Asia-pohjainen perustelut


CBR on prosessi ratkaista uusia ongelmia perustuu ratkaisuja aikaisemmin ongelmia. Automekaanikkona korjaus moottori koska se muistutti, että toinen auto oli samat oireet käyttää asiassa perustuvia perusteluja. Asianajaja, joka vetoaa oikeudellisia ennakkotapauksia puolustaa syy on käyttää asiassa perustuvia perusteluja. Myös insinööri kopioitaessa luonnon elementteihin, kohtelee tätä "tietokanta ratkaisuja." Keskuspankki on tapa päättelyä analogisesti. On väitetty, että asiassa perustuva päättely on paitsi tehokas menetelmä tietokone perusteluja, vaan käyttävät ihmiset arkipäivän ongelmien ratkaisemiseksi. Radikaalimmin on väitetty, että kaikki päättely perustuu tapauksissa, koska se perustuu aikaisempaan kokemukseen.

Kontekstualisoinnin

Ennen käsitellä päättely perustuu käyttöön tapauksissa on tarpeen sijoittaa asiayhteys, jossa ne ovat tehdä ensimmäinen lähestymistapaa asiaan ja ymmärtää syyt niiden käyttämiseen.

Joten perustuu käyttötapauksia tai tapaus-pohjainen päättely on eräänlainen perusteluja asiantuntijajärjestelmä. Asiantuntijajärjestelmä näkökulmasta tekoäly, on järjestelmä, joka yrittää matkia käyttäytymistä ihmisen asiantuntija aihe, eli matkia ihmisen toimintaa yrittää ratkaista ongelmat luonteeltaan erilaisia ​​olla. Esimerkki asiantuntija järjestelmä olisi sellainen, joka ottaa vastaan ​​diagnoosin mekaanisia ongelmia autossa. On täysin selvää, että asiantuntija järjestelmä niin se yrittää jäljitellä mekaaniseen käyttäytymiseen edelleen yrittää selvittää, mikä ongelma auton. Voit tehdä tämän, se yrittää järjestelmä periaatteessa jäljitellä käyttäytymistä, joka seuraa ihminen itse, tässä tapauksessa mekaanikko tulla samaan johtopäätökseen, että oli tulossa, ja antaa ratkaisu, joka antaisi mekaanikko jälkeen hänen analyysi. Edut, jotka liittyvät asiantuntija järjestelmä ovat selkeitä, helpottaa asiantuntijoiden työtä. On selvää, että kasvava suosio tietotekniikan ja sen täytäntöönpanon jatkaminen yhteiskunnassa ovat saaneet monet ihmiset etsivät näitä ratkaisuja arkipäivän ongelmien ratkaisemiseksi, tehdä niistä suosituksia, ohje-, jne. asiantuntijajärjestelmiä ja mitä he tekevät on antaa yrityksille tarjota näitä palveluja ilman yksittäistä tehdä niin, mikä edustaa merkittävää kustannusten vähentäminen. Toisaalta, päivittäin tietoa, edessämme asiantuntijajärjestelmät kasvaa, ja se tarkoittaa, että monissa tapauksissa hoito tämä tieto on hidasta ja usein hankala, ei vaikeus ongelma, vaan suuri määrä panos heillä on. Kuten näemme kaikissa näissä tapauksissa asiantuntija järjestelmä on erittäin hyödyllinen.

Nyt meidän olisi analysoida, mitkä ovat tarpeelliset elementit asiantuntijan järjestelmä on todella hyödyllinen ja tehokas väline sekä vuorovaikutuksen itsensä laatu vasteen tarjota sama. Joten meidän kaikkien asiantuntijajärjestelmä olisi täytettävä kaksi erillistä ominaisuuksia toisella puolella pitäisi pystyä selittämään perusteluja omillaan, eli joukko sääntöjä tai vaiheet käyttäen asiantuntija liittäessään eri tosiseikkojen päästä päätökseen end. Toisaalta, jos me tarkastelemme näemme, että toistaiseksi meillä ei ollut maininnut yksi luontaisia ​​ominaisuuksia ihmisten ja että sen takia ne ovat parantuneet koko historian ja hankkii uutta tietoa. Tällainen on merkitystä ihmisillä ei voisi olla vähemmän asiantuntijajärjestelmä, koska ilman sitä et voi consiguiésemos järjestelmä laadukkaita tänään, mutta suuri nopeus, jolla liikkuu maailmassa olisi nopeasti tämä on quedase vanhentuneita ja näin ollen hyödytön. Näiden ongelmien ratkaisemiseksi asiantuntijoita turvautua perustelut mekanismeja, joiden avulla voidaan muuttaa edellä tietoa. Tämän nähdessään voimme päätellä, että asiantuntija järjestelmiä monilla aloilla älä yritä korvata ihmisen asiantuntijoita, mutta jos tavoitteena on nopeammin ja tehokkaammin kaikki tehtävät se suorittaa. Tämän vuoksi tällä hetkellä on sekoitus eri tekniikoita tai sovelluksia käyttämällä etuja että jokainen näistä tarjouksista olla turvallisin yrityksille. Esimerkki näistä tekniikoista olisi aineita, on kyky neuvotella ja navigoida internetistä; ja siksi tänään on johtava rooli asiantuntijatehtävissä järjestelmissä.

Kun olemme täsmällisesti määritellyt tavoitteet on saavutettava käyttämällä asiantuntija järjestelmien olisi mielenkiintoista selvittää, mitä elementtejä asiantuntijajärjestelmä jaetaan. Jotta voimme nähdä, että kuten edellä toistaiseksi ei ensiksi tietopohja, joka on pohjimmiltaan jossa tieto, että asiantuntija aiheesta, jotka yrittävät tallennetaan. Tämä on, jos on selvää, että jos haluamme kattaa paljon aiheita tietoa lisäisi valtavasti aiheuttaa joko koko tietojen Muutoin hankala, tai muuten, että yhdenmukainen koko oli ennen viedä meidät rangaista määrä tietoa meillä on aihe ja siksi saada keskinkertainen tulos asiantuntija. Toiseksi meillä asiaperustaa että siellä ne tallennetaan kaikki vähennykset, jotka tehdään parhaillaan päättely. Kun meillä on nämä kaksi elementtiä, seuraava looginen askel on saada elementti, joka on vastuussa alkaa tosiasiat ja tietoa alkaa tuottaa havaintojen enemmän tosiasioita, läpi prosessin päättely, joka johtaa lopulliseen ratkaisuun; Puhumme päättely moottori. Voisimme tiivistää elementin mallintaminen ihmisen päättelyä. Lopuksi, meillä on käyttöliittymä. Tässä, koska se ei ole osa puhtaasti päättely on hyvin tärkeä, koska se on yhdyskäytävä järjestelmän. Sen merkitys on siinä, että kerää käyttäjän tietoja, koska jos kerättyjä tietoja ei ole riittävä, mutta hyvä päättely moottori ja sääntöjä meillä on, tulos on epätyydyttävä. Siksi tärkeä tämä käyttöliittymä.

Ottaa selkeästi määritelty, joka on asiantuntija järjestelmä ja sen osat, seuraava looginen askel olisi kommentoida, että on olemassa erilaisia ​​järjestelmiä ja erityisesti tämän tyyppisen deduktiivisen käytetty päätellä. Käyttämällä jälkimmäinen voisi jakaa ne kolmeen eri ryhmään:

SE sääntöjen perusteella

Sääntöihin perustuva asiantuntija järjestelmiä käytetään päättelyprosessi säännöt, jotka muodostavat perustan asiantuntijatiedon. Nämä säännöt voidaan aktivoida olosuhteet arvioidaan myönteisesti ja niiden käyttöön liittyy uusien tosiseikkoja. Tämä prosessi mahdollistaa joitakin alustavia tosiasioita kehittämästä deduktiivinen prosessi päättyy, kun niitä ei ole jäljellä käyttää toista sääntöä.

