Machine learningCase-based reasoning
ケースベース推論 (CBR)
ケースベース推論は、第一原理や訓練された統計モデルから推論するのではなく、過去に解決された類似の問題を検索し、その解決策を適応させることによって新しい問題を解決します。1994年にアームドットとプラザによってRetrieve-Reuse-Revise-Retain(検索・再利用・修正・保持)サイクルとして形式化され、ジャネット・コロドナーによって普及したCBRは、医学、法律、工学の専門家が記憶された事例から類推によって推論する方法を模倣しており、新しく解決された各事例を保存するだけで学習します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Case-Based Reasoning (CBR). ScholarGate. https://scholargate.app/ja/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.
- 決定木機械学習↔ compare
- ファジィ認知マップ (Fuzzy Cognitive Maps, FCM)ソフトコンピューティング↔ compare