Modellierung wissensintensiver Probleme Benno Stein
Inhalt I. Einführung
Ziele Wie entwickelt man Softwaresysteme zur Lösung von wissensintensiven
Bemerkungen:
Literatur Künstliche Intelligenz
Literatur
Literatur
Kapitel MK:I I. Einführung
Künstliche Intelligenz Was ist Intelligenz?
Künstliche Intelligenz Was ist Intelligenz?
Künstliche Intelligenz Was ist Intelligenz?
Künstliche Intelligenz Was ist Intelligenz?
Künstliche Intelligenz Intelligenzbegriff
Künstliche Intelligenz Was ist Künstliche Intelligenz?
Künstliche Intelligenz Was ist Künstliche Intelligenz?
Künstliche Intelligenz Was ist Künstliche Intelligenz?
Bemerkungen:
Starke KI versus Schwache KI KI ist der Versuch, auf Computern intelligentes Verhalten nachzubilden.
Starke KI versus Schwache KI Turing’s Szenario: Turing Test
Starke KI versus Schwache KI Weizenbaum’s Szenario: Eliza
Starke KI versus Schwache KI Schank’s Szenario: Restaurant-Geschichten
Starke KI versus Schwache KI Schank’s Szenario
Starke KI versus Schwache KI Searle’s Szenario: chinesisches Zimmer
Bemerkungen:
Starke KI versus Schwache KI Searle’s Szenario
Starke KI versus Schwache KI Behauptung der Vertreter der Starken KI:
Starke KI versus Schwache KI Behauptung der Vertreter der Starken KI:
Starke KI versus Schwache KI Behauptung der Vertreter der Starken KI:
Starke KI versus Schwache KI Hat „echtes“ Verstehen mit Bewusstsein zu tun?
Geschichte der Künstlichen Intelligenz 1956 Geburtsstunde. Sommerseminar in Dartmouth.
Einschub: Blocks World Anordnung:
Geschichte der Künstlichen Intelligenz 1965 – 1975 Romantische Periode.
Geschichte der Künstlichen Intelligenz >1975 Moderne Periode.
Geschichte der Künstlichen Intelligenz >1985 Neue Trends.
Geschichte der Künstlichen Intelligenz >1990 Trends danach.
Kapitel MK:I I. Einführung
Gebiete der KI Ursprung der Methoden der KI/Wissensverarbeitung
Gebiete der KI Aus einer anwendungsorientierten Sicht spielen in der Künstlichen Intelligenz
Bemerkungen:
Gebiete der KI Maschinelles Lernen. Beispiel Klassifikation
Gebiete der KI Maschinelles Lernen. Beispiel Klassifikation
Gebiete der KI Maschinelles Lernen. Beispiel Klassifikation
Gebiete der KI Intelligent Computer Aided Instruction, ICAI
Gebiete der KI Natürlichsprachliche Systeme
Gebiete der KI Natürlichsprachliche Systeme. Beispiel Dialogsystem
Gebiete der KI Bildverarbeitende Systeme
Gebiete der KI Bildverarbeitende Systeme
Gebiete der KI Bildverarbeitende Systeme. Beispiel Szenenanalyse
Gebiete der KI Bildverarbeitende Systeme. Beispiel Szenenanalyse
Gebiete der KI Bildverarbeitende Systeme. Beispiel Szenenanalyse
Gebiete der KI Bildverarbeitende Systeme. Beispiel Szenenanalyse
Gebiete der KI Bildverarbeitende Systeme. Beispiel Szenenanalyse
Gebiete der KI Bildverarbeitende Systeme. Beispiel Szenenanalyse
Gebiete der KI Robotertechnologie
Gebiete der KI Robotertechnologie
Gebiete der KI Deduktionssysteme
Gebiete der KI Deduktionssysteme. Beispiel Schlussfolgern
Gebiete der KI Deduktionssysteme. Beispiel Schlussfolgern
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI Deduktionssysteme. Beispiel Textanalyse
Gebiete der KI SWT
Kapitel MK:II II. Wissensrepräsentation
Wissensrepräsentation in der Klassifikation
Wissensrepräsentation in der Klassifikation
Wissensrepräsentation in der Klassifikation (a) Kodierung des Klassifikationswissens durch Regeln
Wissensrepräsentation in der Klassifikation (b) Erlernung des Klassifikationswissens
Wissensrepräsentation in der Klassifikation Berechnung im Perzeptron
Wissensrepräsentation in der Klassifikation Berechnung im standardisierten Perzeptron
Wissensrepräsentation in der Klassifikation Präsentation von Beispielen dem Perzeptron:
Wissensrepräsentation in der Klassifikation Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Darstellung der Objekte im Merkmalsraum
Wissensrepräsentation in der Klassifikation Anpassung des Gewichtsvektors
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Wissensrepräsentation in der Klassifikation Illustration des Perzeptron-Lernalgorithmus
Symbolisch versus subsymbolisch Zwei grundlegenden Ansätze der Wissensrepräsentation
Symbolisch versus subsymbolisch Definition 1 (Symbol)
Symbolisch versus subsymbolisch Akustische Repräsentation eines gesprochenen Symbols:
Symbolisch versus subsymbolisch Beispiel: J. S. Bach, „Die Kunst der Fuge“
Bemerkungen:
Symbolisch versus subsymbolisch Vorteile symbolischer Repräsentation:
Bemerkungen:
Symbolisch versus subsymbolisch Erwerb neuen Wissens
Symbolisch versus subsymbolisch Hybride Systeme: Kombination der Paradigmen
Symbolisch versus subsymbolisch Hybride Systeme: Kombination der Paradigmen
Marvin Minsky
Kapitel MK:II II. Wissensrepräsentation
Problemlösungswissen
Problemlösungswissen Beispiel 1: Diagnose einer hydraulischen Schaltung.
