Abstracts der COWAN'94

Integration Neuronaler Netzwerke mit Symbolischer Wissensverarbeitung

D. Korus
Fachgebiet Informatik der Philipps-Universität Marburg

Unter Künstlichen Neuronalen Netzen (KNN) wird von uns eine biologisch motivierte Architektur für Informationsverarbeitungssysteme, zusammen mit einer entsprechenden Programmiermethode, verstanden. Diese Architektur ist Hauptsächlich durch eine Vielzahl einfacher Prozessoren, Neuronen oder Units genannt, und einem Netzwerk veränderbarer, gewichteter Verbindungen charakterisiert. Der Programmiervorgang wird als Lernen oder Training bezeichnet. Unter einem Expertensystem kann man ein Computerprogramm verstehen, welches eine explizite und formelle Repräsentation von "Wissen" (symbolische Repräsentation von Objekten, Tatsachen und Regeln die mit Hilfe von symbolischen Verarbeitungsmöglichkeiten, z.B. durch einen Menschen, interpretierbar sind) in Form einer Wissensbasis enthält. Ein Expertensystem ist in der Lage aus diesem Wissen Schlüsse zu ziehen und die Schlußfolgerungen zu erklären. Während Expertensysteme sehr effektiv mit symbolischem Wissen (z.B. Regeln) umgehen können, sind sie meist nicht in der Lage subsymbolische Daten zu verarbeiten. Dies jedoch ist ein geeignetes Feld für künstliche Neuronale Netze, was eine Integration beider Ansätze angemessen erscheinen läßt. Vier verschiedene Methoden zur Integration künstlicher neuronaler Netze und Expertensysteme können unterschieden werden. Sie werden "Neuronal Approximierte Beurteilung", "Neuronale Unifikation", "Introspektion" und "Integrierte Wissensaquisition" genannt. Die Einbeziehung von künstlichen Neuronalen Netzen zur integrierten subsymbolischen und symbolischen Wissensaquisition realisiert einen neuen Typus des Lernens aus Beispielen. Unüberwachte Lernverfahren sind in der Lage, Regelmäßigkeiten aus Daten zu extrahieren. Aufgrund der verteilten subsymbolischen Repräsentation sind künstliche Neuronale Netze jedoch nicht fähig, ihre Inferenzen zu erklären. Bei der "Integrierten Wissensaquisition" können die gewonnenen Regeln wie Expertenregeln genutzt werden. Speziell ist es möglich, Erklärungen für die aus dem künstlichen Neuronalen Netze entstandenen Inferenzen zu geben. Unter Ausnutzung der Eigenschaften künstlicher Neuronaler Netze ist das System sogar in der Lage, sehr effektiv verrauschte und unvollständige Daten zu verarbeiten.

Zurück zur Hompage der Cowan!