Korrektes Schlieen bei unvollstaendiger Information : Anwendung des Prinzips der maximalen Entropie in einem probabilistischen Expertensystem

Es wird die Theorie fur ein probabilistisches Expertensystem entwickelt, das die Eingabe und Verarbeitung von unvollstandigem Expertenwissen erlaubt. Fehlende Informationen werden gema dem Prinzip der maximalen Entropie erganzt. Dieses Prinzip wird in der Arbeit axiomatisch fundiert und ausfuhrlich erlautert. Weiterhin werden Algorithmen beschrieben, mit denen sehr hochdimensionale Wahrscheinlichkeitsverteilungen iterativ erzeugt und zur Ableitung von Schlufolgerungen verwendet werden konnen. Schlielich wird die Effizienz der Algorithmen anhand eines Prototyps aufgezeigt, der den kommerziell verfugbaren Expertensystemen technisch ebenburtig ist, aber eine wesentlich flexiblere Informationseingabe erlaubt.

Es wird die Theorie für ein probabilistisches Expertensystem entwickelt, das die Eingabe und Verarbeitung von unvollständigem Expertenwissen erlaubt. Fehlende Informationen werden gemäß dem Prinzip der maximalen Entropie ergänzt. Dieses Prinzip wird in der Arbeit axiomatisch fundiert und ausführlich erläutert. Weiterhin werden Algorithmen beschrieben, mit denen sehr hochdimensionale Wahrscheinlichkeitsverteilungen iterativ erzeugt und zur Ableitung von Schlußfolgerungen verwendet werden können. Schließlich wird die Effizienz der Algorithmen anhand eines Prototyps aufgezeigt, der den kommerziell verfügbaren Expertensystemen technisch ebenbürtig ist, aber eine wesentlich flexiblere Informationseingabe erlaubt.