Zusammenfassung
Im ersten Kapitel ist auf allgemeiner Ebene die Notwendigkeit von Wissensrevisionsprozessen beim Lernen behandelt worden und es sind grundsätzliche Möglichkeiten skizziert worden, bestehendes Wissen neuen Gegebenheiten anzupassen. In diesem Kapitel sollen verschiedene Untersuchungen, die sich mit dem Thema Wissensrevision beschäftigen, dargestellt werden. Der Schwerpunkt gilt den bisherigen Ansätzen zur Wissensrevision im Maschinellen Lernen. Zuerst wird auf den Begriff „inkrementelles Lernen“ eingangen und erläutert, welche Revisionsfähigkeiten ein lernendes System besitzen muß, wenn es als „inkrementell lernendes System“ beschrieben wird. Mit der Untersuchung von Systemen, die „im geschlossenen Kreislauf„ lernen, wird anschließend gezeigt, daß induktives Lernen auch dann zu radikalen Fehlentwicklungen führen kann, wenn keine ausgeprägte Ausrichtung auf kumulativen Wissensfortschritt vorliegt. Anschließend werden die bisherigen Untersuchungen zur nicht-konservativen Wissensrevision im Maschinellen Lernen dargestellt. Dieses Kapitel abschließend, wird ein rudimentärer Überblick über die Wissenschaftstheorien von T. Kuhn und P. Feyerabend gegeben, auf die in dieser Arbeit häufiger Bezug genommen wird.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Emde, W. (1991). Ansätze zur induktiven Wissensrevision. In: Modellbildung, Wissensrevision und Wissensrepräsentation im Maschinellen Lernen. Informatik-Fachberichte, vol 281. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-76909-2_2
Download citation
DOI: https://doi.org/10.1007/978-3-642-76909-2_2
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54523-1
Online ISBN: 978-3-642-76909-2
eBook Packages: Springer Book Archive