Глоссарий искусственного интеллекта

редактировать

Список определений терминов и понятий, обычно используемых при изучении искусственного интеллекта

Этот глоссарий искусственного интеллекта Интеллект - это список определений терминов и понятий, относящихся к изучению искусственного интеллекта, его подразделов и связанных областей. Связанные глоссарии включают Глоссарий информатики, Глоссарий робототехники и Глоссарий машинного зрения.

Содержание:

A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки

abductive логическое программирование (ALP): Среда представления знаний высокого уровня, которая может использоваться для декларативного решения проблем на основе абдуктивного мышления. Он расширяет обычное логическое программирование, позволяя не полностью определять некоторые предикаты, объявляя их как абдуктивные предикаты.
абдуктивное мышление: Форма логического вывода, которая начинается с наблюдения или набор наблюдений затем пытается найти самое простое и наиболее вероятное объяснение. Этот процесс, в отличие от дедуктивного мышления, дает правдоподобный вывод, но не положительно подтверждает его. абдуктивный вывод или воспроизведение
абстрактный тип данных: A математическая модель для типов данных, где тип данных определяется его поведением (семантика ) с точки представления пользователем данных, в частности, с точки зрения возможных значений, возможных операций с данными этого типа и поведения этих операций.
абстракция: Процесс удаления физических, пространственных или временных деталей или атрибуты в изучении объектов или систем для более внимательного изучения других интересующих деталей
ускорение изменений: Воспринимаемое увеличение скорости технологических изменение на протяжении всей истории, которое может указывать на более быстрые и более глубокие изменения в будущем и может сопровождаться или не сопровождаться столь же глубокими социальными и культурными изменениями.
язык действия: язык для определения перехода между состояниями систем, и обычно используется для создания формальных моделей эффектов действий на Мир. Языки действий обычно используются в доменах искусственный интеллект и робототехника, где они описывают, как действия влияют на состояния систем с течением времени, и могут использоваться для автоматического планирования.
обучение модели действий: Область машинного обучения, связанная с созданием и модификацией знаний программного агента о последствиях и предварительных условиях действий, которые могут выполняться в его среде. Эти знания обычно представлены на языке описания действий, основанном на логике, и используются в качестве входных данных для автоматических планировщиков.
выбор действия: Способ описания самой основной проблемы интеллектуальных систем: что делать дальше. В искусственном интеллекте и вычислительной когнитивной науке «проблема выбора действия» обычно связана с интеллектуальными агентами и аниматами - искусственными системами, которые демонстрируют сложное поведение в среде агентов.
функция активации: В искусственных нейронных сетях, функция активации узла определяет выход этого узла при заданном входе или наборе входов.
адаптивный алгоритм: Алгоритм, который изменяет свое поведение во время его запуска, на основе заранее определенного вознаграждения механизм или критерий.
адаптивная нейронная система вывода (ANFIS): Разновидность искусственной нейронной сети, основанная на нечеткой системе вывода Такаги – Сугено . Техника была разработана в начале 1990-х годов. Поскольку он объединяет как нейронные сети, так и принципы нечеткой логики, он может объединить преимущества обоих в единой структуре. Его система вывода соответствует набору нечетких правил IF – THEN, которые обладают способностью обучения аппроксимировать нелинейные функции. Следовательно, ANFIS считается универсальным оценщиком. Для более эффективного и оптимального использования ANFIS можно использовать лучшие параметры, полученные с помощью генетического алгоритма.
допустимая эвристика: В информатике, в частности в алгоритмах относится к поиску пути, эвристическая функция считается допустимой, если она никогда не переоценивает стоимость достижения цели, т. е. стоимость, которую она оценивает для достижения цели, не превышает минимальную возможная стоимость с текущей точки пути.
эффективные вычисления: Изучение и разработка систем и устройств, которые могут распознавать, интерпретировать, обрабатывать и моделировать человеческие воздействия. Аффективные вычисления - это междисциплинарная область, охватывающая информатику, психологию и когнитивную науку.