Problemlösungswissen Beispiel 1: Diagnose einer hydraulischen Schaltung.
Problemlösungswissen Beispiel 1: Diagnose einer hydraulischen Schaltung.
Problemlösungswissen Beispiel 2: Entwurf einer hydraulischen Schaltung.
Problemlösungswissen Beispiel 2: Entwurf einer hydraulischen Schaltung.
Problemlösungswissen Beispiel 2: Entwurf einer hydraulischen Schaltung.
Kennzeichen von Problemlösungswissen Das Problemlösungswissen wie
Kennzeichen von Problemlösungswissen Wissensformen innerhalb von Problemlösungsverfahren:
Kennzeichen von Problemlösungswissen Problemlösungswissen unterscheidet sich nicht durch seine Kompliziertheit von
Kennzeichen von Problemlösungswissen Die Beherrschung von Methoden und Techniken (Softwaretechnik, Algorithmen,
Kapitel MK:II II. Wissensrepräsentation
Prinzipien wissensbasierter Systeme Wunsch: Operationalisierung von Problemlösungswissen
Prinzipien wissensbasierter Systeme Definition 2 (wissensbasiertes System, WBS)
Prinzipien wissensbasierter Systeme Fragen zu konventionellen Softwaresystemen:
Prinzipien wissensbasierter Systeme Fragen zu konventionellen Softwaresystemen:
Prinzipien wissensbasierter Systeme Fragen zu konventionellen Softwaresystemen:
Expertensysteme, XPS „. . . ein intelligentes Computerprogramm, das Wissen und
Expertensysteme Expertensysteme versuchen, die Eigenschaften eines Experten hinsichtlich einer
Expertensysteme Der ideale menschliche Experte
Expertensysteme Expertensystem versus Experte
Expertensysteme Expertensystem versus Standardprogramm
Expertensysteme Expertensystem versus Standardprogramm
Problemklassen für Expertensysteme Analyse
Problemklassen für Expertensysteme Analyse
Problemklassen für Expertensysteme Synthese
Problemklassen für Expertensysteme Synthese
Bemerkungen:
Erstellung wissensbasierter Systeme Die Erstellung von Programmen, die eine Lösung schlecht strukturierbarer bzw.
Bemerkungen:
Erstellung wissensbasierter Systeme Lösung des Akquisitionsproblems
Erstellung wissensbasierter Systeme Werkzeuge
Bemerkungen: (a) Shells (EMycin, Nexpert Object, Twaice):
Erstellung wissensbasierter Systeme Aus meiner Erfahrung
Erstellung wissensbasierter Systeme LOOPS
Erstellung wissensbasierter Systeme Colab
Bemerkungen:
Kapitel MK:III III. Begriffe der Modellierung
System und Modell Beispiel 1: Der unbequeme Philosoph
System und Modell Beispiel 1: Der unbequeme Philosoph
System und Modell Beispiel 2: Fail-Safe-Überprüfung einer Presse
System und Modell Beispiel 2: Fail-Safe-Überprüfung einer Presse
System und Modell Definition 1 (System)
System und Modell Ein Analyseproblem zu lösen, bedeutet, Fragen bezüglich eines Systems zu
System und Modell Ein Analyseproblem zu lösen, bedeutet, Fragen bezüglich eines Systems zu
System und Modell Ausführung eines Experiments am System? – dagegen spricht:
System und Modell Definition 3 (Model, Modell
System und Modell Definition 3 (Model, Modell
Modellieren zum Schlussfolgern Beispiel 1: Der unbequeme Philosoph
Modellieren zum Schlussfolgern Beispiel 2: Fail-Safe-Überprüfung einer Presse
Modellieren zum Schlussfolgern Nahezu alle Situationen, in denen wir einen Sachverhalt analysieren, basieren auf
Modellieren zum Schlussfolgern Nahezu alle Situationen, in denen wir einen Sachverhalt analysieren, basieren auf
Modellieren zum Schlussfolgern Die Beschreibung des Wissens über ein System (Realität) geschieht
Modellieren zum Schlussfolgern Die Beschreibung des Wissens über ein System (Realität) geschieht
Bemerkungen:
Kapitel MK:III III. Begriffe der Modellierung
Modellbildung Klassifikation von Modellen hinsichtlich ihrer Repräsentation:
Modellbildung Klassifikation von Modellen hinsichtlich ihrer Repräsentation:
Modellbildung Ablauf der Top-Down-Modellbildung: Abstrakte Modelle werden auf weniger
Systemraum und Modellraum Ein Syntheseproblem zu lösen, bedeutet, Fragen bezüglich einer Menge von
Systemraum und Modellraum Ein Syntheseproblem zu lösen, bedeutet, Fragen bezüglich einer Menge von
Systemraum und Modellraum Ausweg: Synthese von Modellen für die interessierenden Systeme (Modellraum)
Systemraum und Modellraum Klassifikation von Modellräumen hinsichtlich ihrer Repräsentation:
Systemraum und Modellraum Klassifikation von Modellräumen hinsichtlich ihrer Repräsentation:
Adäquate Modellierung
Adäquate Modellierung
Adäquate Modellierung
Adäquate Modellierung Wieviel ist bekannt über das System?
Adäquate Modellierung Wieviel ist bekannt über das System?
Kapitel MK:IV IV. Modellieren mit Constraints
Einführung und frühe Systeme Constraints sind eine Softwaretechnik zur deklarativen Beschreibung und zum
Einführung und frühe Systeme Beispiel
Bemerkungen:
Einführung und frühe Systeme Algebraische Constraints in EL
Einführung und frühe Systeme Algebraische Constraints in EL
Einführung und frühe Systeme Nicht-algebraische Constraints in Waltz
Einführung und frühe Systeme Nicht-algebraische Constraints in Waltz
Einführung und frühe Systeme Nicht-algebraische Constraints in Waltz
Bemerkungen:
Einführung und frühe Systeme Nicht-algebraische Constraints in Waltz
Einführung und frühe Systeme Nicht-algebraische Constraints in Waltz
Bemerkungen:
Einführung und frühe Systeme Gegenüberstellung von EL und Waltz
Bemerkungen:
Einführung und frühe Systeme Constraint-Repräsentationsformen
Einführung und frühe Systeme Constraint-Repräsentationsformen
Einführung und frühe Systeme Einsatz von Constraints
Einführung und frühe Systeme Einsatz von Constraints
Bemerkungen:
Konsistenz I Definition 1 (Constraint, erfüllt, Constraint-Netz)
Konsistenz I Definition 1 (Constraint, erfüllt, Constraint-Netz)
Bemerkungen:
Konsistenz I Beispiel für ein algebraisches Constraint-Netz:
Konsistenz I Definition 2 (lokale Konsistenz)
Konsistenz I Beispiel:
Bemerkungen:
Konsistenz I Definition 3 (globale Konsistenz)
Konsistenz I Beispiel:
Konsistenz I Definition 4 (Constraint-Graph)
Konsistenz I Definition 4 (Constraint-Graph
Bemerkungen:
Konsistenz I Beispiel-Constraint-Graph:
Konsistenz I Satz 5 (hinreichende Konsistenzbedingungen
Kapitel MK:IV IV. Modellieren mit Constraints
Binarization Definition 6 (CSP-FD
Binarization Definition 7 (Binarization)
Bemerkungen:
Binarization Beispiel (als Kanten-Constraint-Graph):
Binarization Beispiel (als Kanten-Constraint-Graph):
Binarization Beispiel (als Knoten-Constraint-Graph):
Binarization Beispiel (als Knoten-Constraint-Graph):
Generate-and-Test (GT) Lösungsverfahren für ein CSP auf endlichen Wertebereichen
Bemerkungen:
Generate-and-Test Schema eines GT-Algorithmus:
Bemerkungen:
Generate-and-Test Propose-and-Improve
Generate-and-Test Propose-and-Improve
Generate-and-Test Propose-and-Improve
Backtracking (BT) -basierte Verfahren Lösungsverfahren für ein CSP auf endlichen Wertebereichen
Backtracking-basierte Verfahren Schema eines BT-Algorithmus:
Backtracking-basierte Verfahren Algorithm:
Bemerkungen:
Backtracking-basierte Verfahren Durch die sukzessive Hinzunahme von Variablen wird das Constraint-Netz bei der
Backtracking-basierte Verfahren Probleme bei Backtracking
Backtracking-basierte Verfahren Probleme bei Backtracking
Bemerkungen:
Backtracking-basierte Verfahren Probleme bei Backtracking
Bemerkungen:
Backtracking-basierte Verfahren Backtracking mit Konfliktanalyse: Backjumping (BJ)
Bemerkungen:
Backtracking-basierte Verfahren Backtracking mit Konfliktanalyse: Backjumping (BJ)
Bemerkungen:
Backtracking-basierte Verfahren Backtracking mit Konfliktanalyse: Backjumping (BJ)
Bemerkungen:
Backtracking-basierte Verfahren Backtracking mit Konfliktanalyse: Backjumping (BJ)
Bemerkungen:
Backtracking-basierte Verfahren Backtracking mit Konfliktanalyse: Backjumping (BJ)
Backtracking-basierte Verfahren Backtracking mit Konfliktanalyse: Backjumping (BJ)
Backtracking-basierte Verfahren Algorithm:
Bemerkungen:
Backtracking-basierte Verfahren Verbessertes Backjumping: Conflict-Directed Backjumping (CBJ)
Backtracking-basierte Verfahren Verbessertes Backjumping: Conflict-Directed Backjumping (CBJ)
Backtracking-basierte Verfahren Algorithm:
Bemerkungen:
Backtracking-basierte Verfahren Weitere Ansätze zur Effizienzsteigerung bei der Suchraumexploration
Bemerkungen:
Kapitel MK:IV IV. Modellieren mit Constraints
Konsistenz II Ziel der Konsistenzanalyse ist die Entfernung inkonsistenter Werte in den
Konsistenz II Definition 8 (Knotenkonsistenz)
Konsistenz II Definition 9 (Kantenkonsistenz)
Bemerkungen:
Konsistenz II Lemma 10
Konsistenz II Lemma 10
Konsistenzanalyse Lösungsverfahren für ein CSP auf endlichen Wertebereichen
Konsistenzanalyse Kantenkonsistenz in CSP-FD
Konsistenzanalyse Kantenkonsistenz in CSP-FD
Bemerkungen:
Konsistenzanalyse Kantenkonsistenz in CSP-FD
Bemerkungen:
Konsistenzanalyse Kantenkonsistenz in CSP-FD
Bemerkungen:
Konsistenzanalyse Pfadkonsistenz in CSP-FD
Bemerkungen:
Konsistenzanalyse Pfadkonsistenz in CSP-FD
Konsistenzanalyse Pfadkonsistenz in CSP-FD
Bemerkungen:
Konsistenzanalyse Definition 14 (k-Konsistenz, strenge k-Konsistenz)
Bemerkungen:
Konsistenzanalyse k-Konsistenz und Backtracking-freie Suche
Bemerkungen:
Konsistenzanalyse k-Konsistenz und Backtracking-freie Suche
Konsistenzanalyse k-Konsistenz und Backtracking-freie Suche
Bemerkungen:
Konsistenzanalyse k-Konsistenz und Backtracking-freie Suche
Bemerkungen:
Konsistenzanalyse k-Konsistenz und Backtracking-freie Suche
Konsistenzanalyse Viele Suchverfahren instanziieren die Variablen in einer festen Reihenfolge (Stichwort:
Konsistenzanalyse Gerichtete Verfahren
Bemerkungen:
Konsistenzanalyse Gerichtete Verfahren
Bemerkungen:
Konsistenzanalyse Praktikabilität der Verfahren
Konsistenzanalyse Lösungsverfahren für ein CSP auf endlichen Wertebereichen
Konsistenzanalyse Kombination mit Backtracking
