Maschinelles Lernen für die Adaption von Parametern in Bildverarbeitungssystemen

Mehr zum Buch

Die Fähigkeit des Menschen, zu lernen und sich an neue Situationen anzupassen, ist zentral für menschliche Intelligenz. Diese Fähigkeit auf Maschinen zu übertragen, stellt eine der größten Herausforderungen der Künstlichen Intelligenz dar. In dem Buch wird ein System vorgestellt, das verschiedene Ansätze des maschinellen Lernens miteinander kombiniert. Durch Aktionen im Rahmen konkreter Problemlösungen werden Erfahrungen gesammelt, die genutzt werden, um das Wissen des Systems zu korrigieren und zu erweitern. Die Paradigmen deduktiver, induktiver und heuristischer Lernverfahren werden auf verschiedene Wissenstransformationsschritte abgebildet, um situationsspezifische Lerneffekte zu erzielen. Die Anwendungsmöglichkeiten des Systems werden anhand von SOLUTION demonstriert, einem wissensbasierten Konfigurationssystem für Bildverarbeitungssysteme. Dieses System verwendet explizites Wissen in Form von Regeln, um die Parameter mehrerer Bildverarbeitungsoperatoren optimal einzustellen und so die bestmögliche Problemlösung zu erreichen. Da es nicht möglich ist, einen vollständigen Regelsatz für alle Bildmaterialien und Problemstellungen zu erstellen, wird vorgeschlagen, solche Regelsätze mithilfe maschineller Lernverfahren zu generieren, um die Arbeit von Bildverarbeitungsexperten zu erleichtern oder teilweise zu automatisieren.