архитектуру агентов: A план для программных агентов и интеллектуальные системы управления, отображающие расположение компонентов. Архитектуры, реализованные с помощью интеллектуальных агентов, называются когнитивными архитектурами.
AI-ускоритель: Класс микропроцессора или компьютерной системы, разработанной как аппаратное ускорение для приложений искусственного интеллекта, особенно искусственных нейронных сетей, машинного зрения и машинного обучения.
AI-complete: В В области искусственного интеллекта наиболее сложные проблемы неофициально известны как AI-complete или AI-hard, подразумевая, что сложность этих вычислительных задач эквивалентна решению центральной проблемы искусственного интеллекта - делая компьютеры такими же интеллектуальными, как люди, или сильный AI. Назвать проблему AI-завершенной отражает позицию, согласно которой она не может быть решена простым конкретным алгоритмом.
алгоритм: Однозначное определение того, как решать класс проблем. Алгоритмы могут выполнять задачи вычислений, обработки данных и автоматического обоснования.
алгоритмическая эффективность: Свойство алгоритма, которое относится к количеству вычислительных ресурсов, используемых алгоритмом. Алгоритм должен быть проанализирован для определения использования его ресурсов, а эффективность алгоритма может быть измерена на основе использования различных ресурсов. Алгоритмическую эффективность можно рассматривать как аналог инженерной продуктивности для повторяющегося или непрерывного процесса.
алгоритмическая вероятность: В теории алгоритмической информации алгоритмическая вероятность, также известная как Соломонова вероятность - это математический метод присвоения априорной вероятности заданному наблюдению. Он был изобретен Рэем Соломонофф в 1960-х.
AlphaGo: A компьютерная программа, которая воспроизводит настольную игру Go. Он был разработан компанией Alphabet Inc. Google DeepMind в Лондоне. AlphaGo имеет несколько версий, включая AlphaGo Zero, AlphaGo Master, AlphaGo Lee и т. Д. В октябре 2015 года AlphaGo стала первым компьютером Go Go. программа, чтобы победить человека профессионального игрока в го без гандикапов на полноразмерной доске 19 × 19.
окружающий интеллект (AmI): Электронная среда, которая чувствительный и отзывчивый к присутствию людей.
анализ алгоритмов: Определение вычислительной сложности алгоритмов, то есть количества времени, памяти и / или других ресурсов, необходимых для выполнить их. Обычно это включает определение функции , которая связывает длину входных данных алгоритма с количеством шагов, которые он делает (его временная сложность ) или количеством используемых мест хранения (его пространственная сложность ).
аналитика: Обнаружение, интерпретация и передача значимых шаблонов в данных.
программирование наборов ответов (ASP): Форма декларативного программирования ориентированный на сложные (в первую очередь NP-трудные ) задачи поиска. Он основан на семантике стабильной модели (набор ответов) логического программирования . В ASP задачи поиска сводятся к вычислению стабильных моделей, а решатели наборов ответов - программы для создания стабильных моделей - используются для выполнения поиска.
алгоритм в любое время: алгоритм, который может возвращать допустимое решение проблемы, даже если она прерывается до ее завершения.
интерфейс прикладного программирования (API): Набор определений подпрограмм, общение ion протоколы и инструменты для создания программного обеспечения. В общем, это набор четко определенных методов связи между различными компонентами. Хороший API упрощает разработку компьютерной программы, предоставляя все строительные блоки, которые затем собираются программистом . API может быть для веб-системы, операционной системы, системы баз данных, компьютерного оборудования или библиотеки программного обеспечения.
приблизительного сопоставления строк: . поиск строк, которые приблизительно (а не точно) соответствуют шаблону . Проблема приблизительного сопоставления строк обычно делится на две подзадачи: поиск приблизительных совпадений подстроки внутри заданной строки и поиск строк словаря, которые примерно соответствуют шаблону.
ошибка аппроксимации: Несоответствие между точное значение, а некоторые приближения к нему.
аргументация рамка: способ борьбы с спорной информацией и делать из нее выводов. В структуре абстрактной аргументации информация начального уровня - это набор абстрактных аргументов, которые, например, представляют данные или предложение. Конфликты между аргументами представлены бинарным отношением в наборе аргументов. Конкретно вы представляете структуру аргументации с помощью ориентированного графа, в котором узлы являются аргументами, а стрелки представляют отношение атаки. Существуют некоторые расширения структуры Dung, такие как структуры аргументации на основе логики или структуры аргументации на основе значений.