Voit tehdä tällaista hoitoa se voidaan tehdä kahdella eri tavalla, toisaalta teen sen näyttöä tavoitteita tai muutoin päinvastaisessa järjestyksessä, joka alkaa tavoite päästä todisteita, jotka ovat tuoneet.

SE perustuu Bayes-verkot

Tämä muu asiantuntija järjestelmän perustaa toiminta nimensä vuonna Bayes-verkot. Joten se on probabilistinen malli, joka liittyy joukko satunnaisia ​​muuttujia suunnattu verkko. Päättely moottori käyttää käsittelemään näyttöä perustuu todennäköisyyslaskenta ja erityisesti Bayes lause. Tämä menetelmä on erityisen erittäin hyödyllinen väline arvioitaessa todennäköisyydet uusia todisteita.

Kotelot perustuu SE

Viimeksi asiantuntija järjestelmä etenee selittää, että tässä työssä ja keskustella tarkemmin seuraavissa osissa. Tämä ensimmäinen luku on tärkeää tehdä nähdä asiayhteys, jossa löydämme tämäntyyppistä asiantuntija järjestelmän ja ymmärtämään syvemmin, miten se toimii.

Yleisesti ottaen tällainen järjestelmä toiminta perustuu aikaisempiin kokemuksiin, joko järjestelmän tai taitava henkilö itse, ja tästä tieto kokemukset tekevät yhteistyössä näitä kokemuksia purkaa tämän ratkaisun. Kuten näemme kolme nykyiset menetelmät, tämä on kaikkein samanlainen ajattelutapa, että me ihmiset. Jos ajattelemme pieniä lapsia, tyyppi perustelut, joita perustuu kokemuksiin, joka antaa suhteissaan tiedotusvälineisiin. Esimerkki liittyy tähän olisi, kun lapsi on keittiössä ja pelata potti, joka on tulessa ja paloi, tämä on hankkinut uusi kokemus. Jos toinen päivä näkee potti tuleen ja se ei kosketa, koska heillä on, että kokemus. Silti se voi olla kokemus nähdä äitinsä ottaa potin teetä pyyhkeet. Kaikki tämä joukko kokemuksia, lapsi, seuraavan kerran kun pelaat potin halusi tietää, jos haluat olla tehdä se kankaalla välttää polttaminen. Tämä on selkeä esimerkki siitä, kuinka asia-pohjainen päättelyä. Voimme nähdä, kuinka pieni poika aiempien kokemusten, ovatko ne virheitä kuten tarkkuus, hankkia kokemuksia, jota käytät kun olet uuden tilanteen edessä, muodostaen sen uusi tukikohta perustelut. Tämä on lyhyt johdanto toimintaa. Sitten siellä on paljon yksityiskohtaisempi selvitys sen toiminnasta, sekä erilaisia ​​mahdollisuuksia.

Määritelmä

Tämä luku alkaa selittää yhdenlaista asiantuntijajärjestelmää ovat: tapaus-pohjainen perustelut ja tapaus perustuu päättelyyn. Paras tapa alkaa ymmärtää sana yrittää ymmärtää niiden merkityksen, ja siksi aloitamme analysoimalla niiden määritelmä:

"Tapaus on contextualized tiedon palanen edustaa kokemus, joka opettaa keskeinen opetus tavoitteiden saavuttaminen Reasoner"

Kuten näette ilmaisua analyysi tehdään suoraan Englanti ja tämä tulee suoraan perustuu siihen, että käännös itsessään voi menettää osan merkitys määritelmän, joka vahingoittaisi analyysi. Joten alkaen analyysi on ensimmäinen tärkeä sana "tapaus". Tämä järjestelmä päättely perustuu vähimmäisyksikkö nimeltään tapaus. Tapaus voidaan määritellä esitys aiemman kokemuksen kokemus. Se voidaan pitää tapausta, jossa löydämme kaikki ne asiat, jotka tapahtui kokemus. Hyvä analogia olisi sääntöjen avulla, tässä tapauksessa voisi kuvailla säännöt liittyvien kokemus. Pitäisi olla selvää, että säännöt ovat itse merkityksetön, koska se on koko kokemus, että löydämme minimi. Jos ajattelemme löysä säännöt tämän kokemuksen olisimme löytää olisimme edessä asiantuntijajärjestelmä.

Toinen asia on, että tämä tapaus on adjektiivi "contextualizad pala tietoa". On tärkeää huomata tästä kaikesta contextualized koska, kuten sanoimme aiemmin tätä tietoa edustaa joukko tapahtumia, jotka ovat ilmi kokemuksessa. Osa näistä tosiseikkojen asiayhteyttä, joka kuluu kokemus. Tämä asiantuntija järjestelmä yhteydessä on myös hyvin tärkeää, koska prosessi argumenttia voitaisi käyttää; tämä selitetään myöhemmin. Esimerkiksi havainnollistaa tätä, joka perustuu esimerkiksi vakava lapsen että hänen äitinsä oli kertonut hänelle ei kosketa potin ennen polttamista. Tässä yhteydessä voisi hyvinkin päätellä, että muissa tapauksissa on aina kuunneltava äidit koska he ovat oikeassa.

On erittäin tärkeää, mitä seuraavasti: "Edustaminen kokemus", että se merkitsee sitä, että kanne perustuu tietoon, joka ei ole jotain keinotekoisesti luotu tosiasioihin vaan perustuu aikaisemman tiedon ja siksi voimme harkita alusta alkaen. Lisäksi se, että puhumme kokemusta ja alkaa huomata, että tämä järjestelmä on tiiviisti sidoksissa hankintaan ulkoisen tiedon, että toimenpiteet perustuvat kokemuksiin että järjestelmä vaatii saada uusia kokemuksia parantamaan päättelyä.

Jatkamme ", joka theaches on fundamenal oppitunti". Tällä tarkoitetaan, että kokemuksia meillä on järjestelmä ei viitata mitään kokemusta, vaan ainoastaan ​​ne, jotka antavat meille tietoa aiheesta asiantuntijan järjestelmä, lisäksi toistaa aiempien kokemusten kanssa sama yhteydessä, ei koska ne tarjoavat uusia tietoja järjestelmään. Lopuksi meidän on "tavoitteiden saavuttamiseen on Reasoner", joka osoittaa, että käyttötapauksia suoraan jatkaa tavoitteiden perustelut että kuten asiantuntija järjestelmän tavoitteenaan päätös, joka riippuen ongelma sitä voidaan vaihdella.

Tämän analyysin merkitys aihe, että yritämme, voimme alkaa esitellä täysin analysoida eri ratkaisujen olemassa toteuttaa tämänkaltaisia ​​asiantuntijajärjestelmä. Mutta ennen kuin esittelemme historian tapauskohtaisesti perustuva päättely tekoäly, ja se on kehittynyt vuosien mittaan esillä.

