Inhaltsverzeichnis

Vorwort
1.  Einleitung
2.  Wissensbasierte Systeme im Überblick
3.  Logikbasierte Wissensrepräsentation und Inferenz
4.  Regelbasierte Systeme
5.  Maschinelles Lernen
6.  Fallbasiertes Schließen
7.  Truth Maintenance-Systeme
8.  Default-Logiken
9.  Logisches Programmieren und Anwortmengen
9.  Argumentation
10.  Aktionen und Planen
11.  Agenten
12.  Quantitative Methoden I - Probabilistische Netzwerke
13.  Quantitative Methoden II - Dempster-Shafer-Theorie, Fuzzy-Theorie und Possibilistik
A.  Wahrscheinlichkeit und Information
B.  Graphentheoretische Grundlagen
Literaturverzeichnis
Index

Vorwort zur 1. Auflage

Vorwort zur 5., überarbeiteten und erweiterten Auflage

Vorwort zur 6., überarbeiteten und verbesserten Auflage

1  Einleitung

1.1 Über dieses Buch
1.2 Themenbereiche des Buches

2  Wissensbasierte Systeme im Überblick

2.1  Beispiele für wissensbasierte Systeme
2.1.1  Geldabheben am Automaten
2.1.2  Medizinische Diagnose
2.2  Wissensbasierte Systeme und Expertensysteme
2.3  Eigenschaften von Experten und Expertensystemen
2.4  Zur Geschichte wissensbasierter Systeme
2.5  Das medizinische Diagnosesystem MYCIN
2.6  Aufbau und Entwicklung wissensbasierter Systeme
2.6.1  Architektur eines wissensbasierten Systems
2.6.2  Entwicklung eines wissensbasierten Systems

3  Logikbasierte Wissensrepräsentation und Inferenz

3.1  Formen der Inferenz
3.1.1  Menschliches Schließen und Inferenz
3.1.2  Charakterisierung der Inferenzrelation nach Peirce
3.1.3  Deduktives Schließen
3.1.4  Unsicheres Schließen
3.2  Logische Systeme
3.2.1  Signaturen
3.2.2  Formeln
3.2.3  Interpretationen
3.2.4  Erfüllungsrelation
3.3  Eigenschaften klassisch-logischer Systeme
3.3.1  Erfüllungsrelation und Wahrheitsfunktionalität
3.3.2  Modelle und logische Folgerung
3.3.3  Inferenzregeln und Kalküle
3.3.4  Korrektheit und Vollständigkeit von Kalkülen
3.3.5  Logisches Folgern durch Widerspruch
3.3.6  Entscheidbarkeitsresultate
3.4  Logische Grundlagen: Aussagenlogik
3.4.1  Syntax
3.4.2  Semantik
3.4.3  äquivalenzen und Normalformen
3.4.4  Wahrheitstafeln und Ableitungen in der Aussagenlogik
3.5  Logische Grundlagen: Prädikatenlogik 1.Stufe
3.5.1  Signaturen und Interpretationen
3.5.2  Terme und Termauswertung
3.5.3  Formeln und Formelauswertung
3.5.4  äquivalenzen
3.5.5  Ableitungen in der Prädikatenlogik 1.Stufe
3.5.6  Normalformen
3.5.7  Unifikation
3.6  Der Resolutionskalkül
3.7  Erweiterungen
3.8  Wie kommt der Delphin in den Karpfenteich?

4  Regelbasierte Systeme

4.1  Was sind Regeln?
4.2  Die Wissensbasis eines regelbasierten Systems
4.3  Inferenz in einem regelbasierten System
4.3.1  Regelnetzwerke
4.3.2  Datengetriebene Inferenz (Vorwärtsverkettung)
4.3.3  Zielorientierte Inferenz (Rückwärtsverkettung)
4.4  Das Problem der Widersprüchlichkeit
4.5  Die Erklärungskomponente
4.6  Signalsteuerung im Eisenbahnverkehr durch Regeln
4.7  MYCIN -- ein verallgemeinertes regelbasiertes System
4.8  Modularität und Effizienz regelbasierter Systeme
4.9  Ausblick

