Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme:
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Language: | German |
| Published: |
Berlin
Akad. Verl.-Ges. Aka
2003
|
| Series: | Dissertationen zur künstlichen Intelligenz
267 |
| Subjects: | |
| Online Access: | Inhaltsverzeichnis |
| Item Description: | Saarbrücken, Univ., Diss., 2002 |
| Physical Description: | XIV, 219 S. Ill., graph. Darst. |
| ISBN: | 3898382672 |
Staff View
MARC
| LEADER | 00000nam a2200000 cb4500 | ||
|---|---|---|---|
| 001 | BV017258678 | ||
| 003 | DE-604 | ||
| 005 | 20030924 | ||
| 007 | t | ||
| 008 | 030624s2003 gw ad|| m||| 00||| ger d | ||
| 016 | 7 | |a 967881889 |2 DE-101 | |
| 020 | |a 3898382672 |9 3-89838-267-2 | ||
| 035 | |a (OCoLC)76527376 | ||
| 035 | |a (DE-599)BVBBV017258678 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-91G |a DE-29T |a DE-20 | ||
| 084 | |a DAT 708d |2 stub | ||
| 100 | 1 | |a Wittig, Frank |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme |c Frank Wittig |
| 264 | 1 | |a Berlin |b Akad. Verl.-Ges. Aka |c 2003 | |
| 300 | |a XIV, 219 S. |b Ill., graph. Darst. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 1 | |a Dissertationen zur künstlichen Intelligenz |v 267 | |
| 500 | |a Saarbrücken, Univ., Diss., 2002 | ||
| 650 | 0 | 7 | |a Benutzerverhalten |0 (DE-588)4122898-4 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Dialogsystem |0 (DE-588)4131632-0 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Bayes-Netz |0 (DE-588)4567228-3 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Anpassung |0 (DE-588)4128128-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Benutzermodell |0 (DE-588)4343329-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Unsicherheit |0 (DE-588)4186957-6 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | 1 | |a Benutzermodell |0 (DE-588)4343329-7 |D s |
| 689 | 0 | 2 | |a Bayes-Netz |0 (DE-588)4567228-3 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Dialogsystem |0 (DE-588)4131632-0 |D s |
| 689 | 1 | 1 | |a Unsicherheit |0 (DE-588)4186957-6 |D s |
| 689 | 1 | 2 | |a Benutzerverhalten |0 (DE-588)4122898-4 |D s |
| 689 | 1 | 3 | |a Anpassung |0 (DE-588)4128128-7 |D s |
| 689 | 1 | 4 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 1 | 5 | |a Bayes-Netz |0 (DE-588)4567228-3 |D s |
| 689 | 1 | |5 DE-604 | |
| 830 | 0 | |a Dissertationen zur künstlichen Intelligenz |v 267 |w (DE-604)BV005345280 |9 267 | |
| 856 | 4 | 2 | |m DNB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=010402736&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-010402736 | |
Record in the Search Index
| _version_ | 1808225783253041152 |
|---|---|
| adam_text |
INHALTSVERZEICHNIS
1
EINLEITUNG
1
1.1
EINORDNUNG
.
1
1.1.1
BENUTZERADAPTIVE
SYSTEME
.
2
1.1.1.1
FUNKTIONALITAETEN
.
2
1.1.1.2
BENUTZERMODELLE
.
4
1.1.1.3
MASCHINELLES
LERNEN
VON
BENUTZERMODELLEN
.
5
1.1.2
DAS
READY-PROJEKT
.
5
1.2
BAYCS
'
SCHC
NETZE
IN
BENUTZERADAPTIVEN
SYSTEMEN
.
7
1.3
ZIELE
.
10
1.4
GLIEDERUNG
.
13
2
BAYES
'
SCHE
NETZE
ALS
INFERENZMECHANISMUS
IN
BENUTZERADAPTIVEN
SYSTEMEN
15
2.1
BAYES
'
SCHE
NETZE
.
