Warianty tytułu
Języki publikacji
Abstrakty
Podejście konwencjonalne do tworzenia systemów ekspertowych polega na tym, że twórca systemów ekspertowych w drodze wywiadów i obserwacji pozyskuje wiedzę od eksperta dziedzinowego i zapisuje ją w postaci faktów i reguł wnioskowania. Fakty i reguły wnioskowania stanowią bazę wiedzy systemu ekspertowego. Proces pozyskiwania wiedzy jest procesem długotrwałym i trudnym, dlatego badacze metod tworzenia- systemów wiedzy rozwijają alternatywne podejścia. Wśród nich najbardziej obiecujące są metody indukcyjne (inductive learning), sztuczne sieci neuronowe (artificial neural network) oraz systemy, w których wnioskowanie przebiega w oparciu o historyczne przypadki (case-based reasoning - CBR). (fragment tekstu)
Słowa kluczowe
Rocznik
Strony
67--76
Opis fizyczny
Twórcy
autor
Bibliografia
- Clancey W.: Heuristic Classification; Artificial Intelligence; Nr 27; 1985.
- Hertz J., Krogh A., Palmer B.G.: Wstęp do teorii obliczeń neuronowych; PWN; 1993.
- Kolodner J.: Case-Based Reasoning; Morgan Kaufmann; 1993.
- Quinlan J.R.: C4.5:Programs for Machine learning; Morgan Kaufmann; 1993.
- Shavlik J.W., Mooney R.J., Towell G.G.: Symbolic and Neural Learning Algorithms: An Experimental Comparison; Machine Learning; Nr 6; 1991.
- Surma J.: Wprowadzenie do wnioskowania na Podstawie Przypadków; Maszynopis AE; 1994.
- Yoon Y., Guimaraes T.: Selecting expert system development techniques; Information & Management; Nr 24; 1993.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171563131