Konsistenzanalyse Kombination mit Backtracking
Konsistenzanalyse Kombination mit Backtracking
Bemerkungen:
Konsistenzanalyse Kombination mit Backtracking
Konsistenzanalyse Kombination mit Backtracking
Weitere Analyseverfahren Lösungsverfahren für ein CSP auf endlichen Wertebereichen
Weitere Analyseverfahren Variablensortierung
Bemerkungen:
Weitere Analyseverfahren Constraint-Netz-Reformulierung
Weitere Analyseverfahren Constraint-Netz-Reformulierung: Cycle-Cut-Set-Analyse
Bemerkungen:
Weitere Analyseverfahren Constraint-Netz-Reformulierung: Cycle-Cut-Set-Analyse
Kapitel MK:IV IV. Modellieren mit Constraints
Algebraische Constraints Beispiel Addierer A + B = C:
Algebraische Constraints Beispiel Addierer A + B = C:
Algebraische Constraints Definition 18 (lokal bestimmt (locally determined))
Algebraische Constraints Definition 19 (Einschrittableitung)
Bemerkungen:
Algebraische Constraints Grenzen lokaler Wertepropagierung I
Algebraische Constraints Grenzen lokaler Wertepropagierung II
Algebraische Constraints Constraint-Löser „gaussElimination“
Algebraische Constraints Intervallpropagierung
Algebraische Constraints Intervallpropagierung
Intervall Constraints Intervall Constraint Satisfaction Problem (I-CSP)
Intervall Constraints Intervall Constraint Satisfaction Problem (I-CSP)
Intervall Constraints Intervall Constraint Satisfaction Problem (I-CSP)
Bemerkungen:
Intervall Constraints Lokale Toleranzpropagierung für I-CSP
Bemerkungen:
Intervall Constraints Lokale Toleranzpropagierung für I-CSP
Kapitel MK:V V. Diagnoseansätze
Diagnoseproblemstellung Begriffe
Bemerkungen:
Diagnoseproblemstellung Modellierung
Diagnoseproblemstellung Modellierung
Diagnoseproblemstellung Statistische Diagnose
Diagnoseproblemstellung Statistische Diagnose
Diagnoseproblemstellung Prinzip der statistischen Diagnose
Diagnose mit Bayes Satz von Bayes
Diagnose mit Bayes Satz von Bayes
Diagnose mit Bayes Satz von Bayes (Verallgemeinerung)
Diagnose mit Bayes Satz von Bayes (Verallgemeinerung)
Bemerkungen:
Diagnose mit Bayes Beispiel
Diagnose mit Bayes Beispiel
Diagnose mit Bayes Beispiel
Diagnose mit Bayes Diskussion
Diagnose mit Bayes Diskussion
Bemerkungen:
Diagnose mit Bayes Interpretation des Konzeptes „Wahrscheinlichkeit“
Diagnose mit Bayes Interpretation des Konzeptes „Wahrscheinlichkeit“
Diagnose mit Bayes Interpretation des Konzeptes „Wahrscheinlichkeit“
Diagnose mit Bayes Subjektivistische Verwendung von Bayes
Diagnose mit Bayes Subjektivistische Verwendung von Bayes
Bemerkungen:
Diagnose mit Bayes Subjektivistische Verwendung von Bayes
Diagnose mit Bayes Subjektivistische Verwendung von Bayes
Diagnose mit Bayes Subjektivistische Verwendung von Bayes
Kapitel MK:V V. Diagnoseansätze
Evidenztheorie von Dempster/Shafer Forderungen der klassischen Wahrscheinlichkeitstheorie
Evidenztheorie von Dempster/Shafer Evidenzen statt Wahrscheinlichkeiten
Evidenztheorie von Dempster/Shafer Evidenzen statt Wahrscheinlichkeiten
Evidenztheorie von Dempster/Shafer Evidenzen statt Wahrscheinlichkeiten
Evidenztheorie von Dempster/Shafer Definition 1 (Wahrnehmungsrahmen (Frame of Discernment))
Evidenztheorie von Dempster/Shafer Definition 2 (Basismaß (Evidenz), fokales Element)
Bemerkungen:
Evidenztheorie von Dempster/Shafer Beispiel
Evidenztheorie von Dempster/Shafer Definition 3 (Believe-Funktion)
Bemerkungen:
Evidenztheorie von Dempster/Shafer Beispiel
Evidenztheorie von Dempster/Shafer Definition 5 (Doubt-Funktion)
Bemerkungen:
Evidenztheorie von Dempster/Shafer Definition 7 (Unwissenheit, Unsicherheitsintervall)
Evidenztheorie von Dempster/Shafer Beispiel
Bemerkungen:
Evidenztheorie von Dempster/Shafer Satz 8 (Belief-Funktion und Wahrscheinlichkeiten)
Bemerkungen:
Evidenztheorie von Dempster/Shafer Frage: Wie verheiratet man zwei Expertenmeinungen („best of both“)?
Evidenztheorie von Dempster/Shafer Frage: Wie verheiratet man zwei Expertenmeinungen („best of both“)?