5  Maschinelles Lernen

5.1  Definition des Lernens
5.2  Klassifikation der Ansätze zum maschinellen Lernen
5.2.1  Klassifikation gemäß der benutzten Lernstrategie
5.2.2  Klassifikation gemäß dem gelernten Typ von Wissen
5.2.3  Klassifikation gemäß dem Anwendungsbereich
5.3  Erlernen von Entscheidungsbäumen
5.3.1  Entscheidungsbäume
5.3.2  Erzeugung von Regeln aus Entscheidungsbäumen
5.3.3  Generieren von Entscheidungsbäumen
5.3.4  Bewertung des Lernerfolges und Anwendungen
5.3.5  Die induktiven Lernverfahren ID3 und C4.5
5.4  Lernen von Konzepten
5.4.1  Eine Konzeptlernaufgabe
5.4.2  Allgemeine Problemstellung
5.4.3  Repräsentation von Beispielen und Konzepten
5.4.4  Lernen von Konzepten als Suchproblem
5.4.5  Versionenräume
5.4.6  Das Versionenraum-Lernverfahren
5.4.7  Anwendungsbeispiel
5.4.8  Eigenschaften des Versionenraum-Lernverfahrens
5.4.9  Konzeptlernen mit Merkmalsbäumen
5.5  Data Mining und Wissensfindung in Daten
5.5.1  KDD -- Knowledge Discovery in Databases
5.5.2  Der KDD-Prozess
5.5.3  Data Mining
5.5.4  Assoziationsregeln
5.5.5  Warenkorbanalyse

6  Fallbasiertes Schließen

6.1  Motivation
6.2  Fallbasiertes Schließen und CBR-Systeme
6.3  Der CBR-Zyklus
6.4  Die Repräsentation von Fällen
6.5  Die Indizierung von Fällen
6.6  Suche nach geeigneten Fällen
6.7  Organisationsformen der Fallbasis
6.8  Die Bestimmung der Ähnlichkeit
6.9  Adaption
6.10  Wie ein fallbasiertes System lernt
6.11  Abschließende Bemerkungen und weiterführende Literatur

7  Truth Maintenance-Systeme

7.1  Die Rolle des nichtmonotonen Schließens in der KI
7.2  Monotone vs. nichtmonotone Logik
7.3  Truth Maintenance-Systeme
7.4  Justification-based Truth Maintenance-Systeme -- JTMS
7.4.1  In's und Out's -- die Grundbegriffe eines JTMS
7.4.2  Der JTMS-Algorithmus
7.4.3  Anwendungsbeispiele
7.4.4  Die JTMS-Inferenzrelation
7.5  Assumption-based Truth Maintenance-Systeme -- ATMS
7.5.1  Grundbegriffe
7.5.2  Arbeitsweise eines ATMS
7.6  Verschiedene TMS im Vergleich
7.7  Ausblicke

8  Default-Logiken

8.1  Default-Logik nach Reiter
8.1.1  Aussehen und Bedeutung eines Defaults
8.1.2  Die Syntax der Default-Logik
8.1.3  Die Semantik der Default-Logik
8.1.4  Ein operationaler Zugang zu Extensionen
8.1.5  Prozessbäume
8.1.6  Berechnung von Prozessbäumen
8.1.7  Eigenschaften der Reiter'schen Default-Logik
8.1.8  Normale Defaults
8.2  Die Poole'sche Default-Logik
8.3  Nichtmonotone Inferenzrelationen für Default-Logiken
8.4  Probleme und Alternativen

9  Logisches Programmieren und Anwortmengen

9.1  Klassische logische Programme
9.2  Anfragen und Antwortsubstitutionen
9.3  Resolution von Hornklauseln
9.3.1  SLD-Ableitungen
9.3.2  Berechnete Antwortsubstitutionen
9.3.3  Suchraum bei der SLD-Resolution
9.4  Fixpunktsemantik logischer Programme
9.5  Erweiterte logische Programme
9.6  Die stabile Semantik normaler logischer Programme
9.7  Die Antwortmengen-Semantik erweiterter logischer Programme
9.8  Stabile Semantik und Antwortmengensemantik
9.9  Truth Maintenance-Systeme und Default-Theorien
9.10  Erweiterungen der Antwortmengensemantik
9.11  Implementationen und Anwendungen
9.12  Kriterien zur Beurteilung nichtmonotoner Inferenzoperationen
9.13  Rückblick

10  Argumentation

10.1  Motivation und Einführung
10.2  DeLP -- Argumentieren mit Regeln
10.2.1  DeLP-Programme und Ableitungen
10.2.2  Argumente und Gegenargumente
10.2.3  Qualitätskriterien für Argumente
10.2.4  Schlagende und blockierende Angriffe
10.2.5  Argumentationsfolgen
10.2.6  Evaluation von Argumentationen
10.2.7  Antwortverhalten von DeLP-Programmen
10.3  Abstrakte Argumentationstheorie
10.3.1  Abstrakte Argumentationssysteme
10.3.2  Extensionen
10.3.3  Beispielanwendung: Das stabile Heiratsproblem
10.3.4  Beziehungen zur Reiter'schen Default-Logik
10.4  Labelings für abstrakte Argumentationssysteme
10.5  Extensionen als Antwortmengen

