Künstliche Intelligenz für Ingenieure : Methoden zur Lösung ingenieurtechnischer Probleme mit Hilfe von Regeln, logischen Formeln und Bayesnetzen

The author provides an extensive introduction to designing and implementing "intelligent systems" using the methods of artificial intelligence combined with proven engineering methods. This third edition enhances, extends, and expands the presentation of the methods, examples, practice exercises, and solutions given in the appendix. * Based on 20 years of teaching experience at a number of German universities * Containing 194 figures, 60 examples, and 120 practice exercises as well as an introduction to the programming languages LISP and PROLOG Inhaltsverzeichnis Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch des Buches Einführung in die Künstliche Intelligenz 1 Das Fachgebiet Künstliche Intelligenz 1.1 Anliegen der Künstlichen Intelligenz 1.2 Ausgangspunkte 1.2.1 Mathematische Logik 1.2.2 Algorithmentheorie 1.2.3 Rechentechnik 1.3 Kurzer historischer Rückblick 1.3.1 Geburtsstunde: Dartmouth-Konferenz 1956 1.3.2 Die klassische Epoche: Spiele und logisches Schließen 1.3.3 Erste Erfolge:Verstehen natürlicher Sprache 1.3.4 Wissensbasierte Systeme undKI-Markt 1.3.5 Entwicklungstrend: Kognitive Systeme 1.4 Ingenieurtechnische Anwendungen der Künstlichen Intelligenz 1.4.1 Grundstruktur intelligenter technischer Systeme 1.4.2 Intelligente Agenten 1.4.3 Impulse der Künstlichen Intelligenz für die Lösung ingenieurtechnischer Probleme 1.5 Möglichkeiten und Grenzen der Künstlichen Intelligenz Literaturhinweise 2 Einführungsbeispiel 2.1 Qualitative und quantitative Beschreibung eines Wasserversorgungssystems 2.2 Einfache Methoden zur Verarbeitung von Regeln 2.2.1 Umformung der Wissensbasis 2.2.2 Verschachtelung der Regeln in einem Entscheidungsbaum 2.2.3 Anordnung der Regeln als Wissensbasis 2.3 Probleme der Wissensverarbeitung Literaturhinweise Teil 1: Problemlösen durch Suche 3 Graphensuche 3.1 Grundbegriffe der Graphentheorie 3.1.1 Vorgehensweise 3.1.2 UngerichteteGraphen 3.1.3 Suchprobleme 3.2 Bestimmung von Erreichbarkeitsbäumen 3.2.1 Tremaux-Algorithmus 3.2.2 Geradeaussuche 3.2.3 Breite-zuerst-Suche 3.2.4 Tiefe-zuerst-Suche 3.2.5 Eigenschaften der Suchalgorithmen 3.3 Bestimmung von Pfaden 3.3.1 Tiefe-zuerst-Suche von Pfaden 3.3.2 Optimale Pfade 3.3.3 DIJKSTRA-Algorithmus 3.3.4 Gleiche-Kosten-Suche 3.4 Heuristische Suche 3.4.1 Erweiterungsmöglichkeiten der blinden Suche 3.4.2 A*-Algorithmus 3.5 Anwendungsbeispiel: Bahnplanung für Industrieroboter 3.5.1 Aufgabenstellung und Lösungsweg 3.5.2 Beschreibung kollisionsfreier Bahnen im Konfigurationsraum 3.5.3 Planungsalgorithmus 3.5.4 Erweiterungen 3.6 Zusammenfassung 3.6.1 Problemlösen durch Suche 3.6.2 Struktur und Eigenschaften von Suchsystemen Literaturhinweise 4 RegelbasierteWissensverarbeitung 4.1 Zustandsraumdarstellung von Wissensverarbeitungsproblemen 4.1.1 Darstellung vonWissen in Formvon Regeln 4.1.2 Zustandsraumdarstellung 4.1.3 Wissensverarbeitung als Graphensuche 4.2 Problemlösen durchVorwärtsverkettung von Regeln 4.2.1 Vorwärtsverkettung 4.2.2 Verarbeitung von Schlussfolgerungsregeln 4.2.3 Verarbeitung von Aktionsregeln 4.2.4 Beispiel: Zusammenfassung von Widerstandsnetzwerken 4.2.5 Kommutative und nichtkommutative regelbasierte Systeme 4.2.6 Beispiel: Lösung von Packproblemen 4.3 Problemlösen durch Rückwärtsverkettung von Regeln 4.3.1 Rückwärtsverkettung 4.3.2 Anwendungsgebiete der Rückwärtsverkettung 4.4 Architektur und Einsatzgebiete regelbasierter Systeme 4.4.1 Allgemeiner Wissensverarbeitungsalgorithmus 4.4.2 Architektur regelbasierter Systeme 4.4.3 Einsatzcharakteristika regelbasierter Systeme Literaturhinweise 5 Wissensverarbeitung mit strukturierten Objekten 5.1 Begriffsbildung