Evidenztheorie von Dempster/Shafer Satz 11 (akkumulierte Evidenz)
Bemerkungen:
Diagnose mit Dempster/Shafer Beispiel
Diagnose mit Dempster/Shafer Beispiel
Diagnose mit Dempster/Shafer Beispiel
Diagnose mit Dempster/Shafer Beispiel
Diagnose mit Dempster/Shafer Beispiel
Bemerkungen:
Diagnose mit Dempster/Shafer Diskussion
Bemerkungen:
Diagnose mit Dempster/Shafer Diskussion
Statistische Diagnoseverfahren Zusammenfassung
Bemerkungen:
Chapter MK:V V. Diagnoseansätze
Truth Maintenance Non-Monotonicity
Remarks:
Truth Maintenance Operationalization
Truth Maintenance Definition 12 (Datum, Node)
Truth Maintenance Communication between the TMS and the inference engine is in terms of nodes:
Remarks:
Truth Maintenance The inference engine communicates the important (a subset of all) deductions to
Remarks:
Truth Maintenance Definition 14 (TMS Node Types)
Remarks:
Truth Maintenance Graphical notation, adopted from
Truth Maintenance How Justifications Help
Truth Maintenance How Justifications Help
Truth Maintenance Formalization
Truth Maintenance Label
Remarks:
Truth Maintenance Label
Remarks:
Truth Maintenance JTMS versus ATMS
Assumption-Based TMS (ATMS) Example
Assumption-Based TMS Example
Assumption-Based TMS Terminology
Remarks:
Assumption-Based TMS ATMS Labels
Assumption-Based TMS ATMS Labels
Assumption-Based TMS ATMS Labels
Remarks:
Assumption-Based TMS Summary of ATMS concepts in propositional logics:
Assumption-Based TMS Definition 15 (Hold, Nogood Set, Miminality)
Assumption-Based TMS Definition 15 (Hold, Nogood Set, Miminality)
Assumption-Based TMS Definition 16 (ATMS Label Properties)
Assumption-Based TMS Label Update
Assumption-Based TMS Label Update
Assumption-Based TMS Label Update
Assumption-Based TMS Label Update
Assumption-Based TMS Label Update
Remarks:
Chapter MK:V V. Diagnoseansätze
Diagnosis Setting Technical Terms (recapitulation)
Diagnosis Setting Modeling
Diagnosis Setting Model-based Diagnosis Example
Diagnosis Setting Model-based Diagnosis Example
Diagnosis with the GDE The most well-known model-based diagnosis approach is the quantitative,
Diagnosis with the GDE Reasoning in the Polybox Example
Remarks:
Diagnosis with the GDE Conflicts in Model-based Diagnosis
Diagnosis with the GDE Reasoning in the Polybox Example
Diagnosis with the GDE Reasoning in the Polybox Example
Diagnosis with the GDE Reasoning in the Polybox Example
Remarks:
Diagnosis with the GDE Reasoning in the Polybox Example
Diagnosis with the GDE Reasoning in the Polybox Example
Diagnosis with the GDE Polybox Example + ATMS
Remarks:
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Remarks:
Diagnosis with the GDE Polybox Example + ATMS
Remarks:
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Remarks:
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Polybox Example + ATMS
Diagnosis with the GDE Minimal Diagnoses
Remarks:
Diagnosis with the GDE Minimal Diagnoses
Remarks:
Diagnosis with the GDE Minimal Diagnoses
Remarks:
Diagnosis with the GDE Measurement Selection
Diagnosis with the GDE Measurement Selection
Diagnosis with the GDE Measurement Selection
Diagnosis with the GDE Measurement Selection
Diagnosis with the GDE Measurement Selection
Remarks:
Diagnosis with Reiter Diagnosis from First Principles
Remarks:
Diagnosis with Reiter Diagnosis from First Principles
Remarks:
Diagnosis with Reiter Example
Diagnosis with Reiter Example
Diagnosis with Reiter Diagnosis from First Principles
Remarks:
Diagnosis with Reiter Diagnosis from First Principles
Diagnosis with Reiter Diagnosis from First Principles
Remarks:
Kapitel MK:V V. Diagnoseansätze
Grundlagen fallbasierten Schließens Einleitung
Grundlagen fallbasierten Schließens Einleitung
Grundlagen fallbasierten Schließens Einleitung
Grundlagen fallbasierten Schließens Einleitung
