Vor Ort
Merkzettel Warenkorb
Produktbild: Ripple-Down Rules

Ripple-Down Rules The Alternative to Machine Learning

222,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

31.05.2021

Abbildungen

farbige Illustrationen, Tabellen, schwarz-weiss

Verlag

Taylor and Francis

Seitenzahl

196

Maße (L/B/H)

24/16,1/1,5 cm

Gewicht

520 g

Sprache

Englisch

ISBN

978-0-367-64766-7

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

31.05.2021

Abbildungen

farbige Illustrationen, Tabellen, schwarz-weiss

Verlag

Taylor and Francis

Seitenzahl

196

Maße (L/B/H)

24/16,1/1,5 cm

Gewicht

520 g

Sprache

Englisch

ISBN

978-0-367-64766-7

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
Die Leseprobe wird geladen.
  • Produktbild: Ripple-Down Rules

  • Preface

    Acknowledgements

    1 Problems with Machine Learning and Knowledge Acquisition

    1.1 Introduction

    1.2 Machine Learning

    1.3 Knowledge Acquisition

    2 Philosophical issues in knowledge acquisition

    3 Ripple-Down Rule Overview

    3.1 Case-driven knowledge acquisition

    3.2 Order of cases processed

    3.3 Linked Production Rules

    3.4 Adding rules

    3.5 Assertions and retractions

    3.6 Formulae in conclusion

    4 Introduction to Excel_RDR

    5 Single Classification Example

    5.1 Repetition in an SCRDR knowledge base

    5.2 SCRDR evaluation and machine learning comparison

    5.3 Summary

    6 Multiple classification example

    6.1 Introduction to Multiple Classification Ripple-Down Rules (MCRDR)

    6.2 Excel_MCRDR example

    6.3 Discussion: MCRDR for single classification

    6.4 Actual Multiple classification with MCRDR

    6.5 Discussion

    6.6 Summary

    7 General Ripple-Down Rules (GRDR)

    7.1 Background

    7.2 Key Features of GRDR

    7.3 Excel_GRDR demo

    7.4 Discussion: GRDR, MCRDR and SCRDR

    8 Implementation and Deployment of RDR-based systems

    8.1 Validation

    8.2 The role of the user/expert

    8.3 Cornerstone Cases

    8.4 Explanation_

    8.5 Implementation Issues

    8.6 Information system interfaces

    9 RDR and Machine learning

    9.1 Suitable datasets

    9.2 Human experience versus statistics.

    9.3 Unbalanced Data

    9.4 Prudence

    9.5 RDR-based machine learning methods

    9.6 Machine learning combined with RDR knowledge acquisition

    9.7 Machine learning supporting RDR

    9.8 Summary_

    Appendix 1 - Industrial Applications of RDR

    A1.1 PEIRS (1991-1995)

    A1.2 Pacific Knowledge Systems

    A1.3 Ivis

    A1.4 Erudine Pty Ltd

    A1.5 Ripple-Down Rules at IBM

    A1.6 YAWL

    A1.7 Medscope

    A1.8 Seegene

    A1.9 IPMS

    A1.10 Tapacross

    Appendix 2 - Research-demonstrated Applications

    A2.1 RDR Wrappers

    A2.2 Text-processing, natural language processing and information retrieval

    A2.3 Conversational agents and help desks

    A2.4 RDR for operator and parameter selection

    A2.5 Anomaly and event detection

    A2.6 RDR for image and video processing

    References

    Index