.
.
.
.
15
2.1.1
GRUNDLEGENDE
BEGRIFFE
.
16
2.1.2
DEFINITION
.
16
2.1.3
BEISPIEL:
HYPOTHETISCHES
BAYES
'
SCHCS
NETZ
EINES
ADAPTIVEN
LEHR-/LCMSYS
TEMS
.
18
2.1.4
BEISPIEL:
NAIVER
BAYES
'
SCHER
KLASSIFIZIERET
.
19
2.1.5
INFERENZVERFAHREN
.
20
2.1.6
ALTERNATIVE
METHODEN
ZUR
UNSICHERHEITSBEHANDLUNG
.
21
2.1.6.
1
DEMPSTER-SHAFER-THEORIE
.
21
2.1.6.2
FUZZY
LOGIK
.
22
2.
1
.7
VERBALE
ERKLAERUNGEN
BAYES
'
SCHER
NETZE
.
23
2.2
BEISPIELHAFTE
MODELLIERUNGEN
MIT
BAYCS
'
SCHCN
NETZEN:
PSYCHOLOGISCH
MOTIVIERTE
BENUTZERSTUDIEN
DES
READY-PROJEKTS
.
24
2.2.1
ANWEISUNGSEXPERIMENT:
BEARBEITUNG
VON
ANWEISUNGSFOLGEN
.
24
2.2.1.1
AUFBAU
.
25
2.2.1.2
VARIABLEN
.
26
2.2.1.3
ERGEBNISSE
.
27
2.2.1.4
MODELLIERUNG
MIT
BAYCS
'
SCHCN
NETZEN
.
28
2.2.2
FLUGHAFENEXPERIMENT:
SYMPTOME
SPRACHLICHER
AEUSSERUNGEN
.
30
2.2.2.1
AUFBAU
.
30
2.2.2.2
VARIABLEN
.
31
X
INHALTSVERZEICHNIS
2.2.23
ERGEBNISSE
.
32
2.2.2.4
MODELLIERUNG
MIT
BAYES
'
SCHEN
NETZEN
.
32
2.2.2.5
ERWEITERTES
FLUGHAFENEXPERIMCNT:
ZUSAETZLICHE
ABLENKUNG
DURCH
GEHOERTE
SPRACHE
.
34
2.3
ERWEITERUNG
BAYES
'
SCHER
NETZE
ZU
EINFLUSSDIAGRAMMEN
.
35
2.4
DYNAMISCHE
BAYES
'
SCHE
NETZE
.
38
2.4.1
AUFBAU
.
38
2.4.2
BEISPIEL:
ERKENNUNG
KOGNITIVER
RESSOURCENBESCHRAENKUNGEN
ANHAND
SYM
PTOMEN
GESPROCHENER
SPRACHE
.
40
2.5
OBJCKT-ORICNTICRTC
BAYCS'SCHC
NETZE
UND
PROBABILISTISCHE
RELATIONALE
MODELLE
.
.
44
2.6
STAND
DER
FORSCHUNG:
BENUTZERADAPTIVE
SYSTEME
AUF
DER
BASIS
BAYES
'
SCHER
NETZE
45
2.6.1
HORVITZ
ET
AL.
(1998):
L
UMIF
.
RF
.
.
46
2.6.2
ALBRECHTETAL.
(1998):
MUD-SPIELE
.
46
2.6.3
BILLSUS
UND
PAZZANI
(1999):
N
EWS
D
UDE
.
47
2.6.4
LAU
UND
HORVITZ
(1999):
WWW-SUCHANFRAGEN
.
48
2.6.5
CONATI
UND
VANLEHN
(1999):
SCLBSTCRKLAERUNGCN
.
48
2.6.6
HORVITZ
ET
AL.
