Hybride KI mit Machine Learning und Knowledge Graphs

Loading...
Thumbnail Image
Authors
Author (Corporation)
Publication date
2025
Typ of student thesis
Course of study
Type
03 - Edited collection
Editor (Corporation)
Supervisor
Parent work
Special issue
DOI of the original publication
Link
Series
Series number
Volume
Issue / Number
Pages / Duration
Patent number
Publisher / Publishing institution
Springer
Place of publication / Event location
Wiesbaden
Edition
Version
Programming language
Assignee
Practice partner / Client
Abstract
Seit den 2010er Jahren hat die Künstliche Intelligenz (KI) durch Erfolge im Machine Learning (ML) einen enormen Schub erfahren. Einerseits durch die stark angewachsene Menge verfügbarer digitaler Daten und andererseits durch Innovationen im Bereich der Künstlichen Neuronalen Netze und des Deep Learning (DL). Wissensbasierte KI umfasst neben traditionellen Expertensystemen und Regelsystemen auch die Technologien und Standards, welche im Rahmen der Semantic Web Initiative seit den 1990er Jahren entwickelt wurden. Sie ermöglichten unter anderem die Entwicklung umfangreicher Knowledge Graphs (Wissensnetze). Hybride KI Ansätze kombinieren Machine Learning und wissensbasierte KI. Da sie als erfolgversprechend gelten, werden sie seit Jahren erforscht. Dieser Sammelband zeigt, wie innovative hybride KI-Verfahren bereits heute erfolgreich in der Praxis eingesetzt werden. Dies ist ein Open Access-Buch.
Keywords
Machine Learning, Wissensnetze, Künstliche Intelligenz, Wissensbasierte KI
Project
Event
Exhibition start date
Exhibition end date
Conference start date
Conference end date
Date of the last check
ISBN
978-3-658-44780-9
978-3-658-44781-6
ISSN
Language
German
Created during FHNW affiliation
Yes
Strategic action fields FHNW
Publication status
Published
Review
Expert editing/editorial review
Open access category
Gold
License
'https://creativecommons.org/licenses/by/4.0/'
Citation
Hinkelmann, K., Hoppe, T., & Humm, B. G. (2025). Hybride KI mit Machine Learning und Knowledge Graphs. Springer. https://doi.org/10.1007/978-3-658-44781-6