Maschinelles Lernen und Wissensbasierte Systeme: Systematische Einführung mit praxisorientierten Fallstudien

1 Einleitung.- 2 Lebenszyklus einer Wissensbasis.- 2.1 Lebenszyklusmodelle für konventionelle Software-Systeme.- 2.2 Herkömmliche Lebenszyklusmodelle für wissensbasierte Systeme.- 2.3 Neue Phaseneinteilung für den Lebenszyklus einer Wissensbasis.- 2.4 Bedeutung der Wissensbasispflege.- 3 Maschinelles Lernen.- 3.1 Zum Begriff des maschinellen Lernens.- 3.2 Klassifikation maschineller Lernsysteme.- 3.3 Multistrategiesysteme.- 4 Wissensmodellierung.- 4.1 Wissensmodellierung für wissensbasierte Systeme.- 4.2 Wissensmodellierung für maschinelle Lernsysteme.- 4.3 Kooperative Wissensmodellierung mit dem Lernsystem MOBAL.- 4.4 Verfeinerung der Modellierung durch das Lernen neuer Deskriptoren.- 4.5 Automatische syntaktische Anpassung der Repräsentationssprachklasse.- 5 Wissensbasisinitialisierung.- 5.1 Wissensbasisinitialisierung als Phase.- 5.2 Lernen von Entscheidungsbäumen mit ID3.- 5.3 Lernen einer Menge von Hornklauseln mit FOIL.- 5.4 Bewertung des Einsatzes von maschinellem Lernen.- 6 Wissensbasiseinsatz.- 6.1 Wissensbasiseinsatz und integrierte Lernarchitekturen.- 6.2 Verschiedene Möglichkeiten der Integration von Lernen und Problemlösen.- 6.3 Entwurf und Repräsentation integrierter Lernarchitekturen.- 7 Wissensbasiserweiterung.- 7.1 Wissensbasiserweiterung als Phase.- 7.2 Maschinelle Lernsysteme zur Erweiterung einer Wissensbasis.- 7.3 Generieren und Testen von Regeln zur Erweiterung einer unvollständigen Theorie.- 7.4 LEDA: Induktives Lernen von Makrooperatoren.- 7.5 Erklärungsbasiertes Lernen.- 7.6 Fallbasiertes Lernen.- 7.7 Entdeckungslernen in Datenbanken.- 7.8 Schlußbemerkungen.- 8 Wissensbasismodifikation.- 8.1 Wissensbasismodifikation als Phase.- 8.2 Verifikation und Validierung von Wissensbasen.- 8.3 Beseitigung von Fehlern, Inkonsistenzen und vonUnvollständigkeit.- 8.4 Restrukturierung einer Wissensbasis zur Verbesserung der Verständlichkeit.- 8.5 Verbesserung der Problemlösungsgeschwindigkeit.- 8.6 Optimierung einer Wissensbasis zur Qualitätsverbesserung der Ergebnisse.- 8.7 Abschließende Bemerkungen.- 9 Globale Adaptierung der Wissensbasis.- 9.1 Globale Adaptierung als Phase.- 9.2 Anforderungen an ein maschinelles Lernsystem für die globale Adaptierung.- 10 Multistrategiesysteme zur Unterstützung verschiedener Lebenszyklusphasen.- 10.1 Verwandte Arbeiten zum Multistrategielernen.- 10.2 COSIMA: Unterstützung verschiedener Lebenszyklusphasen für die Anwendung „komplexes Entwerfen“.- 10.3 LIMES: Umfassende Unterstützung des Lebenszyklus einer Wissensbasis.- 11 Zusammenfassung und Ausblick.- Anhang 1: Logische Terminologie.- Anhang 2: Optimierungsprozeß zu einem Fuzzy-Controller für das invertierte Pendel.- Literatur.

Trotz zahlreicher, auch industrieller Anwendungen ist der Entwurf von wissensbasierten Systemen oder Expertensystemen noch immer kein Routineprozeß. Dieses Buch zeigt, wie Techniken des maschinellen Lernens Entwicklung, Aufbau und Einsatz solcher Systeme wesentlich unterstützen können. Über den bekannten "Flaschenhals" der Wissensakquisition hinausgehend werden insbesondere auch die Wartung und die Revision einer Wissensbasis behandelt.
Für jede dieser Phasen des Lebenszyklus einer Wissensbasis werden spezifische Verfahren des maschninellen Lernens beschrieben und an repräsentativen Beispielsystemen veranschaulicht. Dabei wird erstmals auch ein Verfahren zur automatischen Anpassung einer Wissensbasis an veränderte technologische Rahmenbedingungen des Anwendungsgebiets vorgestellt.
Das Buch bietet einen umfassenden Überblick über den Stand der Technik und ein Methodenrepertoire zur direkten Anwendung. Es wendet sich damit an Wissenschaftler sowie an Entwickler wissensbasierter Systeme und Anwender maschineller Lernverfahren. Aufgrund seines systematischen Aufbaus ist es gleichermaßen auch als weiterführendes Lehrbuch geeignet.