(1999
-
2002):
SITUATIVE
BENACHRICHTIGUNGEN,
C
OORDINATE
49
2.6.7
PAEK
UND
HORVITZ
(1999
-
2001):
B
AYESIAN
R
ECF
.
PTIONIST
,
D
F
.
F
.
P
L
IS
-
TENF
.
R
.
50
2.6.8
ZUKERMAN
(2001):
ARGUMENTIEREN
.
51
2.6.9
BUNT
ET
AL.
(200
1
):
EXPLORATIVES
LERNEN
.
51
2.6.10
NICHOLSON
ET
AL.
(2001):
FALLSTUDIC
.
51
2.6.11
DISKUSSION
.
52
3
MASCHINELLES
LERNEN
IN
BENUTZERADAPTIVEN
SYSTEMEN
57
3.1
PROBLEMFORMULIERUNG
.
57
3.1.1
DEFINITION
DES
ALLGEMEINEN
MASCHINELLEN
LEMPROBLEMS
.
57
3.1.2
UEBERTRAGUNG
DER
DEFINITION
DES
MASCHINELLEN
LERNPROBLEMS
AUF
BENUT
ZERADAPTIVE
SYSTEME
.
60
3.1.3
PROBLEMESTELLUNGEN
BEIM
MASCHINELLEN
LERNEN
IM
KONTEXT
BENUTZERADAP
TIVER
SYSTEME
.
63
3.1.3.1
WENIGE
VERFUEGBARE
TRAININGSDATEN
.
63
3.1.3.2
INTER-INDIVIDUELLE
UNTERSCHIEDE
ZWISCHEN
BENUTZERN
.
64
3.1.3.3
DYNAMISCHE
DOMAENEN
.
65
3.1.3.4
KOMPLEXITAET
DER
LERNVERFAHREN
/
EFFIZIENZ
ZUR
LAUFZEIT
.
66
3.1.3.5
INTERPRETIERBARKEIT
DER
ERLERNTEN
BENUTZERMODELLE
.
66
3.1.3.6
EIGENSCHAFTEN
DER
TRAININGSDATEN
.
67
3.1.3.7
INTEGRATION
VON
A
PRIORI
VERFUEGBAREM
WISSEN
.
68
3.1.3.8
EVALUATION
.
69
3.2
INTEGRATIVE
GENETISCHE
ANSAETZE
ZUM
MASCHINELLEN
LERNEN
IN
BENUTZERADAPTIVEN
SYSTEMEN
.
72
3.2.1
ORWANT
(1993
-
1995):
D
OPPELGAENGER
.
72
3.2.2
POHL
ET
AL.
(1997
-
1999):
L
ABO
U
R
.
73
3.2.3
DISKUSSION
.
74
3.3
KOLLABORATIVE
VS.
INHALTLICH
BASIERTE
ANSAETZE
.
74
3.4
IN
BENUTZERADAPTIVEN
SYSTEMEN
EINGESETZTE
MASCHINELLE
LEMVERFAHREN
.
77
INHALTSVERZEICHNIS
XR
3.4.1
ENTSCHEIDUNGSBAEUME
.
77
3.4.2
KUENSTLICHE
NEURONALE
NETZE
.
78
3.4.3
INDUKTIVES
LOGISCHES
PROGRAMMIEREN
.
79
3.4.4
METHODE
DER
NAECHSTEN
NACHBARN
.
80
3.4.5
FALL-BASIERTES
SCHLIESSEN
.
80
3.4.6
DISKUSSION
.
81
4
MASCHINELLES
LERNEN
BAYES
'
SCHER
NETZE
FUER
BENUTZERADAPTIVE
SYSTEME
-
KONZEPTION
UND
GRUNDLEGENDE
VERFAHREN
83
4.1
EINE
INTEGRATIVE
KONZEPTION
DES
MASCHINELLEN
LERNENS
BAYES
'
SCHER
NETZE
FUER
BC
NUTZERADAPTIVE
SYSTEME
.
83
4.1.1
UEBERBLICK
.