und strukturierte Objekte 5.1.1 Begriffshierarchien und Vererbung von Eigenschaften 5.1.2 Multihierarchien und Sichten 5.2 Semantische Netze 5.2.1 Syntax und Semantik 5.2.2 Kausale Netze 5.3 Frames 5.3.1 Grundidee der Wissensrepräsentation mit Frames 5.3.2 Anordnung von Frames in Generalisierungshierarchien 5.3.3 Erweiterungsmöglichkeiten 5.3.4 Vergleich von Frames mit anderen Wissenrepräsentationsformen Literaturhinweise 6 Funktionale Programmierung in LISP 6.1 Einführung in die funktionale Programmierung 6.1.1 Grundidee von LISP 6.1.2 Rekursive Funktionen 6.2 Syntax von LISP 6.2.1 Listen 6.2.2 LISP-Ausdrücke 6.2.3 Spezielle Auswertungsregeln 6.2.4 Verarbeitung von Listen 6.2.5 Definition von Funktionen 6.2.6 Bedingte Anweisungen und Let-Konstruktionen 6.3 Programmbeispiel: Tiefe-zuerst-Suche in Graphen 6.3.1 Programmelemente 6.3.2 Zusammenfassung zur Funktion „Erreichbarkeitsbaum“ 6.4 Merkmale der ProgrammierspracheLISP Literaturhinweise Teil 2: LogikbasierteWissensverarbeitung 7 Aussagenlogik 7.1 Einführung in die logikbasierte Wissensverarbeitung 7.2 Grundlagen der Aussagenlogik 7.2.1 Aussagen und logische Ausdrücke 7.2.2 Semantik logischerAusdrücke 7.2.3 LogischeGesetze 7.2.4 LogischeAusdrücke in Klauselform 7.3 Aussagenkalkül 7.3.1 Folgerungen 7.3.2 Ableitungsregeln der Aussagenlogik 7.3.3 Beweis aussagenlogischer Ausdrücke 7.3.4 Eigenschaften des Aussagenkalküls 7.3.5 Formale Systeme der Aussagenlogik 7.4 Problemlösen durch Resolution 7.4.1 Resolutionsprinzip der Aussagenlogik 7.4.2 Widerspruchsbeweis 7.4.3 Resolutionskalkül 7.4.4 Steuerung des Inferenzprozesses 7.5 Anwendungsbeispiel: Verifikation von Steuerungen Literaturhinweise 8 Prädikatenlogik 8.1 Grundlagen der Prädikatenlogik 8.1.1 Prädikate, logische Ausdrücke und Aussageformen 8.1.2 Prädikatenlogische Ausdrücke in Klauselform 8.1.3 Semantik prädikatenlogischer Ausdrücke 8.2 Prädikatenkalkül 8.2.1 Resolutionsregel der Prädikatenlogik 8.2.2 Resolutionskalkül 8.2.3 Merkmale von Resolutionssystemen 8.3 Resolutionswiderlegung in der logischen Programmierung 8.3.1 Resolutionsregel für Hornklauseln 8.3.2 Beweisverfahren der logischen Programmierung 8.4 Logik als Grundlage der Wissensrepräsentation und der Wissensverarbeitung 8.4.1 Modellierung technischer Systeme durch logische Ausdrücke 8.4.2 Beispiel: Prädikatenlogische Beschreibung von Planungsaufgaben 8.4.3 Vergleich von regelbasierter und logikbasierter Wissensverar beitung 8.4.4 Erweiterungsmöglichkeiten der klassischen Logik Literaturhinweise 9 Logische Programmierung in PROLOG 9.1 Einführung in die logische Programmierung 9.2 Syntax von PROLOG 9.3 Abarbeitung logischer Programme 9.3.1 Semantik logischer Programme 9.3.2 Steuerfluss bei der Verarbeitung logischer Programme 9.3.3 Interpretation des Ergebnisses 9.4 Programmelemente 9.4.1 Listen 9.4.2 Rekursive Programmierung 9.4.3 Built-in-Prädikate 9.5 Programmbeispiele 9.5.1 Bestimmung von Pfaden in gerichteten Graphen 9.5.2 Zusammenfassung eines Widerstandsnetzwerkes 9.5.3 Handlungsplanung für Roboter 9.6 Anwendungsgebiete von PROLOG Literaturhinweise Teil 3: Verarbeitung unsicheren Wissens 10 Nichtmonotones Schließen und ATMS 10.1 Probleme und Lösungswege für die Verarbeitung unsicheren Wissens 10.1.1 Quellen für die Unbestimmtheiten der Wissensbasis 10.1.2 Probleme der Darstellung und der Verarbeitung unsicheren Wissens 10.1.3 Überblick über die Behandlungsmethoden für unsicheres Wissen 10.2 Darstellung veränderlichen Wissens 10.3 Grundidee des ATMS 10.3.1 Begründungen 10.3.2 ATMS-Graph 10.3.3 Lokale und globale Umgebungen 10.4 Erweiterungen 10.4.1 Verwaltung logischerAusdrücke 10.4.2 Behandlung logischerWidersprüche 10.4.3 Zusammenspiel von Problemlöser und ATMS 10.5 Anwendungsbeispiel: Analyse eines verfahrenstechnischen