权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Logikbasierte probabilistiche Wissensrepräsentation für relationales Lernen, Modellieren und Inferieren

用于关系学习、建模和推理的基于逻辑的概率知识表示

基本信息

批准号：
46424101
负责人：
Professor Dr. Christoph Beierle
金额：
--
依托单位：
Informatik I - Lehrstuhl Logik in der Informatik
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2007
资助国家：
德国
起止时间：
2006-12-31 至 2011-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/46424101?language=en
关键词：
Logikbasierte probabilistiche Wissensrepr sentation relationales

项目摘要

Die Darstellung und Verarbeitung unsicheren Wissens spielt in vielen Bereichen der Künstlichen Intelligenz eine zentrale Rolle. Dabei werden oft, motiviert durch jeweils andere Blickwinkel und Prioritäten, unterschiedliche Ansätze verfolgt. In dem Projekt KReate entwickeln wir einen integrativen Wissensrepräsentationsansatz für relationales Lernen, Modellieren und Inferieren, der es ermöglicht, auf der Basis probabilistischer Repräsentationen relationale, konditionallogische Informationen zu modellieren, aus Daten zu extrahieren und für Inferenzzwecke zu verwenden. Das Ziel des Ansatzes ist, integrierte Systeme mit optimaler Abstimmung dieser Prozesse aufeinander zu konzipieren und zu implementieren. Die Realisierung dieser Zielsetzung erfolgt sowohl unter theoretischen wie auch experimentell-heuristischen Aspekten. Insbesondere stellt die hier entwickelte konditionallogische Basismethodik für Lernen, Modellieren und Inferenz einen theoretisch anspruchsvollen und praktisch vielseitigen Rahmen für die zentralen Forschungsthemen des Projekts dar. Zur Überprüfung der erzielten Forschungsergebnisse wird die Experimentierumgebung KReator realisiert. Im dritten Jahr der Projektlaufzeit werden wir uns auf die vertiefte Erforschung und Optimierung von Inferenz- und Lernverfahren sowie auf die Anwendung und Evaluierung des KReator-Prototyps konzentrieren.

Die Darstellung und Verarbeitung unsicheren Wissens spielt in vielen Bereichen der Künstlichen Intelligenz eine zentale Rolle.大北韦尔登经常，动机通过珠宝和Blickwinkel和Prioritäten，unterschedliche Ansätze verfolgt。在KReate项目中，我们整合了一个用于关系学习、模型和推断的知识表达系统，该系统基于关系的概率表达基础、用于模型的条件逻辑信息、用于外部数据和用于推断的数据。该Ziel des Ansatzes是一个完整的系统，具有最佳的Abstimmung过程，可用于协调和实施。理论上的Zielsetzung的实现也像实验上的一样。Insbesondere stellt die constentwickelte konditionallogische Basismethodik für Lernen，Modellieren und Inferenz einen theoretisch anspruchsvollen und praktisch vielseitigen Rahmen für die zentralen Forschungsthemen des Projekts dar.因此，实验研究将成为现实。近年来，韦尔登的发展使我们对KReator-Prototyps conzentrieren的推理和推理优化进行了全面的研究和评价。