Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen: doi:10.22028/D291-25082
Titel: Definition von Problemklassen im Maschinenbau als eine Begriffsbildungsaufgabe
VerfasserIn: Reinartz, Thomas
Sprache: Deutsch
Erscheinungsjahr: 1991
Quelle: Kaiserslautern ; Saarbrücken : DFKI, 1991
Kontrollierte Schlagwörter: Künstliche Intelligenz
DDC-Sachgruppe: 004 Informatik
Dokumenttyp: Forschungsbericht (Report zu Forschungsprojekten)
Abstract: Experten bilden, zum Beispiel im Bereich des Maschinenbaus, zu einer Menge von Problemstellungen ihrer Domäne Problemklassen. Die Erstellung solcher Problemklassen kann als Aufgabe der menschlichen Begriffsbildung angesehen werden. Gemeinsam mit den Begriffen der Problemklassen werden allgemeine Lösungsstrategien, die auf theoretischem Wissen der Domäne basieren, entwickelt und mit dem zugehörigen Begriff assoziiert, so daß die Begriffe die Lösung neuer Problemstellungen leiten. Eine Aufgabe der Wissensakquisition besteht bei der Entwicklung eines Expertensystems in der Erhebung dieser Begriffe. Dazu betrachtet man Ergebnisse der allgemeinen menschlichen Begriffsbildung aus der Kognition und versucht diese auf den Bereich des Maschinenbaus zu übertragen. Ausgehend von diesen Ergebnissen kann eine Wissensakquisitionsmethode zur Erhebung der Begriffe entwickelt werden. Die Erhebung dient nicht nur der Aufzeichnung der Begriffe, sondern einer Strukturierung und einer aufbereiteten Repräsentation. Die aufbereitete Repräsentation kann durch eine schrittweise Formalisierung in eine formale Wissensbasis übersetzt werden, die ein Expertensystem automatisch verwenden kann. Das im Akqusisitionsteil des ARC-TEC-Projektes entwickelte Erhebungsverfahren CECoS wird im Zusammenhang mit der Begriffsbildungsaufgabe der Problemklassen diskutiert und erweitert. Eine Beispielanwendung ausgehend von 60 typischen Fertigungsproblemen bis hin zu Implementierungsversuchen der formalen Repräsentation der Problemklassen in einem taxonomischen Wissensrepräsentationssystem soll die Methoden der integrierten Wissensakquisition überprüfen und beurteilen.
Link zu diesem Datensatz: urn:nbn:de:bsz:291-scidok-39381
hdl:20.500.11880/25138
http://dx.doi.org/10.22028/D291-25082
Schriftenreihe: Document / Deutsches Forschungszentrum für Künstliche Intelligenz : D [ISSN 0946-0098]
Band: 91-18
Datum des Eintrags: 12-Jul-2011
Fakultät: SE - Sonstige Einrichtungen
Fachrichtung: SE - DFKI Deutsches Forschungszentrum für Künstliche Intelligenz
Sammlung:SciDok - Der Wissenschaftsserver der Universität des Saarlandes

Dateien zu diesem Datensatz:
Datei Beschreibung GrößeFormat 
D_91_18.pdf7,04 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.