Historia

CBR Tien ja sen juuret työhön Roger Schank ja hänen oppilaansa Yalen yliopistossa vuonna 80-luvun alussa mallin dynaamisen muistin Schank oli tarttumalla alussa CBR järjestelmät: Janet Kolodner n CYRUS ja Michael Lebowitz IPP. Toinen koulu CBR myös syntyi 80-luvulla, tutkimiseen sellaisia ​​aiheita kuten CBR oikeudellista päättelyä, muisti-pohjainen perustelut

  • Kaidara Advisor Kaidara
  • SMART illation.
  • Nimet tapaukselle perustuva päättely

    Koko luonnehdinta että olemme tehneet päättelyä olemme nähneet, että tärkein tavoite on tunnistaa ongelma, että olemme, ja että sinun täytyy löytää yksi tai useampi aiemmista tapauksista tämän, annat meille ratkaisu tapauksessa, jossa olemme. Kun olemme löytäneet ratkaisun on mahdollista lisätä jälkimmäinen sisällä tietopohjaa järjestelmän. Voit tehdä tämän prosessin, sinun täytyy tietää monia asioita, kuten missä prosessissa keskityimme mm. Riippuen siitä, miten valita minkä tahansa näistä huomioista on erilainen kuin perustelut kehittyy. Ongelma että löysimme analysoitaessa paradigma kyseessä perustuva perustelu on, että on olemassa paljon menetelmiä järjestää ja indeksoida hyödyntää tietoa meillä on maailmasta, joka tässä tapauksessa tapahtuu tapauksissa. Kuten jo edellä tapaukset on varastoitava onenesses tietoa. Indeksoida tämä useissa tapauksissa voit käyttää ennalta sanastoa tai sana sanaston itse, riippuen siitä, kuinka laaja on tarpeen sanastoa yhteydessä ongelma. Joten sanoimme, että ratkaisu asiassa on otettu suoraan muiden kokemuksia, tapauksissa, jotka on tallennettu tietopohjaa, vaikka monissa tapauksissa voidaan käyttää myös poimia ratkaisu olemme salakuljetuksesta. Joten voit alkaa tuntea, että kun kyse on oikeuskäytännön perusteella perustelut, olemme yleistävä kyseinen termi kaikki ne menetelmät, joita käytetään luomaan asiantuntija, joka perustuu filosofiaan käyttötapauksia. Vaikka tässä asiakirjassa käytämme termiä case-pohjainen perustelut viitata tähän ongelmaan, on olemassa monia muita termejä, joita käytetään määrittelemään, vaikka ei täsmälleen sama ongelma, ongelmia, jotka voidaan pitää vastaavana ja siksi ovat vastineet käyttäen tapaus-pohjainen päättelyä. Kaikki tämä on niin on syytä analysoida, mitä nämä pienet erot kussakin näistä nimityksiä. Seuraavaksi yksityiskohtaisesti eri nimityksiä määritellä tämän ongelman kanssa erityispiirteet kunkin.

    · Perustelut esimerkkien pohjalta

    Tätä termiä käytetään korostamaan, että tapauksissa olemme tallennettu tietopohjaa ovat todella esimerkkejä siitä, mitä on tapahtunut eri yhteyksissä suorittaa joukko toimia. Ongelmana tässä on määrittää, milloin lisätään uusi esimerkiksi jos tämä osoittautuu jatkaa nykyistä esimerkiksi järjestelmä, eli lisätä tietoja olemassa olevaan esimerkiksi järjestelmässä, tai jos sen sijaan vastaa uusi esimerkki joka on lisättävä tietopohjaa, koska se ei vastaa aikaisempaa tietoa. Joten, voimme nähdä, että tämä ongelma on pohjimmiltaan luokitus ongelma, jossa meidän on oikein sijoittaa uusi esiintymä.

    · Perustelut perustuu tapauksissa

    Tämä termi viittaa edelliseen erikoistumista. Suurin ero on, että painotetaan erityisesti jäsentää perustelut. Ongelma esiintyy pääasiassa tällainen päättely on vaikea ohjata prosessia koskevassa asiassa aiemmin aloitamme kanssa, jotka ovat tietopohjaa. Joten tällainen päättely on yrittää kompensoida puutetta ohjauksen päästä asiassa, joka on tunnettu ja on tietopohjaa järjestelmän. Tämä vaatii suuren määrän tapauksia käytetään ohjaamaan päättelyä. Edustus näistä tapauksista on yleensä muodossa vektoreiden. Tämäntyyppinen perustelu on hiljattain tutkittu tutkijat Kibler ja Aha.

    · Perustelut perustuu muisti

    Tämä termi korostaa katsella kokoelma tapauksissa suuri muisti, sitten nähdä perustelut prosessina päästä ja etsimällä tässä. Muisti organisaatio ja olisi pääsy keskustan tapauskohtaisesti päättelyä. Tällaisia ​​tekniikoita hyötyneet rinnakkain käsittelyn tekniikoita, mikä erottaa ne muista ratkaisuista. Joten pääsy ja periaatteessa tallennetut perustuvat puhtaasti syntaktinen kriteereihin, eli kuten kirjoitettu jotain eikä sen merkitystä.

    · Case-pohjainen perustelut

    Vaikka termi case-pohjainen perusteluja yleisnimi koko julkaisussa, tyypillisesti tämä menetelmä on useita ominaisuuksia, jotka erottavat sen levätä ja että on syytä kommentoida käytetään. Alamme sanomalla, että kun puhumme jos oletamme, että tämä omistaa verran vaurautta sen sisältämät tiedot, eli kuvaus kokemus on hyvin kuvattu ja yritän olla kaipaamaan tietoja sinun kuvaus, on myös tarpeen, että kaikki Nämä tiedot sisältävät hallussaan tietynasteista organisaatiota, joka mahdollistaa nopean ymmärrys ja ennen kaikkea päästä tarvittavat tiedot nopeasti ja minimoida tarpeettomia käyttötiedot. Toisaalta, löydämme toinen ominaisuus ja on kyky muuttaa tai mukauttaa ratkaisu tässä tapauksessa, kun yrität ratkaista ongelma eri asiayhteydessä. Lisäksi, kuten keskusteltiin, kun olemme analysoineet kuvauksen merkitys, yhteydessä on erittäin tärkeä tieto, nimittäin rikkaus, joka kuvataan, edustus ja rooli sillä on tärkein tieto; on selvää, että parempi käsitys yhteydessä päätelmät perustelut saavat paranee. Vastineeksi tästä tietotulva voi aiheuttaa se on liian hidas päättelyprosessissa. Siksi sinun on etsittävä keskitie näiden kahden käsitteen.

    · Perustelut perustuu analogiat

    Tätä termiä käytetään usein synonyyminä oikeuskäytännön perusteella perustelut, koska se on samat ominaisuudet kuin edellä. Silti on useita ominaisuuksia, jotka tekevät siitä erilaisen. Totesi ensinnäkin, että toisin kuin aiemmin tänä mahdollistaa luonnehdinta menetelmiä ratkaista ongelmia perustuu tapauksissa meillä on tietopohjaa, mutta on eri verkkotunnuksen. Tämän ymmärtämiseksi paremmin voimme käyttää esimerkiksi lapsen ja potti ja voimme nähdä, että tämä asia voitaisiin ekstrapoloida toisessa yhteydessä, kuten että lapsi oli pellolla ja hänen äitinsä advirtiese jotain. Voimme nähdä, että yhteyksissä ovat täysin erilaisia, mutta silti on tarpeeksi yhteyksiä, tässä tapauksessa äiti, virallistaa uusi asia perustelut olemassa oleviin tapauksessa. Joten tutkimus tämäntyyppisten perustelut piilee tutkimuksessa olemassa olevien tapausten tietopohjaa ja uudelleenkäyttö, prosessi nimeltä kartoitus ongelma, joka on pohjimmiltaan selvittää, miten siirtää tai kartoitus ratkaisu joka on joitakin analogisesti ongelmaan.

    Kuten näemme, tavalla tai toisella kaikki ehdot ja kaikilla on erityispiirteitä yrittävät ratkaista ongelman luoda asiantuntijajärjestelmä samasta luonnehdinta ongelma. Vaikka tämä moninaisuus kannalta tämä työ jatkuu käyttämällä "tapaus-pohjainen perustelut", mutta yleinen taso kaikkien nämä ominaisuudet.

