation Neuronaler Netze............................................................198
7.6.1 Softwaresimulation Neuronaler Netze..........................................................199
7.6.2 Hardwaresimulation Neuronaler Netze.......................................................199
7.7 Praktische Anwendungen Neuronaler Netze..............................................................200
7.7.1 Identification dynamischer Systeme mit Neuronalen Netzen....................200
7.7.2 Steuerung einer Folgefahrt mit Backpropagation-Netzen.........................201
7.7.3 Prognose von Aktienkursen mit Backpropagation Netzen.........................201
7.7.4 Klassifikation mit Backpropagation-Netzen................................................202
7.7.5 Robotersteuerung mit Kohonen-Netzen........................................................203
7.7.6 Mustererkennung mit Neuronalen Netzen....................................................204
7.7.7 Mensch-Maschine-Interaktion.......................................................................205
7.8 Konnektionismus, Neuronale Netze - Resiimee.........................................................207
8 Neuro-Fuzzy - adaptive Regeln im Subsymbolischen..........................211
Wolfgang Eppler
8.1 Einleitung.........................................................................................................................211
8.2 Prinzipielle Kopplungsarten von Neuro-Fuzzy-Systemen........................................ 213
8.2.1 Starke der Verflechtung..................................................................................213
8.2.1.1 Nicht gekoppelte Neuro-Fuzzy-Systeme.......................................214
8.2.1.2 Schwach gekoppelte Neuro-Fuzzy-Systeme.................................214
8.2.1.3 Eng gekoppelte Neuro-Fuzzy-Systeme.........................................215
8.2.2 Ziel der Kopplung bei Neuro-Fuzzy-Systemen............................................215
8.2.2.1 Adaptive propositionale Systeme...................................................216
8.2.2.2 Interpretierbare prozedurale Systeme............................................217
8.3 Neuro-Fuzzy-Systeme....................................................................................................218
8.3.1 NNDFR (Hayashi 1989).................................................................................218
8.3.2 FINE (Eppler 1990)........................................................................................220
8.3.3 ANFIS (Jang 1991).........................................................................................224
8.3.4 BIOFAM (Kosko 1992)...................................................................................226
8.3.5 GARIC (Berenji und Khedar 1992)..............................................................227
8.3.6 NEFCON (Nauck 1993) .................................................................................229
8.3.7 FuNe (Halgamuge und Glesner 1994).........................................................230
8.3.8 FAGNIS (Cechin et al. 1994).........................................................................231
8.4 Neuro-Fuzzy-Anwendungen .........................................................................................233
8.4.1 Diagnose von Leber-Funktionsstdrungen (Hayashi 1991)........................233
8.4.2 Regelung eines Sofortdampferzeugers (Eppler 1993)................................234
8.4.3 Regelung eines Schweifiroboters (Ma 1993)...............................................236
8.4.4 Automatik-Getriebe (Hayashi 1993).............................................................236
8.4.5 Roboterarm (Segers 1994).............................................................................237
8.4.6 Regelung eines Interferometerspiegels (Cechin et al. 1994).....................238
8.4.7 Roboter-Navigation (Pan 1995)....................................................................239
8.4.8 Regelung einer Klimaanlage (Pfeiffer 1995)...............................................240
XIII
9 Evolutionare Algorithmen - Yorbild Natur..............................................
Martina Gorges-Schleuter .,, _
......................243
9.1 Einleitung...............................................................................................
245
9.2 Begriffsbildung...............................................................................................................
• • 247
9.3 Allgemeines Funktionsprinzip .....................................................................................
9.4 Historie Evolutionarer Algorithmen.............................................................................248
9.5 Genetische Algorithmen................................................................................................
754
9.6 Evolutionsstrategien.......................................................................................................^
9.7 EAs mit Populationsstruktur.........................................................................................257
9.7.1 Migrationsmodelle..........................................................................................2^8
9.7.2 Diffusionsmodelle............................................................................................2^0
9.7.3 Ein explizit paralleler EA...............................................................................261
9.8 Klassifizierungssysteme.................................................................................................264
9.8.1 Das Prinzip der Klassifizierungssysteme.....................................................264
9.8.2 Evolution unter Klassifizierungssystemen...................................................265
9.8.3 Evolution durch Konkurrenz unter Klassifikationsregeln.........................265
9.9 Praktische Anwendungen..............................................................................................266
9.9.1 Anwendung im Bereich des Maschinellen Lernens....................................267
9.9.2 Allgemeine Anwendungen..............................................................................268
9.9.3 Ein Anwendungsbeispiel: Bahnplanung fiir Roboter.................................269
9.9.3.1 Das Roboterexperiment....................................................................271
9.9.3.2 Parallelimplementierung und Performance...................................275
9.10 Evolutionare Algorithmen - Restimee..........................................................................276
10 Maschinelles Lernen..............................................................................................281
Thomas Weinberger, Hubert B. Keller , r. ,
10.1 Lernstrategien im Uberblick..........................................................................................281
10.2 Lernstrategien als Grundlage fiir Maschinelles Lemen.............................................283
10.2.1 Mechanisches Eernen und direkte Implantation neuen Wissens..............283
10.2.2 Lernen durch Instruktion (Unterweisung)..........................................................................283
10.2.3 Lernen durch Operationalisieren................................................................................284
10.2.4 Induktives Lernen (empirisches Lernen)................................................................................284
10.2.4.1 Lernen aus Beispielen............................................................................................285
10.2.4.2 Lernen durch Beobachtung und Entdeckung..........................287
10.2.5 Lernen durch Deduktion (analytisches Lernen)..................... ......288
10.2.6 Lernen durch Analogie...............................................................................................^39
