ASDL:Inferenzmethoden
From Wiki
Endbericht des ASDL-Projekts
Inhaltsverzeichnis | Hauptseite des ASDL-Projekts
Contents |
Motivation
Es gibt viele verschiedene Inferenzmethoden, die aber alle versuchen, durch ein computerunterstütztes System eine automatisierte Schlussfolgerung zu erhalten. Da in unserem Projekt eine Adaptivität vorausgesetzt war, haben wir uns für die Umsetzung mit Hilfe einer Inferenzmethode entschieden.
Da beim Case-Based-Reasoning der Aufwand für die Vorarbeit am geringsten ist und es sich selbständing durch das Benutzen verbessert, war es unsere erste Wahl. Siehe dazu auch das Kapitel Designentscheidungen.
Aufgaben
Das fallbasierte Schließen (case-based reasoning) ist ein maschinelles Lernverfahren zur Problemlösung durch Analogieschluss. Das wesentliche Element dabei ist die Fallbasis. Dort sind frühere Fälle gespeichert. Diese Fälle werden dann zu Lösung eines neuen oder eines ähnlichen Problems herangezogen.
Dieses Verfahren ist ähnlich wie die menschliche Verhaltensweise. Wenn dieser vor ein neues Problem gestellt wird, versucht er mit Hilfe seines erlebten Wissens das neue Problem durch vergleichen und abändern schon gelöster Problem zu lösen.
CBR-Zyklus
Case-Based Reasoning wurde als ein Vier-Schritte-Prozess formalisiert, dem so genannten CBR-Zyklus.
Retrieve
Wenn ein Problem gegeben ist, filtert der Retrieve-Schritt alle Fälle aus der Fallbasis, die für die Problemlösung wichtig sind. Ein Fall besteht aus einer Problembeschreibung, einer Lösungsbeschreibung und typischerweise aus Kommentaren, wie die Lösung abgeleitet wurde. Das Maßgebliche an diesem Schritt ist die Ähnlichkeit zwischen zwei Problembeschreibungen zu finden.
Reuse
Der Reuse-Schritt bildet die Lösung des früheren Falls auf das Ausgangsproblem ab. Die Lösung des Falls, der dem vorgegebenen am ähnlichsten ist, wird als ein erster Lösungsvorschlag übernommen. Damit hat man einen Ausgangspunkt für die Lösung des neuen Problems. Dieser Schritt kann eine Adaption der Lösung an die neue Situation beinhalten. Die möglichen Arten der Lösungsübertragung sind dabei das Kopieren der Lösung, Lösungsanpassung durch den Benutzer, Transformational Analogy oder Derivational Analogy. Die dabei verwendeten Methoden können Benutzerinteraktion, Regelbasiertes Schließen oder Modellbasiertes Schließen sein.
Revise
Dieser Schritt wird benötigt, da man Probleme nicht immer auf die gleiche Weise gelöst werden können. Deshalb muss man die vorhandenen alten Lösungen überprüfen und an das neue Problem anpassen. Die Art der Überprüfung können umgesetzt werden durch Simulation oder durch test Überprüfung der Lösung durch Simulation in einer realen Umgebung. Dabei sind die wichtigsten Kriterien die Korrektheit der Lösung sowie die Qualität der Lösung.
Retain
Hier werden die neuen Fälle in die Fallbasis aufgenommen. Diese stehen dann für die neuen Fälle zur Verfügung. Durch dieses Verfahren lernt das System mit jedem weiteren gelösten Problem hinzu, dadurch wird die Leistungsfähigkeit bei jedem Durchlauf verbessert. Die dabei zu Verfügung stehenden Methoden sind das Löschen von Fällen oder das Speichern von neuen Fällen.
Andere Inferenzmethoden
Statistische Verfahren
In dieser Methode werden Daten über den Benutzer ausgewertet auf der Basis der statistischen Datenanalysen. Mit Hilfe statistischer Methoden lassen sich echte Effekte von Zufallstreffern unterscheiden. Es werden statistische Zusammenhänge dargestellt und Hintergründe aufgedeckt, die aufgrund von Wechselwirkungen zwischen einzelnen Ereignissen entstehen.
Data Mining
Data Mining bezeichnet Techniken zum Finden von interessanten und nützlichen Mustern und Regeln in großen Datenmengen. Also das systematische Entdecken und Extrahieren unbekannter Informationen aus großen Mengen von Daten. Die Technologien stammen aus dem Bereich der künstlichen Intelligenz (künstliche neuronale Netze, lineare Regression, genetische Algorithmen, regelbasierte Systeme etc.), dem Knowledge-Management und statistischen Modellen. Diese Verfahren ermöglichen das Verhalten vorherzusagen.
Fuzzy-Logik
Bei der Fuzzy-Logik fließt das vorhandene Wissen zum Prozess in die Verarbeitung mit ein Es wird eine Verallgemeinerung der zweiwertigen Booleschen Logik vorgenommen, daher es werden Wahrheitswerte zwischen WAHR und FALSCH zugelassen. Dies ist notwendig, da Expertenwissen oft recht unscharf ist. Ein Beispiel hierfür ist, dass ein Ingenieur sagt, dass der Motor zwischen 6500 und 8000 explodieren kann. Man kann nicht immer eine präzise Aussage treffen, wann etwas zutrifft, sondern nur einen Bereich angeben. Aus diesem Grund kann man mit dieser Methode komplexe Probleme leicht beschreiben.