    Suorituskyky

    Toistaiseksi olemme tehneet on ensimmäinen näyttö oloissa, joissa kehitysyhteistyöhankkeita ottaa tämän ongelman, ja jatka sitten parempi luonnehdinta se oli todella tapaus-pohjainen päättelyä sen määritelmä. Seuraava looginen askel, kun olemme tehneet kaikki kuvaisi paremmin kuinka kehittämässä tämäntyyppistä päättelyä ja mitä tehdään kussakin vaiheita sen.

    Kuten useimmat asiat tekoälyä on monia tekniikoita toteuttamiseksi sama asia. Tässä tapauksessa ei ole poikkeus ja löydämme erilaisia ​​tapoja tehdä sitä, mutta tässä työssä me keskitytään pääasiassa niistä kaksi:

    • Prosessi mallin sykli
    • Jäsennelty työtapa

    Sitten siirrymme kuvaamaan kaksi mallia tiukemmin ja perusteellisesti, mutta ei ennen lisätä, että nämä kaksi mallia on todettu täydentää ja edustavat kahta eri näkemyksiä asiassa perustuva päättely eli kaksi eri tapoja nähdä sama ongelma. Ensimmäinen perustuu dynaamiseen mallien mitä tehdään on jakaa alkuperäisen ongelman osaksi osaongelmat, tarkistaa riippuvuudet että niiden välillä ja tuotteiden johtuvat heidän liittonsa. Eli, nämä ongelmat ratkaistaan ​​peräkkäin kuin syklin loppuun syklin.

    Toisaalta meillä on toinen menetelmä perustuu hajoaminen eri tehtävä, johon kuuluu ratkaista ratkaista näitä menetelmiä olla pohjana ratkaisemiseksi ne menetelmät, jotka ovat riippuvaisia. Joten tässä tapauksessa osaongelmat voidaan ratkaista missä tahansa järjestyksessä kuin riippuvainen menetelmät on ratkaissut tämän ongelman ennen.

    Sykli oikeuskäytännön perusteella päättely

    Prosessi jakamalla tapauksissa perustuu eri päättelyn löytää langat, jotka muodostavat syklin voidaan jakaa neljään eri prosessit:

    • MUISTA tapauksissa samanlainen kuin analysoitava.
    • Uudelleenkäyttö tiedon ja tietämyksen meillä on tässä tapauksessa ongelman ratkaisemiseksi.
    • Tarkistamaan ehdotettua ratkaisua.
    • PIDÄ osia tästä kokemuksesta, että voimme olla hyötyä tulevaisuuden ongelmien ratkaisuun.

    Kun edessämme on uusi ongelma, johon meidän on annettava ratkaisu, jotta ensin meidän täytyy tehdä on muistaa erityinen ongelma, koska asiaankuuluvissa tapauksissa tämän voi korjata sen. Nämä merkitseviin on oltava valikoima niissä tapauksissa, että meillä on tietopohjaa asiantuntijajärjestelmä. Esittelemme tässä tapauksessa eri esimerkki lapsen ja äidin. Oletetaan esimerkiksi, että Aragones haluaa valmistautua seuraavaan peliin Espanjan joukkueen EM. Ja osuvimmat kokemus hän voi muistaa on sellainen, jossa Espanja sai ensimmäisen euroa, josta vuosia sitten. Muistin Aragon koostuisi kaiken, tehtiin tuolloin voittaa Euroopan mestaruuden joka sai sinut voittanut ja otti päätöksiä he eteni tie.

    Kun meillä on tämä joukko tapauksia, jotka kantavat useita yhtäläisyyksiä tapaus, josta meidän on ehdottaa ratkaisua meidän täytyy tehdä on sopeutua ratkaisu kaikkiin näihin ongelmiin, kokonaisuutena tai vain osia siitä me kiinnostuneita muuttamaan yhteydessä näiden ongelmien ongelma meillä on tänään. Esimerkissä seuraamme Aragones olisi mukautettava kokemus minulla oli tämän tietokoneen, muuttaa pelaajat sinulla on nyt ja muokata ominaisuuksia, jotka ovat laitteiden, johon se on yhdistetty.

    Mutta tämä olisi ensimmäinen versio ratkaisu. Niin pitää testata ratkaisu todellisessa maailmassa tai simulointi ja uudistetaan tarvittaessa. Tällä tarkoitetaan, että tämä on pyöreä prosessi, jossa uusiokäyttää useita tapauksia, tietopohja, liuos tarkastetaan ja jos ei ole tyydyttävä on edelleen muokata sisältyvät tai tapauksista, jotka olivat virheellisiä tai lisäämällä niitä, jotka jäi täydellinen ratkaisu. Jatketaan esimerkissä käytämme tämä tarkoittaisi, että Luis olisi linjaukset ja testausta comenzásemos menettäisi muuttamalla pelejä linjauksia kriteerien mukaisesti, joita käytettiin Euroopassa on voitettavana.

    Lopuksi viimeinen vaihe on säilyttäminen. Kun liuos on mukautettu onnistuneesti ratkaisemaan tietyn ongelman, me tallentaa tuloksena kokemus uutena tapauksena muistiin. Meidän tapauksessamme se tallentaa tuloksena kokemusta pelaa peliä ja päätelmiä se on saavuttanut. Onko hän on voittanut kuin jos hän on menettänyt. Muista, että yksi etujen oikeuskäytännön perusteella päättely oleskella paitsi muistaa tuloksena tapaukset ovat kärsineet mutta ne, jotka epäonnistuivat, koska nämä voivat parantaa perustelut asiantuntijajärjestelmää koska kun on suoritettava samantyyppinen päättelyä, jonka täytyy tietää kuitenkaan seuraa, että päättelyä, koska se johtaa väärän tuloksen.

    Sitten seuraava kuva kuvan mukaisesti suorittaa tämä sykli:

    Tämän kuvan voimme nähdä selvemmin syklin seuraavien järjestelmä päättely on erityisen tärkeää korostaa keskeisyyden että on tietopohjaa. On hyvin ilmeistä tässä järjestelmässä, missään vaiheessa liittyvät läheisesti olemassa olevan tiedon ja kohokohta asuu, niin viimeinen vaihe lisätään uusi tapaus olemme syntyvät tietopohjaa käyttää tulevaisuudessa Razzonamientos. Totesi myös, että vaikutus tämän tietopohjaa voi vaihdella, vähän vaikutusta paljon vaikutusvaltaa menetelmällä oikeuskäytännön päättelyä että käytimme.

    Perustuu päättely perustuu hierarkkinen tehtäviä

    Prosessi olemme nähneet muodossa jakson tavoitteena korostaa peräkkäinen luonne sen vaiheita. Suurempaa hajoaminen ja kuvaus 4 vaiheet olemme aiemmin mainittiin, käyttää kuvaa ongelman muodossa tehtäviä, joissa jokaisessa vaiheessa tai osaongelma, pidetään tavoitteena, joka on saavuttaa asiassa perustuvaa päättelyä.

    Vaikka edellä prosessissa oli glottal, ulkoinen, mitä oli tapahtumassa jokainen askel teimme päättelyprosessissa mielestä on suuntautunut eri tehtäviä, jotka ovat antaneet meille mahdollisuuden kuvata yksityiskohtaisesti näkymä yläpuolella, mitä tapahtuu ja mekanismit näkökulmasta tapauskohtaisesti päättelyä. Tasolla tietopohjan, asiantuntija järjestelmä pidetään ainetta, joka on tavoitteena saada että on antaa ratkaisu, ja keinoja päästä tällaista ratkaisua.

    Joten kuvaus voidaan tehdä kolmesta eri näkökulmasta:

    • tehtävät kehittää järjestelmää,
    • käytetyt menetelmät tavoitteen saavuttamiseksi
    • ja hallintaa tietopohjaa järjestelmän.