84
4.1.2
EIGNUNG
EXISTIERENDER
VERFAHREN
DES
MASCHINELLEN
LERNENS
BAYES
'
SCHER
NETZE
FUER
DEN
EINSATZ
IN
BENUTZERADAPTIVEN
SYSTEMEN
.
86
4.2
GRUNDKONZEPTE
DES
MASCHINELLEN
LERNENS
BAYES
'
SCHER
NETZE
.
88
4.2.1
PROTOTYPISCHER
KONSTRUKTIONSPROZESS
.
88
4.2.2
FORMULIERUNG
DES
LERNPROBLEMS
.
90
4.2.3
FREQUENTISTISCHER
VS.
BAYES
'
SCHER
ANSATZ
.
91
4.2.4
VIER
LERNSITUATIONEN
.
93
4.2.5
VERBORGENE
VARIABLEN
.
94
4.3
LERNEN
DER
BEDINGTEN
WAHRSCHEINLICHKEITEN
.
96
4.3.1
VOLLSTAENDIGE
TRAININGSDALEN
.
96
4.3.2
UNVOLLSTAENDIGE
TRAININGSDATEN
.
98
4.3.2.
1
EXPECTATION-MAXIMIZATION
.
98
4.3.2.2
ADAPTIVC-PROBABILISTIC-NCTWORKS
.
99
4.3.2.3
WEITERE
VERFAHREN
.
100
4.4
LERNEN
DER
STRUKTUR
.
100
4.4.1
TEST-BASIERTE
VERFAHREN
.
100
4.4.2
MCTRIK-BASICRTC
VERFAHREN
.
101
4.4.3
STRUKTURELLER
EM-ALGORITHMUS
.
103
4.5
ADAPTION
BAYES
'
SCHER
NETZE
.
104
4.5.1
ADAPTION
DER
BEDINGTEN
WAHRSCHEINLICHKEITEN:
A
H
UGIN
.
105
4.5.2
ADAPTION
DER
STRUKTUR
.
105
5
LERNEN
INTERPRETIERBARER
BEDINGTER
WAHRSCHEINLICHKEITEN
BAYES
'
SCHER
NETZE
107
5.1
MOTIVATION:
INTCRPRETICRBARKCIT
DER
ERLERNTEN
MODELLE
DURCH
VERBORGENE
VARIABLEN
108
5.2
METHODE
DES
LERNENS
MIT
QUALITATIVEN
CONSTRAINTS
.
109
5.2.1
QUALITATIVE
CONSTRAINTS
FUER
DEN
LERNPROZESS
.
110
5.2.2
FORMALISIERUNG
QUALITATIVER
CONSTRAINTS
.
113
5.2.2.1
QUALITATIVE
EINFLUESSE
ZWISCHEN
VARIABLEN
.
113
5.2.2.2
KONSTRUKTION
EINER
BEWERTUNGSFUNKTION
ZUM
LERNEN
MIT
QUALI
TATIVEN
CONSTRAINTS
.
114
5.2.3
INTEGRATION
DER
QUALITATIVEN
CONSTRAINTS
IN
DIE
STANDARDLEMVERFAHREN
.
115
5.2.3.1
ADAPTIVE-PROBABILISTIC-NETWORKS
MIT
QUALITATIVEN
CONSTRAINTS
.
115
5.2.3.2
EXPECTATION-MAXIMIZATION
MIT
QUALITATIVEN
CONSTRAINTS
.
116
5.2.4
DISKUSSION
.
117
XII
INHALTSVERZEICHNIS
5.3
EMPIRISCHE
EVALUATION
DES
VERFAHRENS
.
118
5.3.1
EVALUATION
MIT
SYNTHETISCHEN
DATEN
.
118
5.3.1.1
METHODE
.
118
5.3.1.2
ERGEBNISSE
NACH
BEENDIGUNG
DES
LEMVORGANGS
.
