ScholarGate
Assistente
Machine learningCase-based reasoning

Raciocínio Baseado em Casos (CBR)

O raciocínio baseado em casos (CBR) resolve um novo problema recuperando problemas semelhantes resolvidos no passado e adaptando suas soluções, em vez de raciocinar a partir de princípios fundamentais ou de um modelo estatístico treinado. Formalizado como o ciclo Recuperar-Reutilizar-Revisar-Reter (Retrieve-Reuse-Revise-Retain) por Aamodt e Plaza em 1994 e popularizado por Janet Kolodner, o CBR espelha como especialistas humanos em medicina, direito e engenharia raciocinam por analogia a partir de casos lembrados, e aprende simplesmente armazenando cada caso recém-resolvido.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. 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
  2. Kolodner, J. L. (1992). An introduction to case-based reasoning. Artificial Intelligence Review, 6(1), 3–34. DOI: 10.1007/BF00155578

Como citar esta página

ScholarGate. (2026, June 2). Case-Based Reasoning (CBR). ScholarGate. https://scholargate.app/pt/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.

Compare side by side

Referenciado por

ScholarGateCase-Based Reasoning (Case-Based Reasoning (CBR)). Recuperado em 2026-06-15 de https://scholargate.app/pt/soft-computing/case-based-reasoning · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026