10.3 Lerntheorie..................................................................................
10.4 Zusammenfassung.........................
...............................................................................290
XIV
11 Maschinelle Lernverfahren...............................................................................293
Thomas Weinberger, Hubert B. Keller
11.1 Uberblick tiber Lernprinzipien......................................................................................293
11.1.1 Empirisch induktive Verfahren......................................................................294
11.1.2 Konstruktiv induktive Verfahren...................................................................295
11.1.3 Multistrategie-Systeme...............................................................:...................296
11.1.4 Deduktive Verfahren.......................................................................................296
11.2 Empirisch induktive Verfahren.....................................................................................297
11.2.1 Entscheidungsbaume (TD1DT-Verfahren)...................................................298
11.2.1.1 Uberblick.........................................................................................298
11.2.1.2 Achsenparallele Baume : ID3.......................................................300
11.2.1.3 Schiefe Baume................................................................................306
11.2.1.4 Zusammenfassung und Ausblick..................................................308
11.2.2 Versionenraummethode und AQ-Algorithums............................................ 309
11.2.2.1 Die Versionenraum-Methode........................................................309
11.2.2.2 Ein Beispiel zur Versionenraum-Methode..................................312
11.2.2.3 Probleme der Versionenraummethode.........................................313
11.2.2.4 AQ11 und der AQ-Algorithmus...................................................313
11.2.3 BACON.x..........................................................................................................316
11.2.3.1 BACON.x am Beispiel des dritten Kepplerschen Gesetzes.....319
11.2.4 Clusterverfahren..............................................................................................320
11.2.4.1 Clusterung (abstandsorientiert oder statistisch)..........................320
11.2.4.2 Begriffliche Ballung (Conceptual Clustering)............................321
11.2.4.3 Vergleich der beiden Clustertechniken - Restimee....................323
11.2.5 Inkrementelle Konzeptbildung.......................................................................324
11.2.5.1 EPAM (Elementary Perceiver and Memorizer).........................325
11.2.5.2 EPAM, UNIMEM, COBWEB und CLASSIT im Uberblick... 328
11.3 EBL (Explanation-Based-Learning)............................................................................330
11.3.1 EBG (Explanation-Based-Generalization)..................................................333
11.3.1.1 EBG an einem Beispiel..................................................................334
11.3.1.2 Bewertung........................................................................................338
11.4 DISCIPLE - ein Verfahren mit hybrider Lernstrategie.............................................338
11.4.1 Lernen in einer Domane mit vollstandiger Domanen-Theorie.................340
11.4.2 Eernen in einer Domane mit schwacher Domanen-Theorie.....................340
11.4.3 Lernen in einer Domane mit unvollstandiger Domanen-Theorie.............342
11.4.4 Berne rkungen zu DISCIPLE...........................................................................343
11.4.5 Schwachen von DISCIPLE.............................................................................343
11.5 Kognitionstheoretisch motivierte Konzepte zum Maschinellen Lernen.................344
11.6 Praktische Anwendungen maschineller Lernverfahren.............................................345
11.7 (Symbolische) maschinelle Lernverfahren - Restimee.............................................. 346
11.7.1 Verfahren..........................................................................................................346
11.7.2 Reprasentation.................................................................................................347
11.7.3 Theorie..............................................................................................................348
11.7.4 Zusammenfassung und Ausblick....................................................................348
XV
12 Psychologische Modelle menschlichen Problemlosens 351
Hubert B.Keller, Thomas Weinberger ¦
353
12.1 Problemklassen und Losungsstrategien.......................................................................
12.1.1 Problem und Problemklassen........................................................................
12.1.2 Strategien zur Problemldsung.......................................................................
12.1.2.1 Problemlosen als individueller Lernprozess.............................355
12.1.2.2 Losen von Interpolationsproblemen.............................................356
12.1.2.3 Synthetisches Problemlbsen..........................................................358
12.1.2.4 Dialektisches Problemlosen..........................................................361
12.2 Reiz-Reaktions-Theorien...............................................................................................
