Logo des Repositoriums

Auflistung nach Autor:in "Richter, Michael M."

1 - 4 von 4
  • Zeitschriftenartikel
    Eine Zukunftsperspektive der Künstlichen Intelligenz am Beispiel menschlicher Kommunikation mit Rechnern
    (KI - Künstliche Intelligenz: Vol. 25, No. 4, 2011) Richter, Michael M.; Mammen, Sebastian
    Die Künstliche Intelligenz wird sich in viele Richtungen weiter entwickeln und blühen und gedeihen. Demnach bieten sich viele Zukunftsszenarien an und hier haben wir ein spezielles ausgewählt. Es handelt sich darum, mit einem Rechner eine Kommunikation wie mit einem Menschen zu führen.Um der Vielseitig- und Vielschichtigkeit menschlicher Kommunikation Rechnung zu tragen, nehmen wir einen ganzheitlichen methodischen Standpunkt ein. Es ist eine große Herausforderung die menschliche Kommunikation algorithmisch zu verstehen. Über lange Zeit hinweg hat sie sich im Laufe der Evolution entwickelt. Beispielhaft nehmen wir uns dieser Herausforderung an, um eine hierarchische Sichtweise auf Prozessverarbeitung zu motivieren, von der Signalebene bis zu hohen Abstraktionsebenen.
  • Zeitschriftenartikel
    Fallbasiertes Schließen
    (Informatik-Spektrum: Vol. 26, No. 3, 2003) Richter, Michael M.
    In diesem Artikel soll die Entwicklung des fallbasierten Schließens (oder englisch: Case-Based-Reasoning (CBR) in den letzten zwölf Jahren beschrieben werden.
  • Zeitschriftenartikel
    Künstliche Intelligenz - Perspektiven einer wissenschaftlichen Disziplin und Realisierungsmöglichkeiten
    (Informatik Spektrum: Vol. 14, No. 4, 1991) Barth, Gerhard; Christaller, Thomas; Cremers, Armin B.; Neumann, Bernd; Radermacher, Franz Josef; Radig, Bernd; Richter, Michael M.; Siekmann, Jörg H.; Seelen, Werner von
  • Konferenzbeitrag
    Modeling socio-technical processes in e-commerce scenarios
    (Modellierung 2004, 2004) Richter, Michael M.; Stahl, Armin
    We consider socio-technical processes, i.e. processes where machines as well as humans participate. Typical examples occur in sales processes in e-commerce. Three modeling tasks are selected: Modeling user preferences and utilities, modeling evaluations and modeling influence factors. A central concept representing knowledge is the notion of similarity. The major technique discussed is machine learning. Two application scenarios and simulation results are presented: Learning utility functions and performing dialogs with customers.