    Joten, kuten sanoimme aiemmin, tehtävät päämäärään järjestelmän tavoitteisiin, ja nämä tehtävät on valmistettu soveltamisesta yhden nykyisiä menetelmiä järjestelmässä. Mutta pitää muistaa, että tapa saavuttaa päätöslauselman tehtävänä on tarpeen, että kaikki nämä tehtävät, jotka ovat riippuvaisia ​​on tehty. Joten, voimme nähdä, kuinka puitteet, joissa toimimme on vahvasti vaikuttanut tietopohjaa.

    Kaaviossa käytimme rohkeita nimiä nimeämään tehtäviä, kun taas käytetyt menetelmät on kirjoitettu kursiivilla. Toinen tärkeä asia mainita, on eri olemassa olevien yhteyksien eri tehtäviä edustaa välisiin yhteyksiin, linkkejä, joita kutsutaan tehtävän hajoaminen. Ensimmäinen asia jonka huomaat on, että tärkein tavoite, joka on puun juuri on perimmäinen tavoite perusteluihin, joita on, että ongelma ratkeaa. Joten se ei ole yllättävää löytää pohja 4 vaiheet että meillä oli rikki sykli päätöslauselman oikeuskäytännön perusteella päättelyä.

    Kuten näemme paljain silmin, nämä kaksi asiaa ovat juuri sanoi, on ilmeinen ero kahden menetelmän olemme kuvanneet, kun taas yksi oli mennä kummastakin askeleet tähän voimme mennä kuljettaa vaiheet haluamme käytettävissään tarvittavia tietoja, jotka voivat nyt suoraan tietopohjaa tai seurauksena toisen prosessin. Joten tässä esimerkissä näemme selvemmin, miten se tehdään tämä visio on, että meillä on erilaista tehtäviä ja nämä vähitellen kokoontuminen lopputulos ongelmanratkaisun halusimme. Jotta voimme nähdä, kuinka kaikki tehtävät lähdimme ongelma riittää ratkaista koko ongelmaa.

    Ongelmallinen

    Kun olemme analysoineet perusteellisesti koko prosessin miten tehdä vakavissa tapauksissa perustuu päättely ennen kuin jatkat tärkeää analysoida kaikkia ongelmia, joita suorittamaan onnistuneeseen käyttöönottoon ja tehokkain tapa ratkaista niitä. Kuten voitte jo arvata, nämä ongelmat ovat pääasiassa löytyy kaksi erillistä osaa, ensin meidän on kaikki ne, jotka liittyvät ylläpitoon tietopohjaa, ja toisaalta meillä on nämä liittyvät päättelyä seurata. Taustalla on kaksi erittäin liittyviä ongelmia ja tarvitsevat toisiaan saavuttaa lopullinen ratkaisu.

    Joten sitten siirrymme kuvataan kutakin ongelmia mahdollisia ratkaisuja välttää niitä.

    Tietämyksen esittäminen

    Toistaiseksi meillä ei ollut maininnut missään kuin aioimme järjestää edustus tapauksissa ja varmasti tämä on yksi tärkeimmistä osista tämän järjestelmän avulla, koska mukaan organisaation olemme valinneet me kunnossa suuresti tehokkuutta ja asiantuntija järjestelmä on seurauksena laatu liuoksen saamiseksi; siksi tässä osassa ansaitsee erityistä huomiota.

    Tapaus-pohjainen päättely on hyvin riippuvainen rakenne, jossa tapauksissa on tallennettu. Koska ongelma ratkaistaan ​​kokemusten prosessi löytää ja sitova ratkaisu välillä tässä tapauksessa ja asia yritämme ratkaista on välttämättä tehokas. Suurin ongelma että edessä on päättää, mitkä elementit säilytä sitä tapauksessa löysi asianmukaisen rakenteen tehdä niin. On myös tarpeen päättää rakenne, joka tallentaa joukko tapauksia, että on, koska teemme organisaatio tapauksia, jotka muodostavat perustan tiedon ja indeksointi, kaksi tärkeimmistä ominaisuuksista varmistaa nopean pääsyn tapauksissa. Lopuksi olisi ongelma sen yhdistämiseen paketin tapaukset mallin tietopohjaa, jotta tämä tieto voidaan sisällyttää järjestelmään ja pääsee muun asiantuntijajärjestelmä.

    Määrittelyn ongelma, joka meidän on kuvata tapa ratkaista nämä ongelmat. Tässä tapauksessa olemme periaatteessa löytää kaksi mahdollista toteutuksia: malli dynaaminen muisti kehittämä Schank ja Kolodner ja malli luokat ja esimerkkejä Porter ja Bareiss.

    Dynaaminen muisti malli

    Perusajatuksena tässä mallissa on järjestää kaikki tapaukset, jotka jakavat joukon ominaisuuksia hieman yleisempi rakennetta kutsutaan yleistynyt episodi. Yleistynyt episodi sisältää kolme erilaista esineitä: sääntöjä, tapaukset ja indeksit.

    Säännöt ovat yhteisiä piirteitä kaikista tapauksista, jotka jakavat samat ominaisuudet, eli saman EG. Osalta tapauksissa lisäselvityksiä ei tarvita, koska se on oma tutkituista tapauksista toistaiseksi. Lopuksi hinnat ovat nämä ominaisuudet, toisin sääntöjä, jotka erottavat eri asioissa, jotka muodostavat EG. Joten indeksi tulee kohta suoremmin laajemmin tai suoraan asian episodi. Nämä indeksit koostuvat kahdesta osasta, nimi indeksin ja indeksin arvo.

    On helppo nähdä, että koko tietopohjaa, joka koostuu tapauksissa on verkko, joka on syrjintää eri tapauksissa jokainen solmu kaaviossa on yleistys episodi. Voimme myös nähdä, miten kukin parin arvojen indeksien tavoitteena on yleistää yhdestä episodi toiseen. Jotta voimme nähdä, miten tämä ääriviivat suunnitelma on tarpeeton, koska on olemassa useita polkuja yksittäistapauksessa tai EG.

    Kun meillä kuvauksen uusi tapaus ja meidän on etsimään paras ottelu toisen, jos he antavat meille tulo syötetään yläosaan rakenne, jossa säilytämme tiedot alkaen ensisijainen solmu. Hakuprosessi on samanlainen molempien talteenotto ja varastointi tapaus. Joten seuraavassa tämä on varsin looginen askel on, että kun yksi tai useampi ominaisuuksista tapauksessa sama yhden tai useamman joidenkin EG, ensimmäinen tapaus, että erotteluyksikkö aloitimme perustuu ominaisuuksiin ei yhteistä . Se on se, mitä teemme on menossa alas puusta, jos meidän on saavutettava joitakin lehtiä. Vuoden säästö uusi tapaus, kun jotkut piirre tapauksessa sama ominaisuus olemassa olevan, kokonaan uusi episodi on luotu, sitten molemmat syrjitään indexándose tapauksissa eri indeksejä tämän jakson. Siinä tapauksessa, että varastoinnin aikana Tässä tapauksessa kaksi tapausta tai kaksi valmiin EG kanssa sama indeksi, uusi vakava yleistys automaattisesti luotu. Jotta voimme nähdä, missä nimi menetelmän, kuuluvat tämä ominaisuus dynaaminen uudelleenjakoa muistia kuin otamme käyttöön uusia tapauksia.

    Elpymisen osalta tapausten kerran tavataan rakenne, toiminta liittyy tutkii EG ovat enemmän sääntöjä yhteistä kuvaus ongelmasta; Tämä on järkevää harkitsee meillä oli antanut kuvauksen, joka oli sääntö. Indeksit että samaa EG sitten tarkistetaan pyrkiäkseen että sisältävän kotelon ongelmallisin ominaisuuksia. Toisaalta, varastointi uusi kotelo on valmistettu sen jälkeen, kun sama rakenne kuin edellä on kuvattu, mutta lisäämällä dynaamisesti lisätä uusia jaksoja tarvittaessa. Tämä aiheuttaa suuren määrän kasvu verokantojen koska lisääntynyt useissa tapauksissa esiintyy helposti, minkä vuoksi monet käyttävät tätä rakenne asettaa rajoja sukupolven indeksien tapauksia. Esimerkki tämäntyyppisestä edustus tiedon olisi CYRUS.

