User: Guest  Login
Original title:
Probabilistic Cognition for Technical Systems 
Original subtitle:
Statistical Relational Models for High-Level Knowledge Representation, Learning and Reasoning 
Translated title:
Probabilistische Kognition für technische Systeme 
Translated subtitle:
Statistische Relationale Modelle für abstrakte Wissensrepräsentation, Lern- und Schlussfolgerungsprozesse 
Year:
2012 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Beetz, Michael (Prof., Ph.D.) 
Referee:
Beetz, Michael (Prof., Ph.D.); Toussaint, Marc (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
probabilistic reasoning, learning, knowledge representation, robotics, cognition 
Translated keywords:
Probabilistische Inferenz, Lernen, Wissensrepräsentation, Robotik, Kognition 
Controlled terms:
Inferenz Künstliche Intelligenz; Wissensrepräsentationssprache; Kognition; Robotik 
TUM classification:
DAT 703d; DAT 708d; DAT 815d 
Abstract:
For the realisation of cognitive capabilities in technical systems such as autonomous robots, the integration of many distinct cognitive resources that support learning and reasoning mechanisms can help to overcome the many challenges posed by the real world. Since many real-world problems involve uncertainty, this work explores the potential of statistical relational models as a resource for probabilistic high-level learning and reasoning. Statistical relational models combine the principles of...    »
 
Translated abstract:
Für die Verwirklichung kognitiver Fähigkeiten in technischen Systemen wie autonomen Robotern kann die Verknüpfung verschiedenartiger kognitiver Ressourcen, die Lern- und Schlussfolgerungsmechanismen bereitstellen, ein adäquates Mittel sein, um den vielfältigen Herausforderungen der wirklichen Welt gerecht zu werden. Da eine Vielzahl von Problemen stark von Unsicherheit geprägt ist, untersucht diese Arbeit das Potenzial von statistischen relationalen Modellen als eine vielversprechende solche Res...    »
 
Oral examination:
23.08.2012 
File size:
21631661 bytes 
Pages:
278 
Last change:
27.03.2013