Lämmel / Cleve Künstliche Intelligenz

Wissensverarbeitung – Neuronale Netze
6. aktualisierte Auflage 2023
ISBN: 978-3-446-47882-4
Verlag: Carl Hanser
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 364 Seiten

Künstliche Intelligenz (KI) ganz praktisch
- 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.

Autoren/Hrsg.

Lämmel, Uwe

Cleve, Jürgen

Fachgebiete

• Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz
• Mathematik | Informatik EDV | Informatik Informatik Mensch-Maschine-Interaktion

Inhaltsverzeichnis

1;Vorwort;7
2;Inhalt;11
3;1 Künstliche Intelligenz;15
3.1;1.1 Eine intelligente Maschine;15
3.2;1.2 Intelligenz und künstliche Intelligenz;17
3.3;1.3 Knobelaufgaben und symbolverarbeitende KI;24
3.4;1.4 Geschichte der KI;26
3.5;1.5 Wir und die KI;28
4;2 Darstellung und Verarbeitung von Wissen;33
4.1;2.1 Wissen und Wissensarten;33
4.2;2.2 KI und explizite Wissensdarstellung;34
4.3;2.3 Darstellung von Wissen mit Hilfe von Logik;38
4.3.1;2.3.1 Aussagenlogik;39
4.3.2;2.3.2 Prädikatenlogik;56
4.3.3;2.3.3 Logik und PROLOG;71
4.4;2.4 Wissensverarbeitung mit Regeln;75
4.4.1;2.4.1 Regelbasierte Wissensdarstellung;75
4.4.2;2.4.2 Regelverarbeitung;78
4.4.2.1;2.4.2.1 Vorwärtsverkettung;79
4.4.2.2;2.4.2.2 Rückwärtsverkettung;82
4.4.2.3;2.4.2.3 Regelverarbeitung und PROLOG;83
4.4.3;2.4.3 Regelsysteme im Einsatz;85
4.4.3.1;2.4.3.1 Business Rules;86
4.4.3.2;2.4.3.2 Decision Model and Notation;89
4.5;2.5 Semantische Netze und Frames;93
4.5.1;2.5.1 Semantische Netze;93
4.5.2;2.5.2 Frames;95
4.5.3;2.5.3 Wissensnetze;97
4.6;2.6 Vages Wissen;100
4.6.1;2.6.1 Unsicheres Wissen;101
4.6.2;2.6.2 Fuzzy-Mengen;109
4.6.3;2.6.3 Fuzzy-Logik;115
4.6.4;2.6.4 Fuzzy-Regler;117
5;3 Problemlösung mittels Suche;123
5.1;3.1 Suche in Graphen;123
5.2;3.2 Uninformierte Suche;128
5.3;3.3 Heuristische Suche;137
5.3.1;3.3.1 Heuristik des nächsten Nachbarn;142
5.3.2;3.3.2 Bergsteiger-Strategie;144
5.3.3;3.3.3 Bestensuche;145
5.3.4;3.3.4 A*-Suche;146
5.4;3.4 Das Rundreiseproblem;150
6;4 Wissensverarbeitung mit PROLOG;159
6.1;4.1 Logisches Programmieren;160
6.1.1;4.1.1 Erste Schritte;160
6.1.2;4.1.2 Ein Beispiel;162
6.1.3;4.1.3 Regeln;164
6.2;4.2 PROLOG-Programme;168
6.2.1;4.2.1 Problemlösung mit PROLOG;168
6.2.2;4.2.2 Lösungsfindung mittels Backtracking;170
6.2.3;4.2.3 Parameterübergabe mittels Unifikation;172
6.2.4;4.2.4 Interpretation von Programmen;176
6.3;4.3 Datentypen und Arithmetik;177
6.3.1;4.3.1 Einfache und zusammengesetzte Datentypen;177
6.3.2;4.3.2 Listen;180
6.3.3;4.3.3 Arithmetik;183
6.4;4.4 Steuerung der Abarbeitung;185
6.4.1;4.4.1 Reihenfolge der Klauseln;185
6.4.2;4.4.2 Reihenfolge der Literale im Körper einer Regel;186
6.4.3;4.4.3 Kontrolle des Backtracking;187
6.4.4;4.4.4 Die Negation;190
6.5;4.5 Vordefinierte Prädikate;192
6.6;4.6 Beispielprogramme;193
6.6.1;4.6.1 Das Einfärben einer Landkarte;193
6.6.2;4.6.2 Die Türme von Hanoi;194
6.6.3;4.6.3 Das Acht-Damen-Problem;195
6.6.4;4.6.4 Das Problem der stabilen Paare;197
