Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Technische en functionele cookies
Deze cookies zijn essentieel om de website goed te laten functioneren, en laten je toe om bijvoorbeeld in te loggen. Je kan deze cookies niet uitschakelen.
Analytische cookies
Deze cookies verzamelen anonieme informatie over het gebruik van onze website. Op die manier kunnen we de website beter afstemmen op de behoeften van de gebruikers.
Marketingcookies
Deze cookies delen je gedrag op onze website met externe partijen, zodat je op externe platformen relevantere advertenties van Standaard Boekhandel te zien krijgt.
Door een staking bij bpost kan je online bestelling op dit moment iets langer onderweg zijn dan voorzien. Dringend iets nodig? Onze winkels ontvangen jou met open armen!
Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten
Door een staking bij bpost kan je online bestelling op dit moment iets langer onderweg zijn dan voorzien. Dringend iets nodig? Onze winkels ontvangen jou met open armen!
Je kan maximaal 250 producten tegelijk aan je winkelmandje toevoegen. Verwijdere enkele producten uit je winkelmandje, of splits je bestelling op in meerdere bestellingen.
In dieser Arbeit wird ein Ansatz zur adaptiven Umweltmodellierung betrachtet. Umweltmodelle für kognitive Systeme enthalten oft vorab definierte Domänenmodelle, die für unvorhergesehene Entitäten unzureichend sein können. Der vorgestellte Ansatz adressiert eine adaptive Erweiterung solcher Modelle unter Beachtung der Relevanz von Modellanpassungen. Grundlage ist eine quantitative Modellbewertung, die die Repräsentationsfähigkeit des Modells bezüglich des beobachteten Umgebungszustands bewertet. In this work, an approach for adaptive world modeling is proposed. World models for cognitive systems often employ predefined domain models, which may become insufficient when encountering unforeseen entities. The presented approach addresses an adaptive extension of such domain models, considering the relevance of proposed model adaptations. As a basis, a quantitative model evaluation is devised, rating the ability of a domain model to represent the currently observed environment state.