Zusammenfassung
Nachdem wir die effiziente Reprasentation von Experten- und Domanenwissen kennengelernt haben, wollen wir nun diese nutzen, um Schlussfolgerungen zu ziehen, wenn neue Erkenntnisse (Evidenz) zur Verfugung stehen. Das Volkswagen- Beispiel des letzten Kapitels aufgreifend konnte dies dem Aktualisieren der einzelnen Verbauraten aller Fahrzeugteile gleichkommen, wenn beispielsweise bekannt wird, dass der Kunde einen bestimmten Motortyp m * verlangt hat. Ziel wird es sein, die bekannt gewordene Evidenz durch das zugrunde liegendeNetz zu leiten (zu propagieren), um somit samtliche relevanten Attribute zu erreichen. Es lasst sich schon absehen, dass hierfur die Graphenstruktur eine wichtige Rolle spielen 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.
Rights and permissions
Copyright information
© 2011 Vieweg+Teubner Verlag | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Kruse, R., Borgelt, C., Klawonn, F., Moewes, C., Ruß, G., Steinbrecher, M. (2011). Evidenzpropagation. In: Computational Intelligence. Computational Intelligence. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-8348-8299-8_25
Download citation
DOI: https://doi.org/10.1007/978-3-8348-8299-8_25
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-8348-1275-9
Online ISBN: 978-3-8348-8299-8
eBook Packages: Computer Science and Engineering (German Language)