Benutzer-Werkzeuge
se:wissensverarbeitung
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
| Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung Nächste Überarbeitung Beide Seiten der Revision | ||
|
se:wissensverarbeitung [2008-07-12 20:24] stefan |
se:wissensverarbeitung [2008-07-21 20:50] stefan |
||
|---|---|---|---|
| Zeile 40: | Zeile 40: | ||
| * Wie implementiert man ein Beratungs- oder Diagnosesystem in Prolog? | * Wie implementiert man ein Beratungs- oder Diagnosesystem in Prolog? | ||
| * Für welche anderen Aufgaben kann Prolog eingesetzt werden? | * Für welche anderen Aufgaben kann Prolog eingesetzt werden? | ||
| + | - Verarbeitung von ungenauem Wissen | ||
| + | * Wie können unscharfe (fuzzy) Mengen beschrieben werden? | ||
| + | * Wie werden Ausdrücke in Fuzzy Logic ausgewertet? | ||
| + | * Was ist das Ergebnis eines Fuzzy-Reglers bei gegebenen Eingangsgrößen? | ||
| + | * Wie kann man mit Prolog ein Fuzzy-System entwickeln? | ||
| + | - Künstliche Neuronale Netze | ||
| + | * Wie kann der Lernvorgang eines Neurons beschrieben werden? | ||
| + | * Wie kann das Schaltverhalten eines Neurons mit den Eingängen x1 und x2 in der x1/x2-Ebene dargestellt werden? | ||
| + | * Wie bemisst man aus einem gewünschten Schaltverhalten die Gewichte eines Neurons? | ||
| + | * Wie können Neuronen und verschiedene KNN skizziert werden? | ||
| + | * Wie wählt man zu einem gegebenen Problem ein geeignetes neuronales Netz aus und dimensioniert dieses? | ||
| + | * Wie kann der Lernvorgang einer SOM beschrieben werden? | ||
| + | - Data Mining | ||
| + | * Wofür braucht man Data Mining bzw. wo kann es eingesetzt werden? | ||
| + | * Was sind die wichtigsten Verfahren des Data Mining und wie funktionieren sie? | ||
| + | * Wie können diese Verfahren realisiert werden? | ||
| + | - Globale Optimierung | ||
| + | * Warum ist Optimierung so schwierig? | ||
| + | * Was sind die wichtigsten Verfahren der globalen Optimierung? | ||
| + | * Wie können diese Verfahren realisiert werden? | ||
| ===== Zusammenfassung des Skripts ===== | ===== Zusammenfassung des Skripts ===== | ||
| Zeile 172: | Zeile 192: | ||
| * findall | * findall | ||
| + | ==== Verarbeitung von ungenauem Wissen ==== | ||
| + | * Unscharfe Mengen | ||
| + | * Die Zugehörigkeit eines Objekts zu einer Menge wird nicht mit wahr oder falsch, sondern mit einem Zugehörigkeitswert zwischen 0 und 1 beschrieben. | ||
| + | * Der Wertebereich einer linguistischen Variablen kann in linguistische Werte unterteilt werden. | ||
| + | * Die Zugehörigkeit eines numerischen Werts zu einem linguistischen Wert wird über eine Zugehörigkeitsfunktion (meistens Dreiecks- oder Trapezfunktionen) beschrieben. | ||
| + | * Die Umsetzung eines numerischen Wertes in einen oder mehrere linguistische Werte mit Zugehörigkeitswert wird **Fuzzyfikation** genannt. | ||
| + | * Fuzzy Logic | ||
| + | * x UND y -> minimum(x, y) | ||
| + | * x OR y -> maximum(x, y) | ||
| + | * not x -> 1 - x | ||
| + | * Expertensystem mit Fuzzy Logic | ||
| + | * OAW-Tripel werden zu VWZ-Tripeln | ||
| + | * Fuzzy Control | ||
| + | ==== Künstliche neuronale Netze ==== | ||
| + | * Das menschliche Gehirn besteht aus 10<sup>11</sup> Neuronen. | ||
| + | * {{:se:aufbauneuron.jpg|}} | ||
| + | * Vernetzung Synapse -> Axon | ||
| + | * Lernen beruht auf Änderung der Synapsenstärke | ||
| + | * Lerntypen | ||
| + | * überwacht: dem neuronalen Netz müssen auch die korrekten Antworten vorgegeben werden | ||
| + | * nicht überwacht: das Netz lernt selbstständig die ihm angebotenen Informationen zu unterscheiden | ||
| + | * Aufgaben: Klassifikation, Rekonstruktion und Erkennung von Mustern | ||
| + | * Aufgaben des Entwicklers | ||
| + | * Auswahl des geeigneten Netztyps und Konfiguration | ||
| + | * Aufbereitung der Muster | ||
| + | * Bereitstellen von Trainingsmaterial | ||
| + | * Perceptron | ||
| + | * Bildet eine n-dimensionale Eingangsinformation auf eine m-dimensionale Ausgangsinformation ab | ||
| + | * Ausgänge sind nicht rückgekoppelt -> Feed-Forward-Netz | ||
| + | * Lernen durch Anpassen der Eingangsgewichte mittels Soll-Ist-Vergleich -> überwachtes Lernen | ||
| + | * Hebb'sche Regel | ||
