Künstliche Intelligenz (eBook)
364 Seiten
Carl Hanser Verlag GmbH & Co. KG
978-3-446-47882-4 (ISBN)
- Symbolverarbeitende künstliche Intelligenz und künstliche neuronale Netze in einem Buch
- Business Rules und Wissensnetze
- Convolutional Neural Networks und Deep Learning
- Übungen in PROLOG sowie mit JavaNNS und Python
Die künstliche Intelligenz hat unseren Alltag erreicht: Wir nutzen Chatbots, reden mit Sprachassistenten, KI digitalisiert die Dokumentenverarbeitung, die Muster-, Bild- oder Objekt-Erkennung. Sie ermöglicht neue, intelligentere Lösungen in vielen Bereichen, von der Medizin bis zum autonomen Fahren.
Das Buch gibt eine Einführung in die KI. Es wird gezeigt, wie symbolverabeitende KI in Form von Wissensnetzen oder Geschäftsregeln heute angewendet und wie künstliche neuronale Netze in der Mustererkennung oder auch im Data Mining eingesetzt werden können.
Wissensrepräsentation und -verarbeitung auf Basis der Logik wird unter Nutzung der logischen Programmiersprache PROLOG eingeführt. Logische Schlussfolgerungen lassen sich in PROLOG wesentlich leichter als in Python oder Java implementieren. Die Konzepte neuronaler Netze werden mit dem System JavaNNS und mittels Python praktisch vertieft.
Fragen und Aufgaben am Ende eines Abschnittes fordern zum aktiven Lesen und Lernen auf. Die Webseiten zum Buch enthalten Demo-Programme, die diskutierte Vorgehensweisen veranschaulichen und das Verständnis fördern.
Aus dem Inhalt:
- Überblick zur künstlichen Intelligenz
- Darstellung und Verarbeitung von Wissen
- Problemlösung mittels Suche
- Wissensverarbeitung mit PROLOG
- Künstliche neuronale Netze
- Vorwärtsgerichtete neuronale Netze
- Wettbewerbslernen
- Autoassoziative Netze
- Entwicklung neuronaler Netze
Neu in der 6. Auflage sind Abschnitte zu den Themen ChatGPT sowie Decision Model and Notation (DMN) bei Prozessbeschreibungen.
Prof. Dr.-Ing. Uwe Lämmel lehrt die Grundlagen der Informatik sowie künstliche Intelligenz an der Hochschule Wismar.
Vorwort 7
Inhalt 11
1 Künstliche Intelligenz 15
1.1 Eine intelligente Maschine 15
1.2 Intelligenz und künstliche Intelligenz 17
1.3 Knobelaufgaben und symbolverarbeitende KI 24
1.4 Geschichte der KI 26
1.5 Wir und die KI 28
2 Darstellung und Verarbeitung von Wissen 33
2.1 Wissen und Wissensarten 33
2.2 KI und explizite Wissensdarstellung 34
2.3 Darstellung von Wissen mit Hilfe von Logik 38
2.3.1 Aussagenlogik 39
2.3.2 Prädikatenlogik 56
2.3.3 Logik und PROLOG 71
2.4 Wissensverarbeitung mit Regeln 75
2.4.1 Regelbasierte Wissensdarstellung 75
2.4.2 Regelverarbeitung 78
2.4.2.1 Vorwärtsverkettung 79
2.4.2.2 Rückwärtsverkettung 82
2.4.2.3 Regelverarbeitung und PROLOG 83
2.4.3 Regelsysteme im Einsatz 85
2.4.3.1 Business Rules 86
2.4.3.2 Decision Model and Notation 89
2.5 Semantische Netze und Frames 93
2.5.1 Semantische Netze 93
2.5.2 Frames 95
2.5.3 Wissensnetze 97
2.6 Vages Wissen 100
2.6.1 Unsicheres Wissen 101
2.6.2 Fuzzy-Mengen 109
2.6.3 Fuzzy-Logik 115
2.6.4 Fuzzy-Regler 117
3 Problemlösung mittels Suche 123
3.1 Suche in Graphen 123
3.2 Uninformierte Suche 128
3.3 Heuristische Suche 137
3.3.1 Heuristik des nächsten Nachbarn 142
3.3.2 Bergsteiger-Strategie 144
3.3.3 Bestensuche 145
3.3.4 A*-Suche 146
3.4 Das Rundreiseproblem 150
4 Wissensverarbeitung mit PROLOG 159
4.1 Logisches Programmieren 160
4.1.1 Erste Schritte 160
4.1.2 Ein Beispiel 162
4.1.3 Regeln 164