11  Aktionen und Planen

11.1  Planen in der Blockwelt
11.2  Logische Grundlagen des Planens
11.3  Der Situationskalkül
11.3.1  Aktionen
11.3.2  Situationen
11.3.3  Veränderungen zwischen Situationen
11.3.4  Ausführungsbedingungen und Effektaxiome
11.3.5  Zielbeschreibungen
11.4  Probleme
11.4.1  Das Rahmenproblem
11.4.2  Das Qualifikationsproblem
11.4.3  Das Verzweigungsproblem
11.5  Plangenerierung im Situationskalkül
11.6  Planen mit STRIPS
11.6.1  Zustände und Zielbeschreibungen
11.6.2  STRIPS-Operatoren
11.6.3  Planen mit Vorwärtssuche
11.6.4  Planen mit Rückwärtssuche
11.6.5  Behandlung des Rahmenproblems in STRIPS
11.7  Nichtklassische Planungssysteme
11.8  Planen mit Antwortmengen
11.8.1  Systeme zur Berechnung von Antwortmengen
11.8.2  Planen mit SMODELS
11.8.3  Behandlung des Rahmenproblems
11.9  Autonome Agenten und Anwendungen

12  Agenten

12.1  Das Konzept des Agenten
12.2  Abstrakte Agentenmodelle
12.2.1  Umgebungen, Aktionen und Läufe eines Agenten
12.2.2  Wahrnehmungen
12.2.3  Innerer Zustand
12.2.4  Aufgabe und Erfolg eines Agenten
12.3  Reaktive Agenten und Schichtenarchitekturen
12.4  Logikbasierte Agenten
12.5  Belief-Desire-Intention-(BDI)-Agenten
12.5.1  Praktisches Denken
12.5.2  BDI-Architektur
12.5.3  Procedural Reasoning System (PRS)
12.6  Multiagentensysteme

13  Quantitative Methoden I - Probabilistische Netzwerke

13.1  Ungerichtete Graphen -- Markov-Netze
13.1.1  Separation in Graphen und probabilistische Unabhängigkeit
13.1.2  Markov-Eigenschaften und Markov-Graphen
13.1.3  Konstruktion von Markov-Graphen
13.1.4  Potential- und Produktdarstellungen
13.2  Gerichtete Graphen -- Bayessche Netze
13.3  Inferenz in probabilistischen Netzen
13.3.1  Bayes-Netze und Potentialdarstellungen
13.3.2  Der permanente Cliquenbaum als Wissensbasis
13.3.3  Der Algorithmus von Lauritzen und Spiegelhalter
13.3.4  Berücksichtigung fallspezifischer Daten
13.4  Bayessche Netzwerke in praktischen Anwendungen
13.5  Erlernen Bayesscher Netze aus Daten
13.6  Probabilistische Inferenz unter informationstheoretischen Aspekten
13.7  Weitere Anwendungen
13.7.1  Proteinklassifikation mittels Hidden Markov Models (HMM)
13.7.2  Herzerkrankungen bei Neugeborenen
13.7.3  Suchterkrankungen und psychische Störungen

14  Quantitative Methoden II - Dempster-Shafer-Theorie, Fuzzy-Theorie und Possibilistik

14.1  Verallgemeinerte Wahrscheinlichkeitstheorie
14.2  Die Dempster-Shafer-Theorie
14.2.1  Basismaße und Glaubensfunktionen
14.2.2  Dempsters Kombinationsregel
14.2.3  Sensorenauswertung in der mobilen Robotik mittels Dempster-Shafer-Theorie
14.3  Fuzzy-Theorie und Possibilistik
14.3.1  Fuzzy-Theorie
14.3.2  Possibilitätstheorie
14.3.3  Expertensysteme mit Fuzzy-Regeln

A  Wahrscheinlichkeit und Information

A.1  Die Wahrscheinlichkeit von Formeln
A.2  Randverteilungen
A.3  Bedingte Wahrscheinlichkeiten
A.4  Der Satz von Bayes
A.5  Mehrwertige Aussagenvariable
A.6  Abhängigkeiten und Unabhängigkeiten
A.7  Der Begriff der Information
A.8  Entropie

B  Graphentheoretische Grundlagen

B.1  Graphen und Cliquen
B.2  Triangulierte Graphen
B.3  Die running intersection property RIP
B.4  Hypergraphen

Literaturverzeichnis

Index


Buch Online-Service | LG Wissensbasierte Systeme | Fakultät für Mathematik und Informatik | FernUni Hagen

Letzte Änderung am 24.06.2019
webmaster