Abstract
In 21 Beiträgen werden verschiedene Aspekte des maschinellen Lernens behandelt. Erstmals wird der Ansatz der formalen Begriffsanalyse im Kontext des maschinellen Lernen diskutiert um so die Bestimmung von Gemeinsamkeiten und Unterschieden zu ermöglichen. Ein weiterer wichtiger thematischer Schwerpunkt des Workshops besteht aus der Diskussion von Anwendungen von maschinellen Lernverfahren. In acht Beiträgen werden Anwendungen im Bereich der Halbleiterproduktion, des Umweltschutzes, der Modellierung komplexer dynamischer technischer Systeme, der Wissensgewinnung zum Bau wissensbasierter Diagnose- und Planungssysteme und den Kognitionswissenschaften dokumentiert. Die Weiterentwicklung bestehender Techniken des maschinellen Lernens bzw. die Neuentwicklung von Techniken werden u.a. für die Bereiche induktives logisches Programmieren, dem Lernen von Klassifikatoren (z.B. für Zeitreihen) und für fallbasierte Ansätze diskutiert. In seiner Gesamtheit erlaubt der Workshop einen breiten Überblick über die Aktivitäten im Bereich des maschinellen Lernen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
B. Ganter, R. Wille und K. E. Wolff (Hrsg.): Beiträge zur Begriffsanalyse, B.I.Wissenschaftsverlag, Mannheim, 1987.
D. Fensel, J. Klein und U. Neubronner: RT: A System for Learning From Example. In Proceedings of the 13th International Conference AI, Expert Systems, Natural Language (Avignon 93), Avignon, May 24–28, 1993.
K-P. Huber und G. Nakhaeizadeh: Maschinelle Lernverfahren als Unterstützung beim Wissenserwerb von Diagnose-Expertensystemen. In Proceedings der 2. Deutsche Tagung Expertensysteme (XPS-93), Hamburg, 17.-19. Februar 1993, Frank Puppe et al. (Hrsg.), Expertensysteme 93, Informatik aktuell, Springer-Verlag, Berlin, 1993.
J.-U. Kietz und S. Wrobel: Controlling the Complexity of Learning in Logic Through Syntactical and Task-oriented Models. In S. Muggleton (Hrsg.), Inductive Logic Programming, Academic Press, London, 1992.
Y. Kodratoff, D. Sleeman, M. Uszynski, K. Causse, S. Craw: Knowledge Acquisition Through Machine Learning (MLT). In L. Steels et al. (Hrsg.), Enhancing the Knowledge Engineering Process, Contributions from ESPRIT, North-Holland, Amsterdam, 1992.
R. S. Michalski, I. Mozetic, J. Hong und N. Lavrac: The Multi-Purpose Incremental Learning System AQ15 and its Testing Application to Three MedicalDomains. In Proceedings of the 5th National Conference on Al (AAAI-86), Philadelphia, PA, August 11–15, 1986.
T.M. Mitchell: Generalization as Search. In B. Webber et al. (Hrsg.), Readings in Artificial Intelligence, Tioga Publishinh Co., Palo Alto, 1981.
K. Morik: Maschinelles Lernen. In Günther Görz (Hrsg.), Einführung in die künstliche Intelligenz, Addison-Wesley, Bonn, 1993.
K Morik, S. Wrobel, J.-U. Kietz und W. Emde: Knowledge Acquisition and Machine Learning - Theory, Methods, and Applications, Academic Press, London, 1993.
S, Muggleton (Hrsg.): Inductive Logic Programming, Academic Press, London, 1992.
S. Muggleton: Inductive Logic Programming. Derivations, Successes and Shortcomins. In Proceedings of the European Conference on Machine Learning (ECML-93), Vienna, Austria, April 5–7, 1993, Lecture Notes in Artificial Intelligence, no 667, Springer-Verlag, Berlin, 1993.
G. Piatetsky-Shapiro und W. J. Frawley: Knowledge Discovery in Databases, AAAI Press/The MIT Press, Menlo Park, California, 1991.
F. Puppe: Systematic Introduction to Expert Systems: Knowledge Representation and Problem-Solving Methods, Springer-Verlag, Berlin, 1993.
J.R. Quinlan: Learning Efficient Classification Procedures and their Application to Chess End Games. In R.S. Michalski et al. (Hrsg.), Machine Learning. An Artificial Intelligence Approach, vol 1, Springer-Verlag, Berlin, 1984.
J.R. Quinlan und R. M. Cameron-Jones: FOIL: A Midterm Report. In Proceedings of the European Conference on Machine Learning (ECML-93), Vienna, Austria, April 5–7, 1993, Lecture Notes in Artificial Intelligence, no 667, Springer-Verlag, Berlin, 1993.
J. W. Shavlik und T. G. Dietterich (Hrsg.): Readings in Machine Learning, Morgan Kaufmann Publisher, San Mateo, California, 1990.
P. D. Summer: A Methodology for LISP Program Construction from Examples. In Journal of the Association for Computing Machinery, vol 24, no 1, January 1977.
R. R. Yager (Hrsg.): Special Issue Knowledge Discovery in Data-and Knowledge Bases, International Journal of Intelligent Systems, vol 7, no 7, September 1992.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1993 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Fensel, D., Nakhaeizadeh, G. (1993). Maschinelles Lernen: Theoretische Ansätze und Anwendungsaspekte. In: Herzog, O., Christaller, T., Schütt, D. (eds) Grundlagen und Anwendungen der Künstlichen Intelligenz. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-78545-0_13
Download citation
DOI: https://doi.org/10.1007/978-3-642-78545-0_13
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-57278-7
Online ISBN: 978-3-642-78545-0
eBook Packages: Springer Book Archive