Grundlagen fallbasierten Schließens Historie
Bemerkungen:
Grundlagen fallbasierten Schließens Definition 21 (Fall, Fallbasis)
Grundlagen fallbasierten Schließens Repräsentation eines Falles hP, Si ∈ C:
Grundlagen fallbasierten Schließens Problemmenge
Grundlagen fallbasierten Schließens Zyklus des fallbasierten Schließens
Grundlagen fallbasierten Schließens Zyklus des fallbasierten Schließens
Grundlagen fallbasierten Schließens Klassen fallbasierter Ansätze
Grundlagen fallbasierten Schließens
Grundlagen fallbasierten Schließens
Bemerkungen:
Grundlagen fallbasierten Schließens Retrieve
Grundlagen fallbasierten Schließens Retrieve
Grundlagen fallbasierten Schließens Retrieve
Grundlagen fallbasierten Schließens Retrieve
Bemerkungen:
Grundlagen fallbasierten Schließens Retrieve
Grundlagen fallbasierten Schließens Retrieve
Bemerkungen:
Grundlagen fallbasierten Schließens Reuse
Grundlagen fallbasierten Schließens Reuse
Grundlagen fallbasierten Schließens Revise und Retain
Bemerkungen:
Fallbasierte Diagnose Beispiel
Fallbasierte Diagnose Beispiel
Fallbasierte Diagnose Beispiel
Fallbasierte Diagnose Beispiel
Fallbasierte Diagnose Beispiel
Bemerkungen:
Fallbasierte Diagnose Diskussion
Kapitel MK:VI III. Planning
Bemerkungen:
Motivation Beispiel: Verladestation (Ghallab, Nau, Traverso)
Motivation Beispiel: Verladestation (Ghallab, Nau, Traverso)
Motivation Einfaches formales Modell (A, S) von Agentensystemen (mit Events)
Motivation Beispiel: Verladestation
Motivation (Einfaches) Planungsproblem für Agenten
Bemerkungen:
Bemerkungen: (Fortsetzung) Das einfache formale Modell legt nahe, dass wir nur eine einfache Form von Umgebungen
Motivation Beispiel: Verladestation
Motivation Plan vs. Policy
Motivation Mögliche Einschränkungen des Planungsproblems
Bemerkungen:
Motivation Mögliche Einschränkungen des Planungsproblems
Wissensrepräsentation Beispiel: Verladestation
Wissensrepräsentation Beschreibung eines Zustandes
Wissensrepräsentation Beschreibung eines Zustandes
Wissensrepräsentation Beschreibung eines Zustandes
Wissensrepräsentation Beschreibung eines Zustandsraumes
Wissensrepräsentation STRIPS Planning Language
Bemerkungen:
Wissensrepräsentation STRIPS Sprache (stark eingeschränkte Version)
Bemerkungen:
Wissensrepräsentation Beispiel: Verladestation
Wissensrepräsentation STRIPS Sprache (stark eingeschränkte Version)
Bemerkungen:
Wissensrepräsentation Beispiel: Verladestation
Wissensrepräsentation Suchraum für Planungsprobleme in STRIPS Sprache
Bemerkungen:
Wissensrepräsentation Beispiel: Verladestation
Wissensrepräsentation Suchraum für Planungsprobleme in STRIPS Sprache
Wissensrepräsentation Beispiel: Verladestation
Wissensrepräsentation Beispiel: Blocks World (nach Nilsson)
Wissensrepräsentation Beispiel: Blocks World (Alternative Modellierung)
Bemerkungen:
Bemerkungen: (Fortsetzung)
Wissensrepräsentation Klassisches Planungsproblem in STRIPS
Bemerkungen:
Wissensrepräsentation Beispiel Vacuum World (Wooldrige, Russell/Norvig)
Wissensrepräsentation Beispiel Vacuum World (Wooldrige, Russell/Norvig)
Kapitel MK:VI III. Planning
Planungsalgorithmen Eigenschaften
Planungsalgorithmen Ansätze und Einschränkungen
Planungsalgorithmen Ansätze und Einschränkungen
Planungsalgorithmen Planen als Suche im Zustandsraum
Planungsalgorithmen Planen als Suche im Planraum
Suche im Zustandsraum Vorwärts-Suche im Zustandsraum (Progression Planning)
Suche im Zustandsraum Vorwärts-Suche im Zustandsraum (Progression Planning)
Bemerkungen:
Suche im Zustandsraum Beispiel: Vorwärts-Suche in Blocks World
Suche im Zustandsraum Rückwärts-Suche im Zustandsraum (Regression Planning)
Suche im Zustandsraum Rückwärts-Suche im Zustandsraum (Regression Planning)
Bemerkungen:
Suche im Zustandsraum Beispiel: Rückwärts-Suche in Blocks World
