ScholarGate
Assistent
Machine learningCase-based reasoning

Case-Based Reasoning (CBR)

Case-baserat resonemang löser ett nytt problem genom att hämta liknande problem som lösts tidigare och anpassa deras lösningar, snarare än att resonera från grundprinciper eller en tränad statistisk modell. CBR, som formaliserades som cykeln Hämta-Återanvänd-Revidera-Behåll (Retrieve-Reuse-Revise-Retain) av Aamodt och Plaza 1994 och populariserades av Janet Kolodner, speglar hur mänskliga experter inom medicin, juridik och ingenjörsvetenskap resonerar genom analogi från ihågkomna fall, och den lär sig helt enkelt genom att lagra varje ny löst fall.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

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

Refereras av

ScholarGateCase-Based Reasoning (Case-Based Reasoning (CBR)). Hämtad 2026-06-15 från https://scholargate.app/sv/soft-computing/case-based-reasoning · Datamängd: https://doi.org/10.5281/zenodo.20539026