Logisches Schlieen bei Unsicherheit : Inferenzen in einer probabilistischen Wissensbasis bei induktiv und deduktiv erlernten Informationen

Herkommliche regelbasierte Expertensysteme sind auf eine spezielle Problemstruktur zugeschnitten und verarbeiten Informationen auf der Basis explizit eingegebenen Expertenwissens. In dieser Arbeit wird das Konzept eines nicht problemspezifischen wissensbasierten Systems vorgestellt. Die probabilistische Reprasentation von Wissen erlaubt die Darstellung beliebiger, auch ungewisser, Zusammenhange. Die Wissensakquisition erfolgt durch Bayessches Lernen; die Verarbeitung geschieht entropieoptimal. Die Kommunikation mit dem Benutzer wird durch die Transformation probabilistisch reprasentierter Informationen in leicht verstandliche logische Regeln unterstutzt. Verschiedene Problemfelder wie Klassifikation, Diagnose und Datenauswertung zeigen die universelle Anwendbarkeit dieses Systems.

Herkömmliche regelbasierte Expertensysteme sind auf eine spezielle Problemstruktur zugeschnitten und verarbeiten Informationen auf der Basis explizit eingegebenen Expertenwissens. In dieser Arbeit wird das Konzept eines nicht problemspezifischen wissensbasierten Systems vorgestellt. Die probabilistische Repräsentation von Wissen erlaubt die Darstellung beliebiger, auch ungewisser, Zusammenhänge. Die Wissensakquisition erfolgt durch Bayessches Lernen; die Verarbeitung geschieht entropieoptimal. Die Kommunikation mit dem Benutzer wird durch die Transformation probabilistisch repräsentierter Informationen in leicht verständliche logische Regeln unterstützt. Verschiedene Problemfelder wie Klassifikation, Diagnose und Datenauswertung zeigen die universelle Anwendbarkeit dieses Systems.