在印第安纳大学博士论文,2001年。雷竞技官方网站下载
安德鲁Kinley
案例推理(CBR)解决新的问题,检索过去类似的解决问题的记录集和之前的解决方案适应现状。而CBR检索阶段已经被过去的模式,探索与成功发展有效性的自动适应算法仍然是一个悬而未决的问题。本研究的中心假设是有效情况下适应知识可以学习后,自动将CBR应用于适应过程。在这个模型中,适应知识学会了通过存储的结果成功的适应被重用在未来解决类似的问题。如果没有相关适应知识重用,一般适应的基于规则的方法,用于构建适应情况下基础。这些方法模型的搜索需要的信息作为有计划地过程可以捕捉和重用策略案例推理在未来当遇到类似情况。此外,为适应知识是后天获得的,过去案例的相似度评价方法精制前的适应性,以反映新形势下。这个模型实现拨号系统,基于案例规划师救灾领域的规划。盘分析新的灾难的情况下,提出了应对计划从灾难中解决出现的问题。在本研究中,两个标准用来评估适应学习拨号系统:解决方案的效率过程和结果的有效性。 The efficiency of the solution process is examined through statistical evaluation of empirical results. Usefulness is defined as the system's ability to generate acceptable solutions. Through analysis of the results, the utility of this approach is measured and the contribution of the model is judged.
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。