Article628: Unterschied zwischen den Versionen
K (Added from ontology) |
K (Added from ontology) |
||
| Zeile 1: | Zeile 1: | ||
| − | |||
| − | |||
| − | |||
| − | |||
{{Publikation Author | {{Publikation Author | ||
|Rank=4 | |Rank=4 | ||
| Zeile 14: | Zeile 10: | ||
|Rank=1 | |Rank=1 | ||
|Author=Jürgen Angele | |Author=Jürgen Angele | ||
| + | }} | ||
| + | {{Publikation Author | ||
| + | |Rank=3 | ||
| + | |Author=Dieter Landes | ||
}} | }} | ||
{{Article | {{Article | ||
| Zeile 26: | Zeile 26: | ||
|Abstract=Im folgenden werden die wesentlichen Prinzipien und Methoden des MIKE-Ansatzes (Modellbasiertes Inkrementelles Knowledge Engineering) beschrieben. MIKE bietet eine Sammlung von Methoden zur Erhebung, Interpretation, Formalisierung und Implementierung von Wissen zur Erstellung eines wissensbasierten Systems. Ziel von MIKE ist es, die Vorteile von Lebenszyklusmodellen, Prototyping und formalen Spezifikationssprachen in einem übergreifenden Ansatz für das Knowledge Engineering zu integrieren. | |Abstract=Im folgenden werden die wesentlichen Prinzipien und Methoden des MIKE-Ansatzes (Modellbasiertes Inkrementelles Knowledge Engineering) beschrieben. MIKE bietet eine Sammlung von Methoden zur Erhebung, Interpretation, Formalisierung und Implementierung von Wissen zur Erstellung eines wissensbasierten Systems. Ziel von MIKE ist es, die Vorteile von Lebenszyklusmodellen, Prototyping und formalen Spezifikationssprachen in einem übergreifenden Ansatz für das Knowledge Engineering zu integrieren. | ||
|VG Wort-Seiten= | |VG Wort-Seiten= | ||
| − | | | + | |Download=1995_628_Angele_Modellbasiertes_1.gz |
| − | |||
|Forschungsgebiet= | |Forschungsgebiet= | ||
|Projekt= | |Projekt= | ||
|Forschungsgruppe= | |Forschungsgruppe= | ||
}} | }} | ||
Version vom 7. August 2009, 12:42 Uhr
Modellbasiertes Inkrementelles Knowledge Engineering: der MIKE-Ansatz
Modellbasiertes Inkrementelles Knowledge Engineering: der MIKE-Ansatz
Veröffentlicht: 1995
Journal: Künstliche Intelligenz
Nummer: 1/1995Der Datenwert „/1995“ kann einem Attribut des Datentyps Zahl nicht zugeordnet werden sondern bspw. der Datenwert „1“.
Seiten: 16-21
Referierte Veröffentlichung
Kurzfassung
Im folgenden werden die wesentlichen Prinzipien und Methoden des MIKE-Ansatzes (Modellbasiertes Inkrementelles Knowledge Engineering) beschrieben. MIKE bietet eine Sammlung von Methoden zur Erhebung, Interpretation, Formalisierung und Implementierung von Wissen zur Erstellung eines wissensbasierten Systems. Ziel von MIKE ist es, die Vorteile von Lebenszyklusmodellen, Prototyping und formalen Spezifikationssprachen in einem übergreifenden Ansatz für das Knowledge Engineering zu integrieren.
Download: Media:1995_628_Angele_Modellbasiertes_1.gz