Strukturlernen graphbasierter Modelle auf der Basis verteilten Wissens

Více o knize

Die Auseinandersetzung mit Unsicherheit hat in der Künstlichen Intelligenz an Bedeutung gewonnen und wird als entscheidend für die Modellbildung betrachtet. Die Arbeit beleuchtet verschiedene Ansätze zur Unsicherheitsbehandlung wie Nichtmonotone Logik, Fuzzy-Logik und insbesondere Bayes'sche Netze. Diese graphischen Modelle vereinen wesentliche Aspekte der Künstlichen Intelligenz und bieten Lösungen für die Interpretierbarkeit, die bei herkömmlichen neuronalen Netzen oft fehlen. Bayes'sche Netze könnten somit der Schlüssel zu erfolgreichen intelligenten Anwendungen sein.