事例に基づく概念の学習
スポンサーリンク
概要
- 論文の詳細を見る
事例に基づく推論(Case-Based Reasoning:CBR)は,問題解決と学習の両面からとらえることができる。過去の事例を修正し新しい問題に対する解答を与える面では問題解決である。一方,修正を施された過去の事例が,次回からの利用のために解析され,記憶構造の適切な位置に記憶される過程は,学習であると考えられる。本稿では,抽象度によって階層化された事例記憶を前提とし,事例を修正した結果を利用して領域知識および事例記憶の構造をより適切なものに修正・変更する手法を提案する。これにより,事例の蓄積が進むにつれ,検索効率が改善され,また,より適切な事例を検索できることになる。
- 社団法人情報処理学会の論文
- 1990-09-04
著者
関連論文
- 法的推論システムHELIC-II(4) : 論理構築支援
- 法的推論システムHELIC-II(3) : 判例を用いた類似検索と判断生成
- パターンに基づく推論によるATM必要資金量予測
- 法的推論システム HELIC-II
- 時系列データから自動発見されるパターンにもとづく推論のPOSデータ活用への応用
- 法的推論システムHELIC-II(2) : 類似事例検索の改良と評価
- 事例に基づく概念の学習
- 事例に基づく推論のための事例ベース構築方法
- ユーザー指向エキスパートシステム構築ツールExPearls : 前向き推論エンジンの推論機構について
- ワイヤレスTVチューナの開発