Zusammenfassung
Manchmal haben wir Aufgaben zu lösen, bei denen es nicht genügt, den Computer die Fleißarbeit erledigen zu lassen, nachdem wir das eigentliche Problem schon gelöst haben. Wie kann ein Computer „lernen“? Kann er Aufgaben „selbstständig“ lösen? Kann er „intelligent“ sein?
This is a preview of subscription content, log in via an institution.
Notes
- 1.
Tatsächlich ist das Handlungsreisenden-Problem NP-vollständig, es ist also kein Verfahren bekannt, es in polynomieller Zeit zu lösen.
- 2.
Im Kern sind hier nur s/n und emin(Start)/eStart,Ziel bedeutsam, der Rest stellt lediglich eine Gewichtung dieser beiden Faktoren dar, mit der wir beliebig experimentieren können.
- 3.
Ein „Schritt“ entspricht hier ca. 1/5 der kürzesten Entfernung zweier Städte.
- 4.
Wir beachten hier, dass 70! = 10100
- 5.
Unterschiedliche Signalintensitäten veranschaulichen wir hier durch unterschiedliche Strichstärken.
- 6.
Abweichungen zu 100 % resultieren aus der Rundung. Fett markiert sind diejenigen Zahlen, die idealerweise 100 sein sollten, alle anderen Werte sollten idealerweise 0 sein.
Literatur
Quellen zu einzelnen Algorithmen:
Vier-Farben-Problem
Heawood P. J.: „On the four color map theorem“. Quart. J. 29, 270–285 1898
Appel K., Haken W.: „Every planar map is four colourable“. Part I Discharging, Part II Reducability, Illinois Journal Math. 21, 429–567 1977
Robertson N., Sanders D., Seymour P., Thomas R.: „A new proof of the four color theorem“. Electronic Res. Announc. Am. Math. Soc. 2(1), 17–25 1996
Gonthier G.: „A computer checked proof of the four colour theorem“. Microsoft Research Cambridge 2004
Entscheidungsbäume
Quinlan J. R.: „Discovering rules by induction from large collections of examples“. In: Michie D. (Hrsg.) „Expert systems in the Micro Electronic Age“, S. 168–201. Edinburgh University Press, Edinburgh 1979
Quinlan J. R.: „C4.5: Programs for Machine Learning“. Morgan Kaufmann 1993
Schwarmintelligenz
Beni G., Wang J.: „Swarm intelligence in Cellular Robotic Systems“, NATO advanced workshop on Robots and Biological Systems, 26.-30.6. Italien 1989
Ameisen-Algorithmen
Dorigo M., Gambardella L.M.: „Solving symmetric and asymmetric TSPs by Ant Colonies“. In: Baeck T., Fukuda T., Michalewicz Z. (Hrsg.) „International Conference on Evolutionary Computation“, S. 622–627. IEEE Press 1996 Dorigo M., Gambardella L.M.: „Ant Colonies for the Traveling Salesman Problem“. Brüssel 1996
Künstliche Neuronale Netze
McCulloch W. S., Pitts W. H.: „A logical calculus of the ideas immanent in nervous activity“. B Math Biophys. 5, 115–133 1943
Hebb D. O.: „The Organization of Behaviour“. Wiley 1949
Werbos P. J.: „Beyond Regression: New Tools for Prediction and Analysis in the Behavioural Sciences“. Dissertation, Hardvard, Cambridge 1974
Rumelhart D. E., Hinton G. E., Williams R. J.: „Learning internal representations by error propagation“. In: Rumelhart D. E., McClelland L. J. (Hrsg.) „Parallel Distributed Processing“ Bd. 1, S. 318–362. MIT Press 1986
Einige allgemeine und weiterführende (Lehr)bücher und Material im Internet:
Künstliche Intelligenz – Allgemein
Russel S. J., Norvig P.: „Artificial Intelligence – A modern Approach“. Prentice Hall, dt. Übersetzung bei Pearson 2009
Künstliche Intelligenz – Maschinelles Lernen
Alpaydin E.: „Introduction to Machine Learning“. Prentice Hall, dt. Übersetzung bei Oldenbourg 2009
Mitchell T.M.: „Machine Learning“. McGraw Hill 1997
Künstliche Intelligenz – Schwarmintelligenz
Bonabeau E., Dorigo M., Theraulaz G.: „Swarm intelligence: From Natural to Artificial Systems“. Oxford University Press 1999
Engelbrecht A. P.: „Fundamentals of Computational Swarm Intelligence“. Wiley 2005
Künstliche Intelligenz – Neuronale Netze
Brause R.: „Neuronale Netze. Eine Einführung in die Neuroinformatik“. Teubner 1995
Haykin S.: „Neural Networks. A comprehensive Foundation“. Prentice Hall 1998
Kratzer K. P.: „Neuronale Netze“. Hanser 1993
Müller B., Reinhardt J., Strickland M. T.: „Neural Networks: An introduction“. Springer 2013
Ripley B. D.: „Pattern Recognition and Neural Networks“. Cambridge University Press 2008
Scherer A.: „Neuronale Netze, Grundlagen und Anwendungen“. Vieweg 1997
Zell A.: „Simulation Neuronaler Netze“. Oldenbourg 1997
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
von Rimscha, M. (2017). Künstliche Intelligenz. In: Algorithmen kompakt und verständlich. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-18611-1_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-18611-1_5
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-18610-4
Online ISBN: 978-3-658-18611-1
eBook Packages: Computer Science and Engineering (German Language)