Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen:
Das Themengebiet der künstlichen Intelligenz, welches bereits seit Jahren eines der beherrschenden Phänomene in Forschung, Gesellschaft und Wirtschaft ist, wird pri- mär durch zwei herausragende Ansätze realisiert. Zum einen werden Anwendungen in der KI seit langem symbolbasiert modelliert, zum ande...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Abschlussarbeit Buch |
| Sprache: | German |
| Veröffentlicht: |
München
Verlag Dr. Hut
2024
|
| Ausgabe: | 1. Auflage |
| Schlagworte: | |
| Zusammenfassung: | Das Themengebiet der künstlichen Intelligenz, welches bereits seit Jahren eines der beherrschenden Phänomene in Forschung, Gesellschaft und Wirtschaft ist, wird pri- mär durch zwei herausragende Ansätze realisiert. Zum einen werden Anwendungen in der KI seit langem symbolbasiert modelliert, zum anderen erzielen konnektionistische Modelle seit etwa 15 Jahren enorme Erfolge, wobei beide Ansätze jedoch völlig unterschiedliche Vor- und Nachteile aufweisen. Ziel dieser Arbeit ist es, eine Verbindung zwischen diesen Ansätzen zu schaffen, um zukünftig die jeweiligen Vorteile zu nutzen und die jeweiligen Nachteile ausgleichen zu können. Diese Verbindung soll durch ein äquivalentes, vollwertiges symbolbasiertes Entscheidungsmodell bereitgestellt werden, das aus einem gegebenen konnektionistischen Entscheidungsmodell abgeleitet wird. |
| Beschreibung: | Titel auf dem Rücken: "Ableitung äquivalenter symbolbasierter Entscheidungsmodelle" Literaturverzeichnis: Seite 241-243 |
| Beschreibung: | xxiii, 243 Seiten Illustrationen, Diagramme |
| ISBN: | 9783843955546 |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV050111075 | ||
| 003 | DE-604 | ||
| 005 | 20250113 | ||
| 007 | t| | ||
| 008 | 250107s2024 gw a||| m||| 00||| ger d | ||
| 020 | |a 9783843955546 |9 978-3-8439-5554-6 | ||
| 035 | |a (DE-599)BVBBV050111075 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-BY | ||
| 049 | |a DE-706 | ||
| 100 | 1 | |a Seidel, Sebastian |e Verfasser |0 (DE-588)1352760789 |4 aut | |
| 245 | 1 | 0 | |a Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen |c Autor: Sebastian Seidel |
| 246 | 1 | 3 | |a Ableitung äquivalenter symbolbasierter Entscheidungsmodelle |
| 250 | |a 1. Auflage | ||
| 264 | 1 | |a München |b Verlag Dr. Hut |c 2024 | |
| 300 | |a xxiii, 243 Seiten |b Illustrationen, Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 500 | |a Titel auf dem Rücken: "Ableitung äquivalenter symbolbasierter Entscheidungsmodelle" | ||
| 500 | |a Literaturverzeichnis: Seite 241-243 | ||
| 502 | |b Dissertation |c Universität der Bundeswehr München |d 2024 | ||
| 520 | 3 | |a Das Themengebiet der künstlichen Intelligenz, welches bereits seit Jahren eines der beherrschenden Phänomene in Forschung, Gesellschaft und Wirtschaft ist, wird pri- mär durch zwei herausragende Ansätze realisiert. Zum einen werden Anwendungen in der KI seit langem symbolbasiert modelliert, zum anderen erzielen konnektionistische Modelle seit etwa 15 Jahren enorme Erfolge, wobei beide Ansätze jedoch völlig unterschiedliche Vor- und Nachteile aufweisen. Ziel dieser Arbeit ist es, eine Verbindung zwischen diesen Ansätzen zu schaffen, um zukünftig die jeweiligen Vorteile zu nutzen und die jeweiligen Nachteile ausgleichen zu können. Diese Verbindung soll durch ein äquivalentes, vollwertiges symbolbasiertes Entscheidungsmodell bereitgestellt werden, das aus einem gegebenen konnektionistischen Entscheidungsmodell abgeleitet wird. | |
| 650 | 0 | 7 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Konnektionsmethode |0 (DE-588)4389325-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Entscheidungsmodell |0 (DE-588)4121201-0 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Modellierung |0 (DE-588)4170297-9 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |D s |
| 689 | 0 | 1 | |a Modellierung |0 (DE-588)4170297-9 |D s |
| 689 | 0 | 2 | |a Konnektionsmethode |0 (DE-588)4389325-9 |D s |
