课题基金 / 基金详情

Modellieren, Lernen und Verarbeiten von Erfahrungswissen im Case-Based Reasoning auf der Grundlage präferenzbasierter Methoden - Präferenzbasiertes CBR

Modellieren, Lernen und Verarbeiten von Erfahrungswissen im Case-Based Reasoning auf der Grundlage präferenzbasierter Methoden - Präferenzbasiertes CBR
基于偏好的方法对案例推理中的经验知识进行建模、学习和处理——基于偏好的CBR
批准号:
170049638
负责人:
Professor Dr. Eyke Hüllermeier
金额:
$0.0万
依托单位国家:
德国
项目类别:
Research Grants
财政年份:
2010
资助国家:
德国
项目状态:
已结题
起止时间:
2009-12-31 至 2015-12-31

项目摘要

项目成果

Professor Dr. Eyke Hüllermeier的其他基金

相似基金

相关文献

中文摘要
翻译
我是Bereich der Künstlichen Intelligence enz is das so genannte Fallbasierte Schlieüen(Case-Based Reason,CBR)ein etabliertes Problemlösungparadigma MIT vielemlösungspadigma MIT vielältigen Anwendungsmöglichkeiten。托洛茨认为,这是一种新的理论和方法论。在此基础上,我们将为您提供更多的服务。在这一过程中,所有的事情都发生了变化,所有的事情都发生在我们的脑海中,这是一件非常重要的事情,因为我们需要的是更多的信息,比如L和塞尔布斯特丹。Zudem kommt die Flexibilität and Ausdrucksstärke eines Präferenzbasierten ForMalismus Dm unsicheren and Approsiven Charakter des Folbasierten Problemlösens Engegen.Besondere Aufmerksamkeit将在互联网社区中使用Dem gomeinsamen Thema des Paketantrages gewidmet,nämlich der Verwendung des CBR zum Verarbeiten von Erfahrungswissen。在Diesem Kontext wird Präferenzief natürliche Art and Weise erzeugt and Muss deshalb adäquat formalisiert and verarbeitet中,有来自natürliche Art and Weise erzeugt and Muss deshalb adäquat formalisiert and verarbeitet的信息。在现实生活中,所有的项目都是由合作伙伴实施的。
英文摘要
Im Bereich der Künstlichen Intelligenz ist das so genannte Fallbasierte Schließen (Case-Based Reasoning, CBR) ein etabliertes Problemlösungsparadigma mit vielfältigen Anwendungsmöglichkeiten. Trotz seines beträchtlichen praktischen Erfolges besitzt das CBR nach wie vor ein Entwicklungspotential im Hinblick auf theoretische und methodische Grundlagen. Aufbauend auf neueren Arbeiten im Bereich der Präferenzverarbeitung verfolgt dieses Projekt das Ziel, einen allgemeinen methodischen Rahmen auf der Basis einer präferenzbasierten Formalisierung des CBR zu entwickeln. Ein präferenzbasierter Ansatz erscheint aus mehreren Gründen interessant, insbesondere deshalb, weil sich fallbasiertes Erfahrungswissen häufig sehr natürlich mithilfe von Präferenzrelationen abbilden lässt - selbst dann, wenn es sich nicht direkt um Präferenzinformation handelt. Zudem kommt die Flexibilität und Ausdrucksstärke eines präferenzbasierten Formalismus dem unsicheren und approximativen Charakter des fallbasierten Problemlösens entgegen. Besondere Aufmerksamkeit wird dem gemeinsamen Thema des Paketantrages gewidmet, nämlich der Verwendung des CBR zum Verarbeiten von Erfahrungswissen in Internet communities. In diesem Kontext wird Präferenzinformation auf natürliche Art und Weise erzeugt und muss deshalb adäquat formalisiert und verarbeitet werden. Gemeinsam mit den Projektpartnern soll eine konkrete Applikation in der Anwendungsdomäne des Kochens realisiert werden.
期刊论文(2)
专著(0)
科研奖励(0)
会议论文
DOI: 10.1007/978-3-319-11209-1_3
发表时间: 2014-09
期刊:
影响因子: --
作者: [Amira Abdel-Aziz;M. Strickert;Eyke Hüllermeier]
通讯作者: Amira Abdel-Aziz;M. Strickert;Eyke Hüllermeier
Case Base Maintenance in Preference-Based CBR
基于偏好的 CBR 中的案例库维护
DOI: 10.1007/978-3-319-24586-7_1
发表时间: 2015
期刊:
影响因子: --
作者: [A. Abdel-Aziz, E. Hüllermeier]
通讯作者: E. Hüllermeier
Multilabel Rule Learning
  • 批准号:
    400845550
  • 项目类别:
    Research Grants
  • 资助金额:
    $0.0万
  • 财政年份:
    2018
  • 负责人:
    Professor Dr. Eyke Hüllermeier
  • 依托单位:
Data-Driven Design of Evolving Fuzzy Systems: Enhancing Interpretability, Reliability, and User-Interaction
Lernen von Fuzzy-Präferenzmodellen: Methoden und Anwendungen in personalisierten Informationssystemen
Remaining Useful Lifetime for New and Used Technical Systems under Non-Stationary Conditions
海外基金