общий искусственный интеллект (AGI)
искусственная иммунная система (AIS): Класс вычислительно интеллектуальных, основанных на правилах систем машинного обучения, вдохновленных принципами и процессами позвоночных иммунной системы. Алгоритмы обычно моделируются на основе характеристик иммунной системы обучения и памяти для использования в решении проблем.
искусственный интеллект (AI): Любые интеллект, продемонстрированный машинами, в отличие от естественного интеллекта, демонстрируемого людьми и другими животными. В информатике исследование AI определяется как изучение «интеллектуальных агентов »: любого устройства, которое воспринимает окружающую среду и предпринимает действия, которые увеличивают его шансы на успешное достижение своих целей. В просторечии термин «искусственный интеллект» применяется, когда машина имитирует «когнитивные» функции, которые люди связывают с другим человеческим разумом, такие как «обучение» и «решение проблем».
Язык разметки искусственного интеллекта: Диалект XML для создания естественного языка программных агентов.
искусственная нейронная сеть (ANN): Любая вычислительная система, смутно вдохновленная биологические нейронные сети, которые составляют мозг животных .
Ассоциация по развитию искусственного интеллекта (AAAI): Международное некоммерческое научное сообщество, посвященное продвижению исследований и ответственному использованию, искусственный интеллект. AAAI также стремится повысить общественное понимание искусственного интеллекта (ИИ), улучшить обучение и подготовку специалистов по ИИ, а также предоставить рекомендации для специалистов по планированию исследований и спонсоров относительно важности и потенциала текущих разработок ИИ и будущих направлений.
асимптотическая вычислительная сложность: В теории сложности вычислений асимптотическая вычислительная сложность - это использование асимптотического анализа для оценки вычислительной сложности алгоритмов и вычислительных задач, обычно ассоциируется с использованием нотации большой буквы O.
исчисления атрибуции: Логика и система представления, определенная Рышардом С. Михальски. Он сочетает в себе элементы логики предикатов, исчисления высказываний и многозначной логики. Атрибутивное исчисление предоставляет формальный язык для естественной индукции, индуктивного процесса обучения, результаты которого имеют естественные для людей формы.
дополненная реальность (AR): Интерактивный опыт реальной среды, в которой объекты, которые живущие в реальном мире, «дополнены» компьютерной перцепционной информацией, иногда в нескольких сенсорных модальностях, включая визуальный, слуховой, тактильный, соматосенсорный и обонятельный.
теория автоматов: Изучение абстрактных машин и автоматов, а также вычислительных задач это можно решить с их помощью. Это теория в теоретической информатике и дискретной математике (предмет изучения как в математике, так и в информатике ).
автоматическое планирование и составление расписаний.: Ветвь искусственного интеллекта, которая касается реализации стратегий или последовательностей действий, обычно для выполнения интеллектуальными агентами, автономными роботами и беспилотные автомобили. В отличие от классических задач управления и классификации, решения сложны и должны быть обнаружены и оптимизированы в многомерном пространстве. Планирование также связано с теория принятия решений.
автоматическое мышление: Раздел информатики и математической логики, посвященный пониманию различных аспектов рассуждения. рассуждение помогает создавать компьютерные программы, которые позволяют компьютерам полностью или почти полностью рассуждать автоматически. рассуждение считается подразделом искусственного интеллекта, оно также связано с теоретической информатикой и даже философией.
автономными вычислениями (AC): Характеристики самоуправления ресурсов распределенных вычислений, адаптирующиеся к непредсказуемым изменениям, при этом скрывая внутреннюю сложность для операторов и пользователей. Эта инициатива, инициированная IBM в 2001 году, в конечном итоге была направлена на разработку компьютерных систем, способных к самоуправлению, преодоление быстро растущей сложности вычислений системного управления и снижение барьера, который сложность представляет собой дальнейший рост.
автономный автомобиль: A транспортное средство, способное воспринимать окружающую среду и двигаться с минимальным или нулевым участием человека .
автономный робот: A робот, который выполняет поведения или задачи с высокой степенью автономии. Автономная робототехника обычно рассматривается как подполе искусственный интеллект, робототехника и информационная инженерия.