| + | * Wer Recht hat, wird gestärkt, wer Unrecht hat, wird geschwächt. | ||
| + | * Vereinfachte Lernregel: Wenn das Ergebnis falsch ist, wird (Sollergebnis * Eingangsvektor) zum Gewichtsvektor addiert. | ||
| + | * Grenzen | ||
| + | * Lineare Separierbarkeit -> RBF-Neuron oder Mehrschicht-Perceptron | ||
| + | * Mehrschicht-Perceptron | ||
| + | * verdeckte Schichten (Anzahl und Größe: Erfahrungswerte) | ||
| + | * Lernen durch Backpropagation | ||
| + | * Eignung: Klassifizierung von Mustern/Kurvenapproximation | ||
| + | * Hopfield-Netz | ||
| + | * rückgekoppeltes Perceptron | ||
| + | * Eignung: Rekonstruktion von Mustern | ||
| + | * Kohonen-Netz (SOM = Self Organizing Map) | ||
| + | * nicht überwachtes Lernen | ||
| + | * die Neuronen, die am dichtesten am Eingangssignal liegen, werden in Richtung desselben verschoben | ||
| + | * Auswertung meist mit nachgelagertem Mehrschicht-Preceptron | ||
| + | |||
| + | ==== Data Mining ==== | ||
| + | * Ziel: Zusammenhänge und Auffälligkeiten in Datenbeständen finden | ||
| + | * Verfahren | ||
| + | * Clusteranalyse | ||
| + | * Cluster finden | ||
| + | * Least-Cost-Suche, dann Weg an längsten Wegen auftrennen | ||
| + | * Kohonennetz mit nachgeschaltetem Backpropagation-Netz | ||
| + | * Besonderheiten (Punkte außerhalb der Cluster) untersuchen | ||
| + | * Assoziationsanalyse | ||
| + | * Zeitreihenanalyse | ||
| + | |||
| + | ==== Globale Optimierung ==== | ||
| + | * Verfahren basieren auf zufälligen Änderungen und nicht auf zielgerichteten Algorithmen | ||
| + | * Stochastische Verfahren (pro Schritt eine neue Kombination: besser -> weiterverfolgen, schlechter -> vielleicht weiterverfolgen) | ||
| + | * Simulated Annealing (Wahrscheinlichkeit, dass schlechtere Kombination weiterverfolgt wird, wird langsam verringert) | ||
| + | * Sintflut-Verfahren (schlechtere Kombination wird weiterverfolgt, wenn sie besser ist als ein ansteigender Grenzwert) | ||
| + | * Threshold Accepting (schlechtere Kombination wird weiterverfolgt, wenn die Verschlechterung kleiner ist als ein abnehmender Grenzwert) | ||
| + | * Evolutionäre Verfahren (pro Schritt mehrere neue Kombinationen, Auswahl der besten hiervon) | ||
| + | * Evolutionsstrategien (Nachfolgeversionen werden durch Mutation der Vaterversion erzeugt) | ||
| + | * Genetische Algorithmen (Nachfolgeversionen werden durch Kombination des Elternpaares erzeugt) | ||
| + | * Variationen: Eltern werden in die neue Generation mit aufgenommen oder nicht, oder vergreisen | ||
| + | | ||
| ===== ToDo ===== | ===== ToDo ===== | ||
| + | * <del>Prolog-Aufgaben S. 45/46 und 49</del> | ||
| + | * <del>Beispielrechnung Defuzzyfikation S. 55</del> | ||
| + | * <del>Aufgaben S. 65/66</del> | ||
| + | * <del>Fuzzy-System S. 51</del> | ||
| + | * <del>Missionare/Kannibalen-Problem</del> | ||
| + | * <del>Praktikumsaufgaben</del> | ||
| + | * <del>Handlungsreisender S. 46</del> | ||
| + | * <del>"Ein ehrliches Strandvergnügen"</del> | ||
| + | * <del>Abenteurer, max. 4 Tagesrationen Nahrung, 5 Lager bis Ziel</del> | ||
| + | * <del>Beratungssystem mit Fuzzy Logic</del> | ||
| + | * <del>Klausur WS 05</del> | ||
| + | * <del>Klausur SS 07</del> | ||
| + | * <del>Optimierungsverfahren</del> | ||
| + | * <del>Kurvenapproximation durch Perceptrons</del> | ||
| + | * <del>Programm Beweisführung S. 23</del> | ||
| + | * Typen von neuronalen Netzen (verteilt, vernetzt, rückgekoppelt etc.) S. 59 | ||
| + | * Backpropagation (of error) | ||
| + | * Hopfield-Netz | ||
| + | * Minimax- und Alpha-Beta-Algorithmus | ||
| * Informationen zu Systemen: MYCIN, EMYCIN, PUFF, XCON, PROSPECTOR, MOVER, SHRDLU, Ham-RPM, ELIZA | * Informationen zu Systemen: MYCIN, EMYCIN, PUFF, XCON, PROSPECTOR, MOVER, SHRDLU, Ham-RPM, ELIZA | ||
| - | * Expertensystemshells: NEXPERT Object, Smart Elements, KEE, EMYCIN, TWAICE | + | * Expertensystemshells: NEXPERT Object, Smart Elements, KEE, EMYCIN, TWAICE |
se/wissensverarbeitung.txt · Zuletzt geändert: 2014-04-05 11:42 (Externe Bearbeitung)
Seiten-Werkzeuge
Falls nicht anders bezeichnet, ist der Inhalt dieses Wikis unter der folgenden Lizenz veröffentlicht: CC Attribution-Noncommercial-Share Alike 4.0 International
