Kurzfassung

InteKRator ermöglicht das automatisierte Lernen von symbolischem Wissen (Wissensbasen) aus Daten. Eine Besonderheit besteht dabei darin, dass das Wissen in für den Menschen gut verständlicher Form auf Basis von Regeln mit Ausnahmen dargestellt wird. Das so aus den Daten gelernte Wissen lässt sich einerseits dazu verwenden, um einen Überblick über die inhärente Struktur der Daten zu erhalten; andererseits hat das Wissen einen generalisierenden Charakter, sodass es möglich ist, Inferenzanfragen...InteKRator ermöglicht das automatisierte Lernen von symbolischem Wissen (Wissensbasen) aus Daten. Eine Besonderheit besteht dabei darin, dass das Wissen in für den Menschen gut verständlicher Form auf Basis von Regeln mit Ausnahmen dargestellt wird. Das so aus den Daten gelernte Wissen lässt sich einerseits dazu verwenden, um einen Überblick über die inhärente Struktur der Daten zu erhalten; andererseits hat das Wissen einen generalisierenden Charakter, sodass es möglich ist, Inferenzanfragen auch mit unbekannten Eingabedaten an eine gelernte Wissensbasis zu stellen (ähnlich einem Expertensystem). Ferner besteht die Möglichkeit, gelerntes Wissen mit neuer Evidenz zu revidieren.

Das System soll hinsichtlich verschiedener Aspekte weiterentwickelt werden, unter anderem, um auch auf sehr hoch-dimensionale Daten effizient angewendet werden zu können sowie auch mit stetigen Daten umgehen zu können.

Zukünftige Erweiterungen könnten beispielsweise auch das Einschließen von Hintergrundwissen umfassen.

Projektseite: https://gitlab.com/dapel1/intekrator_toolbox» weiterlesen» einklappen