|
Abstract |
Diese Arbeit ist eingebunden in ein Forschungsprojekt, bei dem
Maschinelles Lernen eingesetzt wird zur Definition operationaler Begriffe für
die Anwendung in der Roboternavigation. Auf der untersten Ebene ergibt
sich dabei ein signal-to-symbol-Problem.
Als Lösung wird hier ein Verfahren vorgestellt, das numerische Sensordaten
eines mobilen Roboters inkrementell zu qualitativen Wahrnehmungsmerkmalen
verarbeitet, die sowohl zum Lernen abstrakterer Wahrnehmungsmerkmale als
auch für die Navigation des Roboters verwendet werden
können. Die Granularität der Wahrnehmungsmerkmale wird dabei von einem
Lernalgorithmus bestimmt. Eine Analyse der Tests mit dem Verfahren zeigt
Probleme auf, die sich aus dem Ansatz des Forschungsprojektes ergeben.
Bei der Entwicklung von Lösungsansätzen wird daher auch angeregt, den
Ansatz zu verändern.
Das vorgestellte Verfahren ist ausserdem anwendbar zur Analyse numerischer
Daten - beispielsweise in Datenbanken - und zur Diskretisierung stetiger
Attributwerte - etwa als Vorverarbeitung für ID3-ähnliche Verfahren.
|