4.2 PROLOG-Programme 168
4.2.1 Problemlösung mit PROLOG 168
4.2.2 Lösungsfindung mittels Backtracking 170
4.2.3 Parameterübergabe mittels Unifikation 172
4.2.4 Interpretation von Programmen 176
4.3 Datentypen und Arithmetik 177
4.3.1 Einfache und zusammengesetzte Datentypen 177
4.3.2 Listen 180
4.3.3 Arithmetik 183
4.4 Steuerung der Abarbeitung 185
4.4.1 Reihenfolge der Klauseln 185
4.4.2 Reihenfolge der Literale im Körper einer Regel 186
4.4.3 Kontrolle des Backtracking 187
4.4.4 Die Negation 190
4.5 Vordefinierte Prädikate 192
4.6 Beispielprogramme 193
4.6.1 Das Einfärben einer Landkarte 193
4.6.2 Die Türme von Hanoi 194
4.6.3 Das Acht-Damen-Problem 195
4.6.4 Das Problem der stabilen Paare 197
4.6.5 Das Einstein-Problem 199
5 Künstliche neuronale Netze 203
5.1 Das natürliche neuronale Netz 203
5.2 Geschichte 204
5.3 Die Kapitel über neuronale Netze 205
5.4 Das künstliche Neuron 206
5.5 Architekturen 211
5.6 Arbeitsweise 213
6 Vorwärtsgerichtete Netze 217
6.1 Das Perzeptron 217
6.1.1 Die Delta-Regel 219
6.1.2 Musterzuordnungen 222
6.2 Backpropagation-Netze 225
6.2.1 Das Backpropagation-Verfahren 226
6.2.2 Das XOR-Backpropagation-Netz 230
6.2.3 Modifikationen des Backpropagation-Algorithmus 233
6.3 Typische Anwendungen 236
6.3.1 Zeichenerkennung 236
6.3.2 Das Encoder-Decoder-Netz 242
6.3.3 Ein Prognose-Netz 243
6.4 Datenvorverarbeitung 247
6.4.1 Verarbeitungsschritte 247
6.4.2 Daten des Kreditvergabe-Beispiels 250
6.5 Netzgröße und Optimierungen 254
6.5.1 Die Größe der inneren Schicht 255
6.5.2 Das Entfernen von Verbindungen 257
6.5.3 Genetische Algorithmen 258
6.6 Partiell rückgekoppelte Netze 261
6.6.1 Jordan-Netze 262
6.6.2 Elman-Netz 263
6.7 Convolutional Neural Network 265
7 Wettbewerbslernen 275
7.1 Selbstorganisierende Karte 276
7.1.1 Architektur und Arbeitsweise 276
7.1.2 Das Training 279
7.1.3 Visualisierung einer Karte und deren Verhalten 282
7.1.4 Eine Lösung des Rundreiseproblems 284
7.2 Neuronales Gas 289
7.2.1 Architektur und Arbeitsweise 289
7.2.2 Wachsendes neuronales Gas 291
7.3 Adaptive Resonanz-Theorie 295
7.3.1 Das Plastizitäts-Stabilitäts-Dilemma 295
7.3.2 Struktur eines ART-Netzes 296
7.3.3 Das Beispiel Würfelmuster 298
7.3.4 Arbeitsweise 300
8 Autoassoziative Netze 305
8.1 Hopfield-Netze 305
8.1.1 Arbeitsweise 306
8.1.2 Wiedererkennung von Mustern 308
8.1.3 Energie-Niveau eines Netzes 312
8.2 Lösung von Optimierungsproblemen 313
8.3 Die Boltzmann-Maschine 316
9 Entwicklung neuronaler Netze 321
9.1 Datenanalyse-Software 321
9.2 JavaNNS 323
9.3 Programmentwurf und Datenstrukturen 325
9.3.1 Einsatz von Array-Datenstrukturen 326
9.3.2 Der objektorientierte Ansatz 327
9.4 Implementation eines Perzeptrons in Java 329
9.5 Ein Perzeptron in Python 336
9.6 Implementieren mit Python und Keras 341
9.7 Implementieren mit TensorFlow 348
Literatur 357
Index 361
| Erscheint lt. Verlag | 9.10.2023 |
|---|---|
| Sprache | deutsch |
| Themenwelt | Mathematik / Informatik ► Informatik |
| Schlagworte | Artificial Intelligence • Autoassoziative Netze • KI-Grundlagen • Konnektionismus • Künstliche Neuronale Netze • PROLOG • Symbolverarbeitende KI • vorwärtsgerichtete neuronale Netze • Wettbewerbslernen |
| ISBN-10 | 3-446-47882-5 / 3446478825 |
| ISBN-13 | 978-3-446-47882-4 / 9783446478824 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 16,6 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