| 689 | 0 | 3 | |a Entscheidungsmodell |0 (DE-588)4121201-0 |D s |
| 689 | 0 | |5 DE-604 | |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-035448072 | |
Datensatz im Suchindex
| _version_ | 1821131292272492544 |
|---|---|
| adam_text | |
| any_adam_object | |
| author | Seidel, Sebastian |
| author_GND | (DE-588)1352760789 |
| author_facet | Seidel, Sebastian |
| author_role | aut |
| author_sort | Seidel, Sebastian |
| author_variant | s s ss |
| building | Verbundindex |
| bvnumber | BV050111075 |
| ctrlnum | (DE-599)BVBBV050111075 |
| edition | 1. Auflage |
| format | Thesis Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 c 4500</leader><controlfield tag="001">BV050111075</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20250113</controlfield><controlfield tag="007">t|</controlfield><controlfield tag="008">250107s2024 gw a||| m||| 00||| ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783843955546</subfield><subfield code="9">978-3-8439-5554-6</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV050111075</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-BY</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-706</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Seidel, Sebastian</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1352760789</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen</subfield><subfield code="c">Autor: Sebastian Seidel</subfield></datafield><datafield tag="246" ind1="1" ind2="3"><subfield code="a">Ableitung äquivalenter symbolbasierter Entscheidungsmodelle</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">München</subfield><subfield code="b">Verlag Dr. Hut</subfield><subfield code="c">2024</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">xxiii, 243 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="500" ind1=" " ind2=" "><subfield code="a">Titel auf dem Rücken: "Ableitung äquivalenter symbolbasierter Entscheidungsmodelle"</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Literaturverzeichnis: Seite 241-243</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="b">Dissertation</subfield><subfield code="c">Universität der Bundeswehr München</subfield><subfield code="d">2024</subfield></datafield><datafield tag="520" ind1="3" ind2=" "><subfield code="a">Das Themengebiet der künstlichen Intelligenz, welches bereits seit Jahren eines der beherrschenden Phänomene in Forschung, Gesellschaft und Wirtschaft ist, wird pri- mär durch zwei herausragende Ansätze realisiert. Zum einen werden Anwendungen in der KI seit langem symbolbasiert modelliert, zum anderen erzielen konnektionistische Modelle seit etwa 15 Jahren enorme Erfolge, wobei beide Ansätze jedoch völlig unterschiedliche Vor- und Nachteile aufweisen. Ziel dieser Arbeit ist es, eine Verbindung zwischen diesen Ansätzen zu schaffen, um zukünftig die jeweiligen Vorteile zu nutzen und die jeweiligen Nachteile ausgleichen zu können. Diese Verbindung soll durch ein äquivalentes, vollwertiges symbolbasiertes Entscheidungsmodell bereitgestellt werden, das aus einem gegebenen konnektionistischen Entscheidungsmodell abgeleitet wird.</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">Konnektionsmethode</subfield><subfield code="0">(DE-588)4389325-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Entscheidungsmodell</subfield><subfield code="0">(DE-588)4121201-0</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Modellierung</subfield><subfield code="0">(DE-588)4170297-9</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">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Modellierung</subfield><subfield code="0">(DE-588)4170297-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Konnektionsmethode</subfield><subfield code="0">(DE-588)4389325-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Entscheidungsmodell</subfield><subfield code="0">(DE-588)4121201-0</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-035448072</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV050111075 |