12.2.1 Pawlow und das klassische Konditionieren.................................................361
12.2.2 Thorndike und das Lernen durch Versuch und Irrtum...............................362
12.2.3 Guthrie und die Kontiguitcitstheorie.............................................................362
12.2.4 Skinner und das Operante Konditionieren..................................................363
12.2.5 Zusammenfassung und Bewertung................................................................363
12.3 Die kognitiven Theorien................................................................................................364
12.3.1 Das Flussdiagramm des Lernprozesses.......................................................364
12.3.2 Tolman und das Lernen von Zeichen............................................................365
12.3.3 Der Grundgedanke der Gestaltpsychologie................................................366
12.3.4 Piaget und die kognitive Struktur..................................................................367
12.3.4.1 Der Schemabegriff und die kognitive Struktur...........................367
12.3.4.2 Die Stufenlehre Piagets..................................................................368
12.3.4.3 Berlyne und die Theorie des kognitiven Konfliktes..................369
12.4 Grundelemente der Informationsverarbeitung............................................................370
12.4.1 Der Assoziationismus.........................................................................................
12.4.2 Der faktorenanalytische Ansatz....................................................................
12.4.3 Kognitive Operationen (Seltz, Lompscher).......................................... 371
12.4.3.1 Der Ansatz von Selz (1913)................................................................................372
12.4.3.2 Der Ansatz von Lompscher (1972)......................................................372
12.5 Kognitive Theorien zum Wissenserwerb............................................................................323
12.5.1 Derpropositional orientierte Ansatz zum Wissenserwerb 374
12.5.1.1 Der Ansatz von Quillian sowie traditionelle Ansatze 375
12.5.1.2 Dei Ansatz von Lindsay, Norman und Rumelhart 377
12.5.1.3 Der Ansatz von Graesser............................... ...................379
12.5.1.4 Bewertung und Zusammenfassung................... .....................380
12.5.2 Modelle der Mehrfachkodierung zum Wissenserwerb .... ...................333
12.5.2.1 Die «dual code theory» von Paivio.....................................
12.5.2.2 Der Ansatz von Kosslyn............................................................................ _
12.5.2.3 Bewertung und Zusammenfassung............ ...........................
12.5.3 Der schematheoretische Ansatz zum Wissenserwerb
12.5.3.1 Die Grundzuge des Schemakonstruktes .................................
12.5.3.2 Der Erwerb und die Modifikation von Schemata.......................Ill,
12.5.3.3 Die Stufen des Schemaerwerbs...............................................
12.5.3.4 Die Funktion von Schemata fur den Wissenserwerb.................Ill
12.5.3.5 Bewertung und Zusammenfassung.................................
12.5.4 Der Ansatz der Produktionssysteme zum Wissenserwerb..........................389
12.5.4.1 Die Theorie des Wissenserwerbs von Anderson............................
XVI
12.5.4.2 Das Modell des Verstehens deklarativer Information...............393
12.5.4.3 Bewertung und Zusammenfassung..............................................394
12.5.5 Der Ansatz mentaler Modelle zum Wissenserwerb.....................................396
12.5.5.1 Der Ansatz von deKleer und Brown............................................397
12.5.5.2 Der Ansatz von Forbus und Gentner............................................398
12.5.5.3 Bewertung und Zusammenfassung..............................................401
12.5.6 Kognitive Theorien zum Wissenserwerb - Bewertung und Zusammenfassung
402
12.6 Ein Modell zum Problemlosen nach Dorner...............................................................403
12.6.1 Allgemeine Uberlegungen zum Problemlosen.............................................404
12.6.2 Die Abbildung von Realitatsbereichen im Gedachtnis..............................405
12.6.3 Heurismen.........................................................................................................408
12.6.4 Die Organisation der heuristischen Struktur..............................................409
12.6.5 Zusammenfassung und Bewertung................................................................410
12.7 Psychologische Modelle menschlichen Problemlosens - Resiimee.........................411
13 Zusammenfassung und Ausblick...................................................................415
Hubert B. Keller
13.1 Zusammenfassung - was ist erreicht?..........................................................................415
13.1.1 Geschichte und klassische Grundlagen........................................................415
13.1.2 Verfahren der Computational Intelligence..................................................416
13.1.3 Maschinelles Lernen.......................................................................................417
13.1.4 Kognitionspsychologische Konzepte.............................................................417
13.2 Ausblick - wo bleibt die intelligente Maschine?........................................................418
13.2.1 Intelligent oder korrekt - ein Widerspruch?................................................418
13.2.2 Umwelt als erfassbare und Intelligenz-pragende Struktur........................419
