RUB » LMI » Mitarbeiter » H. Simon » Other Publications » Algorithmisches Lernen auf der...

Algorithmisches Lernen auf der Basis empirischer Daten

Abstract.  Es ist eine grundlegende Fähigkeit, empirische Erfahrungen in Hypothesen über die Wirklichkeit zu transformieren. Die resultierende Hypothese, gleichgültig ob sie bewußt oder unbewußt vorliegt, repräsentiert das in den Daten angereicherte Wissen in einer kompakteren und verallgemeinerten Form. Der andauernde Prozeß, Hypothesen und empirische Erfahrungen in Einklang zu bringen, ist eine Form des Lernens. Während das menschliche Lernen uns scheinbar mühelos befähigt, sprachliche oder visuelle Begriffe zu erwerben und komplexe motorische Aktionen ausfzuführen, widersteht es dennoch weitgehend allen Versuchen, es in eine algorithmische Form zu bringen und auf Maschinen zu übertragen.
Wir wollen in unserem Beitrag ein Lernmodell (das von L. Valiant 1984 entwickelte 'pac-learning') vorstellen und auf neuere Arbeiten am Fachbereich Informatik der Universität Dortmund eingehen. Im Rahmen dieses Modelles werden Begriffe wie 'effiziente und erfolgreiche Lernalgorithmen' in einer präzisen Weise gebraucht. Es wird dadurch möglich, mit Methoden der Statistik konkrete Aussagen über die erforderliche Größe empirischer Datenbestände zu machen, um zu zuverlässigen Hypothesen zu gelangen. Wir werden die grundsätzliche Vorgehensweise auf das Lernen mit neuronalen Netzen übertragen und an konkreten Netzarchitekturen veranschaulichen.