    Malli luokat ja esimerkkejä

    Perusfilosofia tämä menetelmä on ymmärtää esimerkkitapauksia reaalimaailman, eikä vain käsitteitä. Todellisessa maailmassa, ei kaikkia ominaisuuksia esineet ovat yhtä tärkeitä, on joitakin, jotka ovat enemmän painoa kuin toiset kuvaus sama, ja mikä tämä malli yrittää korostaa on tämä. Lisäksi, näistä esimerkeistä voidaan luokitella, eli voidaan järjestää mukaan ryhmiin, johon se kuuluu.

    Pohja on tehtävä jäsennelty luokkiin, kotelot ja osoittimia indeksit verkkoon. Kuten olemme määritelleet sen tarvitsemme kussakin tapauksessa liittyy tiettyyn luokkaan ja osoittimia, joilla on sama määritelmä kuin edellisessä mallissa, ne on kolmenlaisia: Indeksit, jotka yhdistävät ominaisuudet ongelmia tapauksissa tai ryhmiin, myös joukkovelkakirjojen eri naapurimaiden tapauksissa eli tapauksissa naapurit vaihtelevat vain muutamia ominaisuuksia. Viimeinen tyyppi on, että niistä, jotka ovat unionin luokkien välillä ja kehuu tapauksissa liittyvät kyseisiin luokkiin. Kuten voimme nähdä on hyvä huomata, että ominaisuudet voidaan yhdistää paitsi esimerkkeihin, vaan myös ominaisuuksiin, on näitä yhteisiä piirteitä kaikille esimerkkejä, jotka ovat osa tähän ryhmään.

    Etsi tapauksessa tietopohjaa, joka vastaa kuvausta se tehdään yhdistämällä ominaisuudet tulon ja valitaan ne, jotka ovat saman ryhmän, ottaen huomioon Valitse luokka joudumme perustuu että luokka, joka on enemmän yhteistä asia, josta aloitimme. Tallenna uusi asia meidän täytyy tehdä on löytää ottelu, jos haluamme esitellä niitä käyttämällä indeksejä. Jos asia on todettu vain pieniä eroja kanssa niin, että jo olemassa ei tarvitse tallentaa tai voi yhdistää ominaisuuksia kahdessa tapauksessa, jos ei asia löytyy, uusi asia on tullut perusteella tosiasiat.

    Talteenottoon

    Toipuminen alkaa osittain ongelman kuvaus panos, jonka tavoitteena on elpymisen vaiheessa vastaus useita tapauksia, jotka aiheuttavat enemmän yhtäläisyyksiä alkuperäisen tapauksessa eli ominaisuudet omaavaa enemmän vastaamaan mahdollisimman alkuperäisessä tapauksessa. Tunnistaminen prosessi pohjimmiltaan alkaa sarjan kuvaukset ongelma tulee olemaan pohjana, josta yritämme löytää joitakin yhtäläisyyksiä olemassa olevaan tapaukseen tietopohjaa.

    Sitten siirrymme kuvaamaan eri vaiheissa, jotka voivat jakaa elpyminen tapauksia meillä tietopohjaa.

    Tunnistaminen ominaisuudet

    Tunnistaa ongelma ensimmäinen paikka, kuten olemme sanoneet on tarpeen tietää joitakin ensimmäisen kuvaukset ongelma, mutta yleensä, erityisesti tapauksissa, joissa käsitellään kysymyksiä, jotka liittyvät suuria määriä tietoa, tarkemmin tarvitaan ongelma, jotta voimme ymmärtää ongelman ja sen asiayhteys. Joten on tarpeen säätää paitsi kuvaus ongelmasta on ratkaistava, mutta myös kuvaus kaikista niitä tärkeitä osatekijöitä yhteydessä ongelmia.

    Alkuperäinen ottelut

    Työ löytää hyvän kumppanuuden esiintymä tietopohjaa ja ongelmamme voidaan jakaa kahdella eri langalla: alkuprosessi mahdollisuuksien ehdokkaat haetaan, ja toinen prosessi, joka on valittu kaikkien ehdokas sopivin. Ensinnäkin, löytää että joukko tapauksia, jotka on ottelu meidän ongelma meidän on perustuttava kuvaukset alkuperäisen ongelman ja ominaisuudet heillä kunkin tapauksen tallennettu. On lähinnä kolme tapaa hakea tapaus tai joukko tapauksia: seuraava suora indeksointi merkitä viitteitä ominaisuuksien tapauksessa tutkii rakenteeseen indeksoitu, tai etsivät mallin tapauksessa viimeistään tietopohjaa.

    Jos vedämme on oltava yhteisiä piirteitä ongelma haluamme ratkaista, ja kuten tapauksissa paljon niiden yhteisiä piirteitä ilmeistä ovat parhaat ehdokkaat valitaan riippuen strategia, mutta nämä eivät ole ainoa Valitut ehdokkaat voivat myös olla tapauksia, että on joukko yhteisiä piirteitä ongelma.

    Valinta

    Tehtyään enemmän tai vähemmän tyhjentävä haku kaikista tapauksista poimia niitä tapauksia, jotka esittävät enemmän yhteisiä piirteitä, se on saavuttanut pisteen, jossa se on tarpeen valita Tästä ehdokkaista ne todennäköisimmin tapauksissa olla hyvä ratkaisu ongelma. Usein paras ottelu välillä asian ja ongelma määräytyy uudelleenarvostus ensimmäinen valinta on tehtävä. Tämä tehdään, jotta etsimään mahdollisia selityksiä miksi he tekivät tämän valinnan, joka etsii keinoja perustella nämä valinnat. Jos syyt eivät ole tarpeeksi tehokkaita väittää, että tässä tapauksessa mahdollinen tulos hylätään ja jatkaa muissa tapauksissa järjestelmässä. Tämä valintaprosessi on monimutkaisempiin kuin viimeksi, lähinnä siksi edellisen joukko tapauksia meidän täytyi tarkistaa oli paljon parempi kuin nykyinen ja siksi tarkastukset voisi tehdä olivat vähäisiä, mutta joukko tapauksia pienempi on mahdollista tehdä entistä laaja testaus. Valintaprosessi yleensä tuottaa sarjan seurauksista valinta kunkin tapauksen seuraukset voidaan arvioida uudelleen. Myös tässä tapauksessa valintaprosessissa ne on luokiteltu mukaan parhaansa samankaltaisuus alkuperäistä ongelmaa tai ei, tämä on tapa kuin tilata niitä mukaan niiden soveltuvuutta tulevaisuuden lopputuloksen ehdokkaita. Muut kriteerit valintaprosessissa on syrjintää, että jotkut erityispiirre ei ole sama, jne.

    Lopussa täytäntöönpanon tässä vaiheessa löydämme joukko tapauksissa niitä, jotka on valittu uudelleen, eli käytettäväksi kehittämässä ratkaisua ongelmaan aluksi, että me nostettiin. On tärkeää, että tuloksena tästä valintaprosessista, tuloksena tapaukset ovat riittävän samanlaisia ​​tavoitteita vaatimat ongelma, koska jos tämä prosessi ei ole kunnossa tulla halusi, seuraavassa saadut tulokset eivät olisi niin hyvä kuin halutaan.