Referenzen...................................................................................................................421
Stichwortverzeichnis..............................................................................................451
XVII
|
| any_adam_object | 1 |
| author | Keller, Hubert B. |
| author_GND | (DE-588)1158152639 |
| author_facet | Keller, Hubert B. |
| author_role | aut |
| author_sort | Keller, Hubert B. |
| author_variant | h b k hb hbk |
| building | Verbundindex |
| bvnumber | BV012148336 |
| classification_rvk | ST 285 ST 300 |
| classification_tum | DAT 700f |
| ctrlnum | (OCoLC)47703145 (DE-599)BVBBV012148336 |
| discipline | Informatik |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01848nam a2200409 c 4500</leader><controlfield tag="001">BV012148336</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20220623 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">980910s2000 gw a||| |||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">958403503</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3528054891</subfield><subfield code="c">kartoniert</subfield><subfield code="9">3-528-05489-1</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)47703145</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV012148336</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-NI</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-473</subfield><subfield code="a">DE-861</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-863</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-70</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-1028</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-525</subfield><subfield code="a">DE-706</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 285</subfield><subfield code="0">(DE-625)143648:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 700f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">28</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Keller, Hubert B.</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1158152639</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Maschinelle Intelligenz</subfield><subfield code="b">Grundlagen, Lernverfahren, Bausteine intelligenter Systeme</subfield><subfield code="c">Hubert B. Keller ; unter Mitarbeit von Andreas Fick, Thomas Weinberger, Martina Gorges-Schleuter, Wolfgang Eppler und Cosima Schmauch</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Braunschweig ; Wiesbaden</subfield><subfield code="b">Vieweg</subfield><subfield code="c">2000</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXII, 455 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Computational Intelligence</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008227716&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-008227716</subfield></datafield></record></collection> |
| id | DE-604.BV012148336 |
| illustrated | Illustrated |
| indexdate | 2025-02-20T06:38:25Z |
| institution | BVB |
| isbn | 3528054891 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-008227716 |
| oclc_num | 47703145 |
| open_access_boolean | |
| owner | DE-473 DE-BY-UBG DE-861 DE-92 DE-863 DE-BY-FWS DE-862 DE-BY-FWS DE-573 DE-70 DE-739 DE-29T DE-1046 DE-20 DE-1028 DE-521 DE-523 DE-634 DE-11 DE-525 DE-706 |
| owner_facet | DE-473 DE-BY-UBG DE-861 DE-92 DE-863 DE-BY-FWS DE-862 DE-BY-FWS DE-573 DE-70 DE-739 DE-29T DE-1046 DE-20 DE-1028 DE-521 DE-523 DE-634 DE-11 DE-525 DE-706 |
| physical | XXII, 455 Seiten Illustrationen, Diagramme |
| publishDate | 2000 |
| publishDateSearch | 2000 |
| publishDateSort | 2000 |
| publisher | Vieweg |
| record_format | marc |
| series2 | Computational Intelligence |
| spellingShingle | Keller, Hubert B. Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme Künstliche Intelligenz (DE-588)4033447-8 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)4033447-8 (DE-588)4193754-5 |
| title | Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme |
| title_auth | Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme |
| title_exact_search | Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme |
| title_full | Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme Hubert B. Keller ; unter Mitarbeit von Andreas Fick, Thomas Weinberger, Martina Gorges-Schleuter, Wolfgang Eppler und Cosima Schmauch |
| title_fullStr | Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme Hubert B. Keller ; unter Mitarbeit von Andreas Fick, Thomas Weinberger, Martina Gorges-Schleuter, Wolfgang Eppler und Cosima Schmauch |
| title_full_unstemmed | Maschinelle Intelligenz Grundlagen, Lernverfahren, Bausteine intelligenter Systeme Hubert B. Keller ; unter Mitarbeit von Andreas Fick, Thomas Weinberger, Martina Gorges-Schleuter, Wolfgang Eppler und Cosima Schmauch |
| title_short | Maschinelle Intelligenz |
| title_sort | maschinelle intelligenz grundlagen lernverfahren bausteine intelligenter systeme |
| title_sub | Grundlagen, Lernverfahren, Bausteine intelligenter Systeme |
| topic | Künstliche Intelligenz (DE-588)4033447-8 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | Künstliche Intelligenz Maschinelles Lernen |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008227716&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT kellerhubertb maschinelleintelligenzgrundlagenlernverfahrenbausteineintelligentersysteme |
Indexes
THWS Schweinfurt Zentralbibliothek Lesesaal
| Call Number: |
2000 ST 300 K29 |
|---|---|
| Copy 1 | ausleihbar Available Place a Hold |
THWS Würzburg Magazin
| Call Number: |
1911 2015:0759 |
|---|---|
| Copy 1 | bestellbar aus dem Magazin Available Place a Hold |