6.6.5;4.6.5 Das Einstein-Problem;199
7;5 Künstliche neuronale Netze;203
7.1;5.1 Das natürliche neuronale Netz;203
7.2;5.2 Geschichte;204
7.3;5.3 Die Kapitel über neuronale Netze;205
7.4;5.4 Das künstliche Neuron;206
7.5;5.5 Architekturen;211
7.6;5.6 Arbeitsweise;213
8;6 Vorwärtsgerichtete Netze;217
8.1;6.1 Das Perzeptron;217
8.1.1;6.1.1 Die Delta-Regel;219
8.1.2;6.1.2 Musterzuordnungen;222
8.2;6.2 Backpropagation-Netze;225
8.2.1;6.2.1 Das Backpropagation-Verfahren;226
8.2.2;6.2.2 Das XOR-Backpropagation-Netz;230
8.2.3;6.2.3 Modifikationen des Backpropagation-Algorithmus;233
8.3;6.3 Typische Anwendungen;236
8.3.1;6.3.1 Zeichenerkennung;236
8.3.2;6.3.2 Das Encoder-Decoder-Netz;242
8.3.3;6.3.3 Ein Prognose-Netz;243
8.4;6.4 Datenvorverarbeitung;247
8.4.1;6.4.1 Verarbeitungsschritte;247
8.4.2;6.4.2 Daten des Kreditvergabe-Beispiels;250
8.5;6.5 Netzgröße und Optimierungen;254
8.5.1;6.5.1 Die Größe der inneren Schicht;255
8.5.2;6.5.2 Das Entfernen von Verbindungen;257
8.5.3;6.5.3 Genetische Algorithmen;258
8.6;6.6 Partiell rückgekoppelte Netze;261
8.6.1;6.6.1 Jordan-Netze;262
8.6.2;6.6.2 Elman-Netz;263
8.7;6.7 Convolutional Neural Network;265
9;7 Wettbewerbslernen;275
9.1;7.1 Selbstorganisierende Karte;276
9.1.1;7.1.1 Architektur und Arbeitsweise;276
9.1.2;7.1.2 Das Training;279
9.1.3;7.1.3 Visualisierung einer Karte und deren Verhalten;282
9.1.4;7.1.4 Eine Lösung des Rundreiseproblems;284
9.2;7.2 Neuronales Gas;289
9.2.1;7.2.1 Architektur und Arbeitsweise;289
9.2.2;7.2.2 Wachsendes neuronales Gas;291
9.3;7.3 Adaptive Resonanz-Theorie;295
9.3.1;7.3.1 Das Plastizitäts-Stabilitäts-Dilemma;295
9.3.2;7.3.2 Struktur eines ART-Netzes;296
9.3.3;7.3.3 Das Beispiel Würfelmuster;298
9.3.4;7.3.4 Arbeitsweise;300
10;8 Autoassoziative Netze;305
10.1;8.1 Hopfield-Netze;305
10.1.1;8.1.1 Arbeitsweise;306
10.1.2;8.1.2 Wiedererkennung von Mustern;308
10.1.3;8.1.3 Energie-Niveau eines Netzes;312
10.2;8.2 Lösung von Optimierungsproblemen;313
10.3;8.3 Die Boltzmann-Maschine;316
11;9 Entwicklung neuronaler Netze;321
11.1;9.1 Datenanalyse-Software;321
11.2;9.2 JavaNNS;323
11.3;9.3 Programmentwurf und Datenstrukturen;325
11.3.1;9.3.1 Einsatz von Array-Datenstrukturen;326
11.3.2;9.3.2 Der objektorientierte Ansatz;327
11.4;9.4 Implementation eines Perzeptrons in Java;329
11.5;9.5 Ein Perzeptron in Python;336
11.6;9.6 Implementieren mit Python und Keras;341
11.7;9.7 Implementieren mit TensorFlow;348
12;Literatur;357
13;Index;361

Über Autor(innen)

Cleve, Jürgen
Prof. Dr. rer. nat. Jürgen Cleve lehrt die Grundlagen der Informatik sowie künstliche Intelligenz an der Hochschule Wismar.

Lämmel, Uwe
Prof. Dr.-Ing. Uwe Lämmel lehrt die Grundlagen der Informatik sowie künstliche Intelligenz an der Hochschule Wismar.

Prof. Dr.-Ing. Uwe Lämmel lehrt die Grundlagen der Informatik sowie künstliche Intelligenz an der Hochschule Wismar.
Prof. Dr. rer. nat. Jürgen Cleve lehrt die Grundlagen der Informatik sowie künstliche Intelligenz an der Hochschule Wismar.