| illustrated | Illustrated |
| indexdate | 2025-01-13T11:02:20Z |
| institution | BVB |
| isbn | 9783843955546 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-035448072 |
| open_access_boolean | |
| owner | DE-706 |
| owner_facet | DE-706 |
| physical | xxiii, 243 Seiten Illustrationen, Diagramme |
| publishDate | 2024 |
| publishDateSearch | 2024 |
| publishDateSort | 2024 |
| publisher | Verlag Dr. Hut |
| record_format | marc |
| spelling | Seidel, Sebastian Verfasser (DE-588)1352760789 aut Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen Autor: Sebastian Seidel Ableitung äquivalenter symbolbasierter Entscheidungsmodelle 1. Auflage München Verlag Dr. Hut 2024 xxiii, 243 Seiten Illustrationen, Diagramme txt rdacontent n rdamedia nc rdacarrier Titel auf dem Rücken: "Ableitung äquivalenter symbolbasierter Entscheidungsmodelle" Literaturverzeichnis: Seite 241-243 Dissertation Universität der Bundeswehr München 2024 Das Themengebiet der künstlichen Intelligenz, welches bereits seit Jahren eines der beherrschenden Phänomene in Forschung, Gesellschaft und Wirtschaft ist, wird pri- mär durch zwei herausragende Ansätze realisiert. Zum einen werden Anwendungen in der KI seit langem symbolbasiert modelliert, zum anderen erzielen konnektionistische Modelle seit etwa 15 Jahren enorme Erfolge, wobei beide Ansätze jedoch völlig unterschiedliche Vor- und Nachteile aufweisen. Ziel dieser Arbeit ist es, eine Verbindung zwischen diesen Ansätzen zu schaffen, um zukünftig die jeweiligen Vorteile zu nutzen und die jeweiligen Nachteile ausgleichen zu können. Diese Verbindung soll durch ein äquivalentes, vollwertiges symbolbasiertes Entscheidungsmodell bereitgestellt werden, das aus einem gegebenen konnektionistischen Entscheidungsmodell abgeleitet wird. Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Konnektionsmethode (DE-588)4389325-9 gnd rswk-swf Entscheidungsmodell (DE-588)4121201-0 gnd rswk-swf Modellierung (DE-588)4170297-9 gnd rswk-swf (DE-588)4113937-9 Hochschulschrift gnd-content Künstliche Intelligenz (DE-588)4033447-8 s Modellierung (DE-588)4170297-9 s Konnektionsmethode (DE-588)4389325-9 s Entscheidungsmodell (DE-588)4121201-0 s DE-604 |
| spellingShingle | Seidel, Sebastian Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen Künstliche Intelligenz (DE-588)4033447-8 gnd Konnektionsmethode (DE-588)4389325-9 gnd Entscheidungsmodell (DE-588)4121201-0 gnd Modellierung (DE-588)4170297-9 gnd |
| subject_GND | (DE-588)4033447-8 (DE-588)4389325-9 (DE-588)4121201-0 (DE-588)4170297-9 (DE-588)4113937-9 |
| title | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen |
| title_alt | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle |
| title_auth | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen |
| title_exact_search | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen |
| title_full | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen Autor: Sebastian Seidel |
| title_fullStr | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen Autor: Sebastian Seidel |
| title_full_unstemmed | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen Autor: Sebastian Seidel |
| title_short | Ableitung äquivalenter symbolbasierter Entscheidungsmodelle aus gegebenen neuronalen Feedforward-Netzen |
| title_sort | ableitung aquivalenter symbolbasierter entscheidungsmodelle aus gegebenen neuronalen feedforward netzen |
| topic | Künstliche Intelligenz (DE-588)4033447-8 gnd Konnektionsmethode (DE-588)4389325-9 gnd Entscheidungsmodell (DE-588)4121201-0 gnd Modellierung (DE-588)4170297-9 gnd |
| topic_facet | Künstliche Intelligenz Konnektionsmethode Entscheidungsmodell Modellierung Hochschulschrift |
| work_keys_str_mv | AT seidelsebastian ableitungaquivalentersymbolbasierterentscheidungsmodelleausgegebenenneuronalenfeedforwardnetzen AT seidelsebastian ableitungaquivalentersymbolbasierterentscheidungsmodelle |