Suche im Zustandsraum Bestimmung der Weakest Precondition
Bemerkungen:
Suche im Zustandsraum Beispiel: Rückwärts-Suche in Blocks World
Suche im Zustandsraum Beispiel: Rückwärts-Suche in Blocks World
Bemerkungen:
Suche im Zustandsraum Beispiel: Rückwärts-Suche in Blocks World
Suche im Zustandsraum Lifted Backward Search im Zustandsraum (Regression Planning)
Suche im Zustandsraum Bestimmung der Weakest Precondition für Lifting
Bemerkungen:
Suche im Zustandsraum Bestimmung der Weakest Precondition für Lifting
Suche im Zustandsraum Beispiel 1: Weakest Precondition mit Lifting in Blocks World
Suche im Zustandsraum Beispiel 2: Weakest Precondition mit Lifting in Blocks World
Suche im Zustandsraum Beispiel 2: Weakest Precondition mit Lifting in Blocks World
Suche im Zustandsraum Beispiel 2: Weakest Precondition mit Lifting in Blocks World
Bemerkungen:
Suche im Zustandsraum Lifted Backward Search
Suche im Zustandsraum Lifted Backward Search
Suche im Zustandsraum Lifted Backward Search
Suche im Zustandsraum Lifted Backward Search
Suche im Zustandsraum Rekursives STRIPS-Planen
Suche im Zustandsraum Beispiel Sussman Anomalie in Blocks World
Suche im Zustandsraum Beispiel Sussman Anomalie in Blocks World
Suche im Zustandsraum Beispiel Sussman Anomalie in Blocks World
Suche im Zustandsraum Unabhängigkeit von Zielen
Suche im Zustandsraum Unabhängigkeit von Zielen
Suche im Zustandsraum Rekursives STRIPS-Planen
Suche im Zustandsraum Beispiel: Swapping Problem
Bemerkungen:
Suche im Planraum Unterschiede
Bemerkungen:
Suche im Planraum Partielle Pläne
Bemerkungen:
Suche im Planraum Partielle Pläne
Suche im Planraum Beispiel: Lösungspfad im Planraum für Partial-Order Planning
Suche im Planraum Partial-Order Planning: Erzeugung partieller Pläne
Bemerkungen:
Suche im Planraum Beispiel: Partial-Order Planning für Sussman’s Beispiel
Suche im Planraum Beispiel: Partial-Order Planning für Sussman’s Beispiel
Suche im Planraum Beispiel: Partial-Order Planning für Sussman’s Beispiel
Suche im Planraum Beispiel: Partial-Order Planning für Sussman’s Beispiel
Bemerkungen:
Neuere Algorithmen Weitere Planungsverfahren
Kapitel MK:VI VI. Konfigurierungsansätze
Konfigurierungsproblemstellung Definition 1 (Konfigurieren)
Konfigurierungsproblemstellung Merkmale von Konfigurierungsaufgaben
Konfigurierungsproblemstellung mögliche Kompositionen
Bemerkungen:
Konfigurierungsproblemstellung 1. Erstellen einer neuen Konfiguration.
Konfigurierungsproblemstellung
Konfigurierungsproblemstellung Automatisierung
Bemerkungen:
Konfigurierungsproblemstellung Automatisierung
Konfigurierungsproblemstellung Automatisierung
Konfigurierungsproblemstellung Automatisierung
Konfigurierungsansätze Paradigmen zum Lösen von Konfigurierungs- und Entwurfsaufgaben verknüpfen
Konfigurierungsansätze Modellierung
Konfigurierungsansätze Paradigma 1: Skelett-Konfigurieren
Bemerkungen:
Konfigurierungsansätze Paradigma 1: Skelett-Konfigurieren
Bemerkungen:
Konfigurierungsansätze Paradigma 1: Skelett-Konfigurieren
Bemerkungen:
Konfigurierungsansätze Paradigma 1: Skelett-Konfigurieren
Konfigurierungsansätze Paradigma 1: Skelett-Konfigurieren
Konfigurierungsansätze Paradigma 1: Skelett-Konfigurieren
Konfigurierungsansätze Paradigma 2: Ressourcen-basiertes Konfigurieren
Konfigurierungsansätze Paradigma 2: Ressourcen-basiertes Konfigurieren
Bemerkungen:
Konfigurierungsansätze Paradigma 2: Ressourcen-basiertes Konfigurieren
Konfigurierungsansätze Paradigma 2: Ressourcen-basiertes Konfigurieren
Konfigurierungsansätze Paradigma 2: Ressourcen-basiertes Konfigurieren
Bemerkungen:
Konfigurierungsansätze Paradigma 2: Ressourcen-basiertes Konfigurieren
Konfigurierungsansätze Paradigma 3: Fallbasiertes Konfigurieren
Konfigurierungsansätze Paradigma 4: Funktionale Abstraktion
Konfigurierungsansätze Realisierungsaspekte