Prozesses 10.5.1 AussagenlogischesModell 10.5.2 Bildung des ATMS-Graphen 10.5.3 Analyse und Prozessüberwachung mit dem ATMS 10.6 Fehlerdiagnose mit ATMS 10.6.1 Modellbasierte Diagnose 10.6.2 Diagnoseprinzip GDE 10.6.3 Realisierung von GDE mit einem ATMS 10.6.4 Erweiterungen Literaturhinweise 11 Mehrwertige und unscharfe Logik 11.1 Mehrwertige Logiken 11.1.1 LogischeAusdrücke der dreiwertigen Logik 11.1.2 Ableitungsregel und Theorembeweisen 11.1.3 Erweiterung von dreiwertiger auf mehrwertige Logiken 11.2 Wissensverarbeitungmit unscharfen Mengen 11.2.1 UnscharfeMengen 11.2.2 UnscharfeMengen in der Wissensrepräsentation 11.2.3 Unscharfe Logik 11.2.4 Fuzzifizierung und Defuzzifizierung 11.2.5 Anwendungsbeispiel: Fuzzyregelung Literaturhinweise 12 Probabilistische Logik und Bayesnetze 12.1 Wahrscheinlichkeitstheoretische Modelle 12.1.1 Übersicht über die wahrscheinlichkeitstheoretische Behandlung unsicheren Wissens 12.1.2 Aussagenlogische Beschreibung zufälliger Ereignisse 12.1.3 Wahrscheinlichkeit logischerAusdrücke 12.2 Probabilistische Logik 12.2.1 Modus Ponens der probabilistischen Logik 12.2.2 Fehlende Modularität der probabilistischen Logik 12.2.3 Bayessche Inferenzregel 12.2.4 Lösung von Diagnoseaufgaben 12.2.5 Aussagekraft probabilistischer Folgerungen 12.2.6 Anwendungsgebiete der probabilistischen Logik 12.3 Bayesnetze 12.3.1 Abhängige und unabhängige Ereignisse 12.3.2 Darstellung wahrscheinlichkeitstheoretischer Modelle durch Bayesnetze 12.3.3 Modellbildung mit Bayesnetzen 12.3.4 Kausales Schließenmit Bayesnetzen 12.3.5 Diagnostisches Schließen mit Bayesnetzen 12.3.6 Erweiterung der Bayesnetze 12.4 Zusammenfassung und Wertung Literaturhinweise 13 Heuristische Verfahren zur Darstellung und zur Verarbeitung unsicheren Wissens 13.1 Wissensverarbeitung auf der Grundlage der Evidenztheorie 13.1.1 Grundlagen der Evidenztheorie 13.1.2 Dempster-Regel 13.1.3 Erweiterung der Aussagenlogik mit Hilfe der Evidenztheorie 13.2 Heuristische Methoden 13.2.1 Beschreibung der Unbestimmtheit desWissens durch Konfidenzfaktoren 13.2.2 Verarbeitung der Konfidenzfaktoren bei Ableitungen 13.3 Vergleichende Zusammenfassung der Methoden zur Verarbeitung unsicheren Wissens Literaturhinweise 14 Merkmale und technische Anwendungsgebiete der Wissensverarbeitung 14.1 Strukturwissensbasierter Systeme 14.2 Wissensrepräsentation 14.2.1 Modellbildung 14.2.2 Deklaratives und prozedurales Wissen 14.2.3 Anforderungen an die Wissensrepräsentation 14.2.4 Wissensrepräsentationsmodelle 14.2.5 Modularität der Wissensrepräsentation 14.2.6 Wissenserwerb 14.3 Wissensverarbeitung 14.3.1 Zusammenfassung der Verarbeitungsmethoden 14.3.2 Problemspezifikation und Algorithmierung 14.4 Ingenieurtechnische Anwendungsgebiete Literaturverzeichnis Anhänge Anhang 1: Lösung von Übungsaufgaben Anhang 2: Grundlagen der Wahrscheinlichkeitsrechnung Anhang 3: Aufgaben zur Prüfungsvorbereitung Anhang 4: Projektaufgabe Anhang 5: Fachwörter deutsch – englisch Sachwortverzeichnis

Der Autor vermittelt eine umfassende Einführung in Entwurf und Realisierung "intelligenter Systeme" unter Nutzung der Methoden der Künstlichen Intelligenz in Verbindung mit erprobten Methoden der Ingenieurwissenschaften. Die dritte Auflage (2016) verbessert, ergänzt und erweitert die Darstellung der Methoden, die Beispiele und die Übungsaufgaben sowie die im Anhang angegebenen Lösungen.

Der Autor vermittelt eine umfassende Einführung in Entwurf und Realisierung "intelligenter Systeme" unter Nutzung der Methoden der Künstlichen Intelligenz in Verbindung mit erprobten Methoden der Ingenieurwissenschaften. Die dritte Auflage (2016) verbessert, ergänzt und erweitert die Darstellung der Methoden, die Beispiele und die Übungsaufgaben sowie die im Anhang angegebenen Lösungen