    Menetelmät uudelleen

    Uudelleenkäyttö tapauksissa on erittäin tärkeää, koska oikea täytäntöönpanoa tätä tekniikkaa antaa meille mahdollisuuden parantaa niiden hyödyntää ominaisuuksia, jotka ovat tapaukset ja siten parantaa tapamme rakentaa lopullinen ratkaisu.

    Talteen otettujen tapausten perustuu pääasiassa kahteen asiaan:

    • Erot tapauksessa talteen tietopohjaa ja uusi tapaus.
    • Se osa asian talteen tietopohjaa voidaan käyttää uusissa tapauksissa.

    Kaikesta tästä on olemassa useita tekniikoita, jotka edetä kuvaamaan, joiden avulla voimme parantaa tapaa, jolla me uudelleen esiintyvät tapaukset järjestelmään.

    Kopio

    Prosessissa yksinkertaisempi luokittelu, joka tehdään on ensimmäinen abstraktio ominaisuuksista niin, että olemme jälleen unohtamatta että kaikki tarvittavat tiedot. Kaikki nämä ominaisuudet kopioidaan uuteen tapauksessa, että olemme rakentamassa. Kuten voimme nähdä se on hyvin yksinkertainen menetelmä, mutta pitää mielessä useita asioita, kuten eroja kaksi tapausta ja usein ei voi kopioida suoraan ensin mukauttaa joitakin ominaisuuksia. Sopeutumisaikaa nähdä sen alla.

    Sopeuttaa

    On kaksi eri tapaa kieltäytyä tapauksissa tai suoraan kieltäytyä kaikista ratkaisun tapauksessa, jossa me rakentaa tai uudelleen menetelmän käytämme saavuttaa ratkaisu tässä asiassa, että on, miten saimme päästä tätä ratkaisua . On selvää, että uudelleenkäyttö tapauksessa tämä asia ei ole sama kuin tällä hetkellä yrittää ratkaista ja siksi ratkaisuja meillä tietopohja ei useimmiten tarjota ratkaisuja ratkaista uusia. Niin kaikki, ja että ei voida soveltaa tapauksessa ominaisuuksia meillä tietopohjaa uuden jos voit mukauttaa nämä uuden asian toiminnan sopeutumista. Nämä toimet on järjestettävä jollakin tavalla, ja yksi tapa tehdä se on kautta indeksit nämä erot kahdessa tapauksessa.

    Arvostelu menetelmät

    Toinen tärkeä asioita rakentamassa ratkaisu on vahvistus siitä, että ratkaisu olemme rakentaneet on todella oikea ja ratkaista ongelma olemme nostaneet. Kaikki ja kuten olemme sanoneet nämä järjestelmä ei perustu pelkästään oikeat ratkaisut toimittaa, jos ei väärässä ratkaisuja käyttöön myös tietopohjaa esimerkkinä virheitä niin, että järjestelmä ei luoda uudelleen ratkaisuja, jotka erehtyä ja mahdollistavat parempia ratkaisuja. Tämä vaihe on mitä me kutsumme lue ja periaatteessa voitaisiin jakaa 2 vaihetta: arvioida syntyy ratkaisu, jos tämä on oikea lisäämme tietopohjan mutta jos tämä on väärä ratkaista ongelmia se on ja tulee oppia tästä virheestä .

    Sitten edetä kuvaamaan lisätietoja kullekin seuraavista:

    Ratkaisu Arviointi

    Arviointi liuoksen suoritetaan käyttämällä itse liuoksen todellisessa maailmassa, eli testaus tapahtuisi, jos käytetään liuosta, joka oli saatu yhteydessä, että olimme tuottaneet ongelmia. On selvää, ratkaisu ei tarvitse testata suoraan reaalimaailman, mutta tämä maailma voidaan simuloida ja kerätä saadut tiedot tämän simulointi. Aika kesti nähdä testin tulokset voivat vaihdella asiayhteydestä, jossa olemme, mutta entä jos se on varmaa, että saamme Näiden testien on, onko valinta tämän ratkaisun onnistunut vai ei. Voit tehdä tämän meidän täytyy ostaa arvot saadaan ratkaisu soveltaa ratkaisun yhteydessä arvoihin odotetaan saada joko moitteettoman toiminnan järjestelmän, oikea ratkaisu ongelmaan, jne. Joten lopputulos tämän arvioinnin saavat, jos ehdotettu ratkaisu on käyttäytynyt odotetusti yhteydessä testaus.

    Korjaa virheet

    Kun arviointi liuoksen seuraava looginen askel on korjata mahdolliset virheet, jotka saattavat olla ratkaisuun tietoja se oli antanut meille kokeilua. Kuten olemme sanoneet aiemmin prosessissa korjata virheet paitsi korjaus virheitä, esittelee haetaan ratkaisua, mutta jos tavoitteena on lisätä uuden tapahtuman järjestelmään mutta tässä tapauksessa kutsutaan virhe. Tämä on myös taustatietoa, ja avustaa asiantuntija järjestelmä tekemään tulevaisuudessa päätöksiä jolloin järjestelmä palaa ei tee samoja virheitä. Nämä tapaukset tulevaisuudessa päättelyä ei voida pitää mahdollisia ratkaisuja, mutta ne on katsottava mitättömäksi ratkaisuja, eli jos parhaillaan perustelut tulla mitään näistä ratkaisuista, meidän ei tarvitse jatkamaan validointi liuos suoraan voisimme päätellä, että se on väärä ratkaisu. Myös ei vain, mutta nämä virheellinen tapauksissa voi auttaa suoraan päättelyä uusiin ratkaisuihin, joita ei olisi saavutettu. Esimerkissä että meillä oli takia Luis ja Euro, esimerkiksi korjata vakavia virheitä, kuten laskemisesta Cesc pelata ensimmäinen peli ja nähdä miten teet mitään, sitten näki sen "oppii" Cesc ei ole parhaimmillaan ja Hän päättää, että jälkipuoliskolla pelata toisen hänen sijaansa. Tässä tapauksessa näemme, että ratkaisu oli saanut perustelut edetä olisi toteutettu todellinen tapaus, jolla omakohtaisesti, mitä tulosten perusteella kokeilu, ja voi oppia näistä virheistä.

    Oppiminen Menetelmät

    Online oppiminen tapaus-pohjainen päättely on todella tärkein osa järjestelmää, ei vain koska se on vastuussa laajentaa tietopohjan järjestelmän, mutta myös koska se todella on osa, joka todella mahdollistaa järjestelmän kehittyä ja kasvaa sillä ilman tätä osaa, edes paras järjestelmä perustuu päättely järjestelmä elinpäivinä ei enää pystyisi oppimaan ja puri heitä muuttamaan Osaamisen ei voi kunnolla ratkaista asioita. Sitten tulemme keskustelemaan eri toimenpiteet tässä oppimisprosessissa.

    Uute

    Jos perustuvaa päättelyä tietopohja päivitetään, kun ongelma on ratkaistu. Jos ongelma on ratkaistu käyttämällä aiemmassa asiassa, uusi tapaus rakennetaan tai vanha asia, josta olemme saaneet ratkaisu on yleistetty sisältämään tätä uutta tapauksessa, jos ongelma on ratkaistu muilla menetelmillä, mukaan lukien viestintä käyttäjä, uusi tapaus syntyisi. Joka tapauksessa, sinun täytyy tietää, että käytämme lähteenä tiedon tallennettu tietopohjaa. Kuvaus ongelmasta ja ratkaisut ongelmiin ovat loogisia ehdokkaita, mutta selitys tai muuta perustelua miksi ratkaisu on ratkaisu ongelmaan voidaan saumattomasti sisällyttää uusi asia. Esimerkiksi CASEY ja puro selitykset sisältyvät myös tapauksissa ja sen jälkeen käytetään muutettaessa ratkaisu. CASEY käyttää rakenne edellä selitys jouduimme etsimään muita valtioita diagnostinen malli selittää, miksi lähtötiedot ongelman, jonka tavoitteena on ottaa ratkaista näihin kysymyksiin löytää parempi ratkaisu.