120
5.3.1.3
DER
VERLAUF
DER
LEMVORGANGS
.
123
5.3.1.4
UEBERBLICK
DER
ERGEBNISSE
VERSCHIEDENER
LEMAUFGABEN
.
128
5.3.2
EVALUATION
MIT
EMPIRISCHEN
DATEN
.
129
5.3.2.1
METHODE
.
130
5.3.2.2
WENIGE
LEMDALEN
.
130
5.3.2.3
ZUSAMMENFASSUNG
DER
ERGEBNISSE
BEI
MEHR
LEMDATEN
.
131
5.3.3
LERNEN
OHNE
DATEN
.
132
5.4
ZUSAMMENFASSUNG
.
132
6
ALTERNATIVE
NICHT-STRUKTURELLE
ADAPTIONSMETHODEN
BAYES
'
SCHER
NETZE
133
6.1
MOTIVATION:
INTER-INDIVIDUELLE
UNTERSCHIEDE
ZWISCHEN
BENUTZERN
.
134
6.2
ALTERNATIVE
VERFAHREN
DER
ADAPTION
.
135
6.3
METHODE
DER
DIFFERENTIELLEN
ADAPTION
.
136
6.3.1
ALGORITHMUS
.
137
6.3.2
BEISPIEL
.
139
6.3.3
DISKUSSION
.
141
6.4
ANALYSEN
.
141
6.4.1
METHODE
.
141
6.4.2
ERGEBNISSE
.
143
6.4.2.1
ANWEISUNGSEXPERIMENT
.
144
6.4.2.2
FLUGHAFENEXPERIMENT
.
149
6.4.2.3
DISKREPANZ
ZWISCHEN
VORHERSAGE
UND
KLASSIFIKATION
.
153
6.5
ZUSAMMENFASSUNG
UND
DISKUSSION
.
154
7
STRUKTURELLES
LERNEN
UND
STRUKTURELLE
ADAPTION
BAYES
'
SCHER
NETZE
157
7.1
STRUKTURELLES
LERNEN
BAYES'SCHER
NETZE
ZUR
AKQUISITION
DER
BCNUTZCRMODCLLC
.
.
158
7.1.1
EINBRINGEN
VON
A-PRIORI-WISSEN
BEIM
STRUKTURELLEN
LERNEN
.
159
7.1.2
BEISPIEL:
FLUGHAFENEXPERIMENT
.
159
7.1.3
STRUKTURELLE
ASPEKTE
DER
ERKENNUNG
KOGNITIVER
RESSOURCENBESCHRAENKUNGEN
MIT
EMPIRISCH
BASIERTEN
DYNAMISCHEN
BAYCS
'
SCHCN
NETZEN
.
162
7.1.3.1
METHODE
.
162
7.1.3.2
EINBRINGEN
VERBORGENER
VARIABLEN
.
163
7.1.3.3
EINSATZ
VON
STRUKTURLEMVERFAHREN
.
163
7.1.3.4
EINBRINGEN
INDIVIDUELLER
PARAMETERVARIABLEN
.
165
7.1.3.5
ZUSAMMENFASSENDE
DISKUSSION
DER
ERGEBNISSE
.
166
7.2
STRUKTURELLES
LERNEN
MIT
META-NETZEN
.
168
7.2.1
MOTIVATION:
GERINGE
MENGE
AN
VERFUEGBAREN
TRAININGSDATEN,
INLERPRETIER
BARKEIT
DURCH
EXPLIZITE
REPRAESENTATION
DER
STRUKTURELLEN
UNSICHERHEIT
.
.
.
168
7.2.2
META-NETZE
.
169
7.2.3
LERNEN
DER
META-NETZE
.
170
7.2.4
BEISPIEL:
FLUGHAFENEXPERIMENT
.
172
7.3
STRUKTURELLE
ADAPTION
MIT
META-NETZEN
.
