Modell eines lernenden Informationssystems

  • L. Gierl
Conference paper
Part of the Proceedings in Operations Research book series (ORP, volume 1972)

Zusammenfassung

Im folgenden soll ein Modell für die Bewertung von Information in einem lernenden Informationssystem erläutert werden. Dieses Informationssystem soll die Grundlage liefern für sequentielle Entscheidungen aufgrund unvollständig vorliegender Daten über komplexe Strukturen oder Abläufe.

Derartige unvollständige Daten treten eben dann auf, wenn das Wissen über die Umwelt stark eingeschränkt ist. Das ist der Fall bei der Auswertung von Luftaufnahmen auf militärischem Gebiet, wo immer nur Teile der gegnerischen Verbände entdeckt werden. Ein ähnliches Problem stellt sich bei der Suche nach Erzlagerstätten mittels Luftaufnahmen, wo Bodenfärbung und -struktur gewisse Schlüsse auf Vorkommen zulassen. Analoges gilt fUr Röntgen- oder mikroskopische Aufnahmen. Derartige unvollständige Daten liegen natürlich auch in der Wirtschaft vor.

Hier werden jetzt speziell solche Daten betrachtet, die in der militärischen Luftaufklärung anfallen.

Um mit unvollständigen Daten Entscheidungen treffen zu können, muß die Information dieser Daten bewertet werden, damit in einem nächsten Schritt weitere, geeignete Daten beschafft werden können. Der nun vergrößerte Vorrat an Information wird erneut bewertet. Grundlage der Bewertung sind Vor-Informationen über die Daten.

Es ergeben sich somit sequentielle Entscheidungen, die man als Lernprozess auffassen kann. Damit lässt sich ein solches System als lernendes Informationssystem interpretieren. Unter Informationssystemen werden oftmals nur Datenbanksysteme mit eigens dafür entwickelten Abfragesprachen verstanden. Hier sollen aber derartige Probleme nicht behandelt werden, sondern der erwähnte Aspekt der Informationsbewertung in einem Informationssystem.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Hanakata, K. Über Adaptivität und Lernen in diskreten, stochastischen Systemen; Dissertation, Karlsruhe, 1969Google Scholar
  2. Feichtinger, G. Lernprozesse in stoc hastischen Automaten; Springer, Berlin, 1970 Lectures Notes, Vol.24Google Scholar
  3. Claus, V. Stochastische Automaten; Teubner, Stuttgart, 1971Google Scholar
  4. Fu, K.S. Sequential Methods in Pattern Recognition and Machine Learning; Academie Press, New York, 1968Google Scholar
  5. McLaren, R.W. A Stochastic Automaton Model for the Synthesis of Learning Systems; IEEE Trans, SSC-2, No.2, 1966 S 109–114.Google Scholar
  6. Fisz, M. Wahrscheinlichkeitsrechnung und mathematische Statistik; VEB Deutscher Verlag der Wissenschaft, Berlin, 1966Google Scholar
  7. Varshavskii, V.I. On the behavior of stochastic automata with a variable structure;Google Scholar
  8. Vorontsova, I. P. Automatika Telemekhanika 24, S 353–360 (transl. in Automation and Remote Control), 1963Google Scholar

Copyright information

© Physica-Verlag, Rudolf Leibing KG, Würzburg 1973

Authors and Affiliations

  • L. Gierl
    • 1
  1. 1.OttobrunnDeutschland

Personalised recommendations