    Indeksointi

    Ongelma indeksointi on yksi tärkeimmistä kysymyksistä asiassa perustuvaa päättelyä. Sinun täytyy päättää, millaista indeksointi käyttää tulevaa käyttöä varten tapauksiin tallennettu tietopohjaa, jotta tällainen pääsy voidaan tehdä helposti. Suora indeksointi, kuten aiemmin mainittiin, me ohittaa viimeisen vaiheen, mutta silti olisi edelleen ongelma tyypin tunnistamiseksi indeksointitoiminnon käytön. Tämä olisi ongelma tämän tiedon hankkiminen, ongelma on analysoitava osana analyysin tietopohjaa. Triviaali ratkaisu tähän vakavaan ongelmaan suoraan käyttää kaikkia ominaisuuksia indeksit.

    Yhdistää

    Tämä on viimeinen vaihe hankkimassa uutta osaamista tietopohjaa. Jos sinulla ei ole ollut tehdä tapahtuman tai Uudelleenindeksointi yrittää jättää tietopohjaa kuin se oli, koska ei ollut tarvetta tehdä muutoksia .. Jos sinun piti muuttaa indeksointi joissakin tapauksissa, jotka olivat tietopohjan, niiden on sisällyttää nämä muutokset tietopohjaa. Tämä prosessi integraation tietopohjaa muutokset on tehtävä erityisen huolellisesti, koska lopputulos on oltava tietopohjaa, joka edelleen asianmukaisesti indeksoidaan jotta tulevat pääsy siihen .

    Esimerkit

    Toistaiseksi selityksiä, jotka on tehty se on tuomittava aina mukana näitä yksinkertaisia ​​esimerkkejä ymmärtämisen helpottamiseksi kysymyksiä. Olisi kuitenkin mielenkiintoista kerran analysoitava perusteellisesti perusteet oikeuskäytännön perusteella päättely, analysoimalla joissakin tapauksissa korkea monimutkaisuus, joiden avulla voimme parantaa ymmärrystä aiheesta. Alla esittelemme joukon esimerkkejä, joiden avulla lukija nähdä, miten soveltaminen oikeuskäytännön perusteella päättely todellisessa tilanteessa tehtäisiin.

    Asia-pohjainen järjestelmä etäopetuksen

    Esimerkki todellinen sovellus, ehdotetaan otsikon mukaisesti perustuu luomaan asiantuntija järjestelmä etäopetuksen kanssa päätavoitteena automatisoida oppimisen koulutus elin päässä. Jota varten se on jouduttu mallintaa tietoa opetus-oppimisprosessi, joka tapahtuu välillä opettaja, jolla on kokemusta etäopetuksen, ja opiskelijat, jotka täyttävät yleiset ja uudelleen menettelyt siirtyä näiden mallien järjestelmä, joka saa tukea prosessia opetus / oppiminen realistisemmin ja tehokkaammin. Toisin sanoen sitä on saavuttaa saada kohtuullisen selvä, täydellisiä, tarkkoja ja yksiselitteisiä tehtävien kuvaus että opettaja ja opiskelija suorittaa, kun siihen kohdistuu oppimisprosessi etäältä, ja siten saada mallin tiedon taso, joka ilmentää eri toimet ja suhteista opiskelijan ja opettajan, ja jolla saavutetaan taustalla muodollinen malli, että kuvaus, jonka avulla voimme liittää sen primitiivinen laskettavissa ohjelmointiympäristö, luoda tietoon perustuvan etäopetuksen järjestelmä.

    Ehdotettu tietoon perustuva järjestelmä mahdollistaa opettaja toisaalta, tuottaa kurssin tavoitteiden mukaan, jotka mahdollistavat yksityiskohtaisesti materiaalit ja opetusstrategioita parhaiten"Yhteinen" opetusstrategioita että muutetaan ajan mittaan, ja räätälöidään käyttäjille heidän tarpeisiin. Opiskelija Lisäksi järjestelmä voi ohjata opiskelijaa pitkin erityisesti verkkotunnuksen tietoa ehdottaman opettaja, tämän prosessin aikana ratkaista tehtäviä, kuten kehittämiseen mentorointia strategia, ehdotti oheismateriaalit opiskella aihe loki käyttäjien toimintaa ja tuottaa uusia strategioita uusia tapauksia.

    Painopiste prosessia havainnollistetaan mallin käytön tapauksissa, joissa toimijat ovat vuorovaikutuksessa eri prosesseihin. Tämän lähestymistavan mukaan kukin moduuli edellä mainitun edustaa joukko yhden tai useamman älykkäitä agentteja. Nämä laitokset tekevät yhteistyötä keskenään, ja lopullisena tavoitteena on saavuttaa keskeinen tavoite järjestelmän: osaamisen välittämiseen opiskelijoille ja tuottaa enemmän kurssien kautta automaattisen sukupolven strategioiden opetus / oppiminen, että puku opiskelijat .

    Kuten näemme, tämä on ongelma, joka voitaisiin ratkaista täydellisesti käyttäen asiantuntija perustuvaa päättelyä, koska mitä ajatus käyttää tapauksissa tallentaa tietoa ja että tätä käytetään rakentaa seuraavia ratkaisuja sopii kehityksen ongelma.

    Se perustuu Kotelot määrittely liiketoimintamalli järjestelmä

    Tämä esimerkki on tarkoitettu suunnittelemalla tietoon perustuva järjestelmä, jonka päätavoitteena on luoda liiketoimintamalleja. Tämä on tyypillisesti tietokone ongelma, ja että jos analysoitu perusteellisesti näkee joka seuraa tiettyä kaavaa. Siksi sen täytäntöönpano muodossa asiantuntijajärjestelmä on looginen. Jos analysoimme perusteellisesti soveltuvuutta täytäntöönpanossa asiantuntija, joka käyttää asiassa perustuvia päättelyä voi nähdä, että on hyvä vaihtoehto, koska tällaisissa tilanteissa, kaikki jotka voitaisiin myös valmistettu sääntöihin perustuva järjestelmä olisi sopivampi käyttää menetelmää tapauksista koska suunnittelu yritysjärjestelmien on variantti melko työtä, ja se on mielenkiintoista tarkastella mahdollisuutta rakentaa uusia ratkaisuja olemassa olevia ratkaisuja, jotka perustuvat tapauksiin, jotka ovat samanlaisia ​​yhteyksissä.

    Tämä antaisi meille mahdollisuuden rakentaa räätälöidyn ratkaisun ongelmaan meillä oli ovella. Yksi niistä asioista, meidän on todella kysyä, onko rakastat toisiaan ratkaista ongelma ei ole liian suuri suhteessa nykyisten mahdollisuuksia ratkaista se, että on olemassa liian paljon yhteyksissä tai tyyppisiä ongelmia ratkaista. Tässä tapauksessa olen sitä mieltä, että jos, kuten he voivat rakentaa liiketoimintamalleja tahansa järjestelmän, ja siksi paljon tietoa yleensä tarvitaan. Kaikki ja että jos me katsomme taaksepäin voimme nähdä ongelma monissa tapauksissa ei ole tarpeen tietää hyvin yhteydessä ongelma, ja ratkaista kaikki hyvin samalla tavalla.

      0   0
    Edellinen artikkeli Tarkastusasema
    Seuraava artikkeli P / p

    Kommentit - 0

    Ei kommentteja

    Lisääkommentti

    smile smile smile smile smile smile smile smile
    smile smile smile smile smile smile smile smile
    smile smile smile smile smile smile smile smile
    smile smile smile smile
    Merkkiä jäljellä: 3000
    captcha