Συλλογιστική Βάσει Περιπτώσεων (CBR)
Η συλλογιστική βάσει περιπτώσεων (CBR) επιλύει ένα νέο πρόβλημα ανακτώντας παρόμοια προβλήματα που επιλύθηκαν στο παρελθόν και προσαρμόζοντας τις λύσεις τους, αντί να συλλογίζεται από τις πρώτες αρχές ή ένα εκπαιδευμένο στατιστικό μοντέλο. Τυποποιημένη ως ο κύκλος Ανάκτησης-Επαναχρησιμοποίησης-Επιδιόρθωσης-Διατήρησης (Retrieve-Reuse-Revise-Retain) από τους Aamodt και Plaza το 1994 και δημοφιλής από την Janet Kolodner, η CBR αντικατοπτρίζει τον τρόπο με τον οποίο οι ανθρώπινοι ειδικοί στην ιατρική, τη νομική και τη μηχανική συλλογίζονται αναλογικά από απομνημονευμένες περιπτώσεις, και μαθαίνει απλώς αποθηκεύοντας κάθε νέα επιλυμένη περίπτωση.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Aamodt, A., & Plaza, E. (1994). Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI Communications, 7(1), 39–59. DOI: 10.3233/AIC-1994-7104 ↗
- Kolodner, J. L. (1992). An introduction to case-based reasoning. Artificial Intelligence Review, 6(1), 3–34. DOI: 10.1007/BF00155578 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Case-Based Reasoning (CBR). ScholarGate. https://scholargate.app/el/soft-computing/case-based-reasoning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Δέντρο ΑποφάσεωνΜηχανική Μάθηση↔ compare
- Ασαφείς Γνωστικοί Χάρτες (FCM)Ήπια Υπολογιστική↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →