调度情况和合并Case-Bases:当MCBR至关重要(pdf)
David b . Leake Raja Sooriamurthi,佛罗里达第十六届国际人工智能研究学会学报会议(喇叭裤- 2003),AAAI出版社,2003年,页129 - 133。
文摘
Multi-case-base推理(MCBR)案例推理扩展到利用多个基地,可能地址不同的任务。在MCBR,代理根据需要选择性地补充自己的范例库,通过外部case-bases调度问题和使用cross-case-base inter-case-base差异适应调整他们的解决方案。MCBR经常倡导作为一种手段来促进处理大型case-bases,或者使使用分布式资源。然而,这就提出了一个重要的问题:当存储并不是一个问题,和整个外部范例库可用,MCBR有什么原因吗?本文回答了这个问题的实验评估MCBR如何影响解决方案生成的质量。这表明,对于一个给定的本地事例库和外部范例库任务环境相似,但不同于本地任务环境,MCBR相比可以提高精度case-bases合并成一个范例库。这种改善认为即使cross-case-base适应MCBR所使用的方法也适用于外部的情况下合并之前。本文推测解释这种行为的能力MCBR利用相似性之间的权衡问题和背景相似的解决方案。它提供了实验证据支持这一假设,也表明MCBR是一个有用的框架选择情况下增加一个范例库。看到http://www.cs.indiana.edu/ ~ leake / index . html额外的出版物在人工智能/认知科学报告和重印档案维护大卫Leake。