Wissensverarbeitung

Wissenschaft, die sich mit Beschleunigung, Rationalisierung und Automatisierung der Transformation von Wissen in Informationen und umgekehrt befasst.

Informationen werden aus der Umgebung exzerpiert und als Wissen gespeichert; aus gespeichertem Wissen werden Informationen gewonnen, die sinnvolles Handeln und Entscheiden ermöglichen.

Heuristik (Anwendung von menschlichen Problemlösungsverfahren in der Programmierung)

automatisiertes Erkennen (Bild- und Spracherkennung)

Art, Struktur und computergerechte Speicherung des Wissens

Extraktion von Wissen aus Informationen

Generierung von Informationen aus Wissen

Komplexität der Aufgabe

Transformation Wissen <> Information

Information → Wissen durch Menschen

Wissen → Information durch System

Künstliches Gehirn (neuronale Netze)

* Datenbergwerk (Data Mining) 
* Globale Optimierung
* Kombinationen der 4 oberen Verfahren

Dämonen an jedem Slot: if-needed (trigger) und if-changed

Formulierung in einer formalen Sprache

Suche im Zustandsraum

Problemreduktion

Rekursion

Vorwärts-/Rückwärtsverkettung (Forward/Backward Chaining)

Suche nach dem optimalen Weg durch einen gerichteten Graphen, der alle Zustände des Systems als Knoten und alle Operatoren als Kanten enthält

Umwandlung in Zustandsbaum durch Verbieten bereits besuchter Zustände

Zerlegung des Problems in Teilprobleme, bis Teilprobleme direkt aus der Wissensbasis lösbar sind

Darstellung als UND-ODER-Baum

Auf ODER-Knoten können wieder die obigen Suchverfahren angewandt werden

Sonderfall der Problemreduktion

Lösungsverfahren für Problem ist auch für Teilprobleme anwendbar

Planungssysteme

Diagnosesysteme

Beratungssysteme

deklarative Programmiersprache

* Wissensdarstellung
  * Prädikatenlogik
  * Meta-Wissen: Problemlösungsverfahren      
* Problemlösungsmechanismen      
  * Rückwärtsverkettung
  * Rekursion
  * Tiefen-/Breitensuche
  * Backtracking
  * Pattern Matching
  * Unifikation von Variablen

* Syntax

Variablen: großer Anfangsbuchstabe, Konstanten: kleiner Anfangsbuchstabe, anonyme Variable: _

Arity: Anzahl der Parameter eines Prädikats

write, nl, writenl

asserta, assertz, assert, retract, abolish

fail, cut

member, sort, msort, reverse, append

findall

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

* Vernetzung Synapse → Axon

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

Wer Recht hat, wird gestärkt, wer Unrecht hat, wird geschwächt.

Vereinfachte Lernregel: Wenn das Ergebnis falsch ist, wird (Sollergebnis * Eingangsvektor) zum Gewichtsvektor addiert.

Lineare Separierbarkeit → RBF-Neuron oder Mehrschicht-Perceptron

verdeckte Schichten (Anzahl und Größe: Erfahrungswerte)

Lernen durch Backpropagation

Eignung: Klassifizierung von Mustern/Kurvenapproximation

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    

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)

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