Zusammenfassung
Neben den symbolischen Methoden zur Repräsentation unsicheren Wissens verfolgte man von Anfang an auch quantitative Ansätze zur Repräsentation und Verarbeitung von Wissen. Ein wegweisendes Beispiel hierfür war MYCIN, eines der ersten namhaften Expertensysteme (siehe Kapitel 4.7) . Im Allgemeinen werden dabei den Aussagen bzw. Formeln numerische Größen zugeordnet, die den Grad ihrer Gewissheit, die Stärke ihrer Einflussnahme, ihren Zugehörigkeitsgrad zu einer gewissen Menge o.Ä. ausdrücken. Außerdem müssen Verfahren zur Verfügung gestellt werden, die diese Größen verarbeiten, um neues — quantifiziertes — Wissen abzuleiten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Referenzen
Dieses Beispiel ist angelehnt an [137].
Es gibt allerdings auch Ansätze zur Verallgemeinerung Bayesscher Netze, um solche Fälle besser modellieren zu können; siehe z. B. [57].
Eigentlich müsste man hier und in den folgenden Formeln korrekt Prob(· | model) schreiben, da natürlich die Parameter des Modells hier ganz wesentlich eingehen.
Rights and permissions
Copyright information
© 2003 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Beierle, C., Kern-Isberner, G. (2003). Quantitative Methoden I — Probabilistische Netzwerke. In: Methoden wissensbasierter Systeme. Computational Intelligence. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-05681-2_11
Download citation
DOI: https://doi.org/10.1007/978-3-663-05681-2_11
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-528-15723-4
Online ISBN: 978-3-663-05681-2
eBook Packages: Springer Book Archive