174
INHALTSVERZEICHNIS
XIII
7.3.1
MOTIVATION:
DYNAMISCHE
DOMAENEN,
INTER-INDIVIDUELLE
UNTERSCHIEDE
.
174
7.3.2
UEBERBLICK
UEBER
DAS
VERFAHREN
.
175
7.3.3
ADAPTIONSPROZEDUR
.
176
7.3.4
DISKUSSION
.
178
7.3.5
ANALYSE
.
179
7.3.5.1
BEISPIELSZENARIO:
ERWEITERTER
NAIVER
BAYES
'
SCHER
KLASSIFIZIERER
IN
BENUTZERADAPTIVEN
SYSTEMEN
.
179
7.3.5.2
METHODE
.
181
7.3.5.3
ERGEBNISSE
.
183
7.3.5.4
DISKUSSION
.
189
7.4
ZUSAMMENFASSENDE
DISKUSSION
.
189
8
ZUSAMMENFASSUNG
UND
AUSBLICK
191
8.1
ZUSAMMENFASSUNG
.
191
8.2
KONZEPTUELLE
ASPEKTE
MOEGLICHER
WEITERER
FORSCHUNG
.
195
8.3
TECHNISCHE
ASPEKTE
MOEGLICHER
WEITERER
FORSCHUNG
.
196
A
VERSUCH
DER
HERLEITUNG
EINER
GESCHLOSSENEN
DARSTELLUNG
DES
M-SCHRITTS
MIT
QUALITATIVEN
CONSTRAINTS
199
LITERATURVERZEICHNIS
201
INDEX
215 |
| any_adam_object | 1 |
| author | Wittig, Frank |
| author_facet | Wittig, Frank |
| author_role | aut |
| author_sort | Wittig, Frank |
| author_variant | f w fw |
| building | Verbundindex |
| bvnumber | BV017258678 |
| classification_tum | DAT 708d |
| ctrlnum | (OCoLC)76527376 (DE-599)BVBBV017258678 |
| discipline | Informatik |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 cb4500</leader><controlfield tag="001">BV017258678</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20030924</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">030624s2003 gw ad|| m||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">967881889</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3898382672</subfield><subfield code="9">3-89838-267-2</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)76527376</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV017258678</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</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">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91G</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-20</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708d</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Wittig, Frank</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme</subfield><subfield code="c">Frank Wittig</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin</subfield><subfield code="b">Akad. Verl.-Ges. Aka</subfield><subfield code="c">2003</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XIV, 219 S.</subfield><subfield code="b">Ill., graph. Darst.</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="1" ind2=" "><subfield code="a">Dissertationen zur künstlichen Intelligenz</subfield><subfield code="v">267</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Saarbrücken, Univ., Diss., 2002</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Benutzerverhalten</subfield><subfield code="0">(DE-588)4122898-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Dialogsystem</subfield><subfield code="0">(DE-588)4131632-0</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bayes-Netz</subfield><subfield code="0">(DE-588)4567228-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Anpassung</subfield><subfield code="0">(DE-588)4128128-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Benutzermodell</subfield><subfield code="0">(DE-588)4343329-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Unsicherheit</subfield><subfield code="0">(DE-588)4186957-6</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="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</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">Benutzermodell</subfield><subfield code="0">(DE-588)4343329-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Bayes-Netz</subfield><subfield code="0">(DE-588)4567228-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Dialogsystem</subfield><subfield code="0">(DE-588)4131632-0</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Unsicherheit</subfield><subfield code="0">(DE-588)4186957-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Benutzerverhalten</subfield><subfield code="0">(DE-588)4122898-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Anpassung</subfield><subfield code="0">(DE-588)4128128-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="4"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="5"><subfield code="a">Bayes-Netz</subfield><subfield code="0">(DE-588)4567228-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">Dissertationen zur künstlichen Intelligenz</subfield><subfield code="v">267</subfield><subfield code="w">(DE-604)BV005345280</subfield><subfield code="9">267</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB 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=010402736&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-010402736</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV017258678 |
