• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>PRICAI 2010: Trends in artificial intelligence >Incremental Learning via Exceptions for Agents and Humans: Evaluating KR Comprehensibility and Usability
【24h】

Incremental Learning via Exceptions for Agents and Humans: Evaluating KR Comprehensibility and Usability

机译：通过特例为人员和人员进行增量学习：评估KR的可理解性和可用性

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Acquiring knowledge directly from the domain expert requires a knowledge representation and specification method that is comprehensible and feasible for the holder and creator of that knowledge. The technique, known as multiple classification ripple down rules (MCRDR), is novelly applied to the problem of building and maintaining a library of training scenarios for use by customs and immigration officer trainees in our agent-based virtual environment which may be indexed for retrieval based on the rules associated with them. Our evaluation study aims to demonstrate the utility of the MCRDR combined case and exception structure rule-based approach over standard rules alone and a non-case-based approach.
机译：直接从领域专家那里获取知识需要一种知识表示和指定方法，该方法对于知识的持有者和创造者而言都是可理解和可行的。该技术被称为多重分类递减规则（MCRDR），它被新颖地应用于建立和维护培训方案库的问题，以供海关和移民官员受训人员在我们基于代理的虚拟环境中使用，并可以对其进行索引以进行检索根据与它们相关的规则。我们的评估研究旨在证明MCRDR基于案例和异常结构规则的组合方法相对于仅基于标准规则和基于非案例的方法的实用性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号