Künstliche Intelligenz - Wissensverarbeitung - Neuronale Netze

Uwe Lämmel, Jürgen Cleve

Künstliche Intelligenz

Wissensverarbeitung - Neuronale Netze

2020

342 Seiten

Format: PDF, Online Lesen

E-Book: €  23,99

E-Book kaufen

E-Book kaufen

ISBN: 9783446463639

 

1 Künstliche Intelligenz

12

1.1 Eine intelligente Maschine

12

1.2 Intelligenz und künstliche Intelligenz

14

1.3 Knobelaufgaben und symbolverarbeitende KI

20

1.4 Geschichte der KI

22

1.5 Wir und die KI

24

2 Darstellung und Verarbeitung von Wissen

28

2.1 Wissen und Wissensarten

28

2.2 KI und explizite Wissensdarstellung

30

2.3 Darstellung von Wissen mit Hilfe von Logik

33

2.3.1 Aussagenlogik

33

2.3.2 Prädikatenlogik

51

2.3.3 Logik und PROLOG

65

2.4 Regelbasierte Wissensdarstellung

70

2.4.1 Vorwärtsverkettung

73

2.4.2 Rückwärtsverkettung

76

2.4.3 Regelverarbeitung und PROLOG

77

2.4.4 Business Rules

80

2.5 Semantische Netze und Frames

86

2.5.1 Semantische Netze

86

2.5.2 Frames

88

2.5.3 Wissensnetze

90

2.6 Vages Wissen

92

2.6.1 Unsicheres Wissen

93

2.6.2 Fuzzy-Mengen

101

2.6.3 Fuzzy-Logik

108

2.6.4 Fuzzy-Regler

110

3 Problemlösung mittels Suche

116

3.1 Suche in Graphen

116

3.2 Uninformierte Suche

121

3.3 Heuristische Suche

130

3.3.1 Heuristik des nächsten Nachbarn

135

3.3.2 Bergsteiger-Strategie

136

3.3.3 Bestensuche

137

3.3.4 A*-Suche

138

3.4 Das Rundreiseproblem

142

4 PROLOG

152

4.1 Logisches Programmieren

152

4.1.1 Erste Schritte

152

4.1.2 Ein Beispiel

154

4.1.3 Regeln

156

4.2 PROLOG-Programme

161

4.2.1 Lösungsfindung mittels Backtracking

161

4.2.2 Parameterübergabe mittels Unifikation

162

4.2.3 Interpretation von Programmen

166

4.3 Datentypen und Arithmetik

168

4.3.1 Einfache und zusammengesetzte Datentypen

168

4.3.2 Listen

170

4.3.3 Arithmetik

173

4.4 Steuerung der Abarbeitung

175

4.4.1 Reihenfolge der Klauseln

176

4.4.2 Reihenfolge der Literale im Körper einer Regel

177

4.4.3 Kontrolle des Backtracking

178

4.4.4 Die Negation

181

4.5 Vordefinierte Prädikate

182

4.6 Beispielprogramme

183

4.6.1 Das Einfärben einer Landkarte

183

4.6.2 Die Türme von Hanoi

184

4.6.3 Das Acht-Damen-Problem

186

4.6.4 Das Problem der stabilen Paare

187

4.6.5 Das Einstein-Problem

189

5 Künstliche neuronale Netze

194

5.1 Das künstliche Neuron

196

5.2 Architekturen

201

5.3 Arbeitsweise

203

6 Vorwärtsgerichtete Netze

208

6.1 Das Perzeptron

208

6.1.1 Die Delta-Regel

210

6.1.2 Musterzuordnungen

213

6.2 Backpropagation-Netze

216

6.2.1 Das Backpropagation-Verfahren

217

6.2.2 Das XOR-Backpropagation-Netz

221

6.2.3 Modifikationen des Backpropagation-Algorithmus

224

6.3 Typische Anwendungen

227

6.3.1 Zeichenerkennung

227

6.3.2 Das Encoder-Decoder-Netz

233

6.3.3 Ein Prognose-Netz

234

6.4 Datenvorverarbeitung

238

6.4.1 Verarbeitungsschritte

238

6.4.2 Daten des Kreditvergabe-Beispiels

241

6.5 Netzgröße und Optimierungen

245

6.5.1 Die Größe der inneren Schicht

246

6.5.2 Das Entfernen von Verbindungen

248

6.5.3 Genetische Algorithmen

249

6.6 Partiell rückgekoppelte Netze

252

6.6.1 Jordan-Netze

253

6.6.2 Elman-Netz

255

6.7 Convolutional Neural Network

257

7 Wettbewerbslernen

266

7.1 Selbstorganisierende Karte

267

7.1.1 Architektur und Arbeitsweise

267

7.1.2 Das Training

270

7.1.3 Visualisierung einer Karte und deren Verhalten

273

7.1.4 Eine Lösung des Rundreiseproblems

274

7.2 Neuronales Gas

279

7.2.1 Architektur und Arbeitsweise

280

7.2.2 Wachsendes neuronales Gas

282

7.3 Adaptive Resonanz-Theorie

285

7.3.1 Das Plastizitäts-Stabilitäts-Dilemma

285

7.3.2 Struktur eines ART-Netzes

286

7.3.3 Das Beispiel Würfelmuster

288

7.3.4 Arbeitsweise

290

8 Autoassoziative Netze

294

8.1 Hopfield-Netze

294

8.1.1 Arbeitsweise

295

8.1.2 Wiedererkennung von Mustern

297

8.1.3 Energie-Niveau eines Netzes

301

8.2 Lösung von Optimierungsproblemen

302

8.3 Die Boltzmann-Maschine

305

9 Entwicklung neuronaler Netze

310

9.1 Datenanalyse-Software

310

9.2 JavaNNS

312

9.3 Implementation neuronaler Netze

314

9.3.1 Einsatz von Array-Datenstrukturen

314

9.3.2 Der objektorientierte Ansatz

315

9.4 Implementieren mit TensorFlow

326

Literatur

334

Index

336

 

© 2009-2021 ciando GmbH