| illustrated | Illustrated |
| indexdate | 2024-08-24T00:14:46Z |
| institution | BVB |
| isbn | 3898382672 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-010402736 |
| oclc_num | 76527376 |
| open_access_boolean | |
| owner | DE-91G DE-BY-TUM DE-29T DE-20 |
| owner_facet | DE-91G DE-BY-TUM DE-29T DE-20 |
| physical | XIV, 219 S. Ill., graph. Darst. |
| publishDate | 2003 |
| publishDateSearch | 2003 |
| publishDateSort | 2003 |
| publisher | Akad. Verl.-Ges. Aka |
| record_format | marc |
| series | Dissertationen zur künstlichen Intelligenz |
| series2 | Dissertationen zur künstlichen Intelligenz |
| spelling | Wittig, Frank Verfasser aut Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme Frank Wittig Berlin Akad. Verl.-Ges. Aka 2003 XIV, 219 S. Ill., graph. Darst. txt rdacontent n rdamedia nc rdacarrier Dissertationen zur künstlichen Intelligenz 267 Saarbrücken, Univ., Diss., 2002 Benutzerverhalten (DE-588)4122898-4 gnd rswk-swf Dialogsystem (DE-588)4131632-0 gnd rswk-swf Bayes-Netz (DE-588)4567228-3 gnd rswk-swf Anpassung (DE-588)4128128-7 gnd rswk-swf Benutzermodell (DE-588)4343329-7 gnd rswk-swf Unsicherheit (DE-588)4186957-6 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf (DE-588)4113937-9 Hochschulschrift gnd-content Maschinelles Lernen (DE-588)4193754-5 s Benutzermodell (DE-588)4343329-7 s Bayes-Netz (DE-588)4567228-3 s DE-604 Dialogsystem (DE-588)4131632-0 s Unsicherheit (DE-588)4186957-6 s Benutzerverhalten (DE-588)4122898-4 s Anpassung (DE-588)4128128-7 s Dissertationen zur künstlichen Intelligenz 267 (DE-604)BV005345280 267 DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=010402736&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Wittig, Frank Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme Dissertationen zur künstlichen Intelligenz Benutzerverhalten (DE-588)4122898-4 gnd Dialogsystem (DE-588)4131632-0 gnd Bayes-Netz (DE-588)4567228-3 gnd Anpassung (DE-588)4128128-7 gnd Benutzermodell (DE-588)4343329-7 gnd Unsicherheit (DE-588)4186957-6 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)4122898-4 (DE-588)4131632-0 (DE-588)4567228-3 (DE-588)4128128-7 (DE-588)4343329-7 (DE-588)4186957-6 (DE-588)4193754-5 (DE-588)4113937-9 |
| title | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme |
| title_auth | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme |
| title_exact_search | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme |
| title_full | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme Frank Wittig |
| title_fullStr | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme Frank Wittig |
| title_full_unstemmed | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme Frank Wittig |
| title_short | Maschinelles Lernen Bayes'scher Netze für benutzeradaptive Systeme |
| title_sort | maschinelles lernen bayes scher netze fur benutzeradaptive systeme |
| topic | Benutzerverhalten (DE-588)4122898-4 gnd Dialogsystem (DE-588)4131632-0 gnd Bayes-Netz (DE-588)4567228-3 gnd Anpassung (DE-588)4128128-7 gnd Benutzermodell (DE-588)4343329-7 gnd Unsicherheit (DE-588)4186957-6 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | Benutzerverhalten Dialogsystem Bayes-Netz Anpassung Benutzermodell Unsicherheit Maschinelles Lernen Hochschulschrift |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=010402736&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| volume_link | (DE-604)BV005345280 |
| work_keys_str_mv | AT wittigfrank maschinelleslernenbayesschernetzefurbenutzeradaptivesysteme |