Содержание:

Верх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

обратное распространение: Метод, используемый в искусственных нейронных сетях для вычисления градиента, необходимого для вычисления весов для использования в сети. Обратное распространение - это сокращение для «обратного распространения ошибок», поскольку ошибка вычисляется на выходе и распределяется в обратном направлении по уровням сети. Он обычно используется для обучения глубоких нейронных сетей, термин, относящийся к нейронным сетям с более чем одним скрытым слоем.
обратное распространение во времени (BPTT): Градиентный метод для обучение определенных типов рекуррентных нейронных сетей. Его можно использовать для обучения сетей Элмана. Алгоритм был независимо получен многочисленными исследователями.
обратная цепочка: Метод вывода, в просторечии описываемый как работа в обратном направлении от цели. Он используется в автоматических средствах доказательства теорем, механизмах вывода, помощниках доказательства и других приложениях искусственного интеллекта.
-words модель: Упрощающее представление, используемое в обработке естественного языка и поиске информации (IR). В этой модели текст (например, предложение или документ) представлен как мешок (мультимножество) его слов, без учета грамматики и даже порядка слов, но с сохранением кратности. Модель «мешка слов» также использовалась для компьютерного зрения. Модель набора слов обычно используется в методах классификации документов, где (частота) появления каждого слова используется как признак для обучения классификатора.
модель набора слов в компьютерном зрении: В компьютерном зрении модель набора слов (модель BoW) может быть применена к классификации изображений путем обработки характеристик изображения как слова. В классификации документов набор слов - это разреженный вектор количества вхождений слов; то есть разреженная гистограмма по словарю. В компьютерном зрении набор визуальных слов представляет собой вектор подсчетов вхождений словаря локальных характеристик изображения.
пакетная нормализация: Метод повышения производительности и стабильности искусственного нейронные сети. Это метод предоставления любому слою нейронной сети входных данных с нулевым средним / единичным отклонением. Пакетная нормализация была представлена в статье 2015 года. Он используется для нормализации входного уровня путем настройки и масштабирования активаций.
Байесовское программирование: Формализм и методология для использования техники для определения вероятностных моделей и решения проблем, когда это меньше, чем необходимо информация доступна.
алгоритм пчел: Популяционный алгоритм поиска, который был разработан Фамом, Ганбарзаде и др. в 2005 году. Он имитирует поведение семей медоносных пчел в поисках пищи. В своей базовой версии алгоритм выполняет своего рода поиск окрестностей в сочетании с глобальным поиском и может использоваться как для комбинаторной оптимизации, так и непрерывной оптимизации. Единственным условием применения алгоритма пчел является определение некоторого расстояния между решениями. Эффективность и особые возможности алгоритма пчел были доказаны в ряде исследований.
информатика поведения (BI): Информатика поведения для получения поведенческого интеллекта и понимания поведения.
поведение дерево (BT): A математическая модель выполнения плана, используемая в информатике, робототехнике, системах управления и видеоигры. Они описывают переключение между конечным набором задач в модульном виде. Их сила заключается в их способности создавать очень сложные задачи, состоящие из простых задач, не беспокоясь о том, как простые задачи реализуются. BT имеют некоторое сходство с иерархическими конечными автоматами с тем ключевым отличием, что основным строительным блоком поведения является задача, а не состояние. Простота понимания человеком делает BT менее подверженными ошибкам и очень популярными в сообществе разработчиков игр. Показано, что BT обобщают несколько других архитектур управления.
программная модель убеждения-желания-намерения (BDI): Программная модель, разработанная для программирования интеллектуальных агентов. Внешне характеризуясь реализацией убеждений, желаний и намерений агента, он фактически использует эти концепции для решения конкретной проблемы в программировании агента. По сути, он обеспечивает механизм для разделения действий по выбору плана (из библиотеки планов или внешнего приложения-планировщика) от выполнения текущих активных планов. Следовательно, агенты BDI могут сбалансировать время, затрачиваемое на обдумывание планов (выбор того, что делать) и выполнение этих планов (выполнение). Третье действие, в первую очередь создание планов (планирование), выходит за рамки модели и предоставляется разработчику системы и программисту.
компромисс между отклонением и отклонением: В статистике и машинное обучение, компромисс между смещением и дисперсией является свойством набора прогнозных моделей, при этом модели с более низким смещением в оценке параметра имеют более высокую дисперсию оценок параметров по выборкам, и наоборот.
большие данные: Термин, используемый для обозначения наборов данных, которые слишком велики или сложны для традиционной обработки данных прикладного программного обеспечения, чтобы с ними можно было адекватно справиться. Данные с большим количеством наблюдений (строки) предлагают более высокую статистическую мощность, тогда как данные с более высокой сложностью (больше атрибутов или столбцов) могут привести к более высокому уровню ложного обнаружения.
нотация Big O: A математическая запись, описывающая ограничивающее поведение функции , когда аргумент стремится к определенному значению или бесконечности. Это член семейства нотаций, изобретенных Полом Бахманном, Эдмундом Ландау и другими, которые в совокупности называются нотацией Бахмана – Ландау или асимптотической нотацией.
двоичное дерево: A tree структура данных, в которой каждый узел имеет не более двух дочерних элементов, которые упоминаются как левый дочерний элемент и правый дочерний элемент. Рекурсивное определение , использующее только понятия теории множеств, заключается в том, что (непустое) двоичное деревопредставляет собой кортеж (L, S, R), где L и R - это двоичные деревья или пустой набор, а S - это одноэлементный набор. Некоторые авторы допускают, чтобы двоичное дерево также было пустым множеством.
система доски: Подход искусственного интеллекта, основанный на архитектурной модели доски, где используется общая база знаний, «классная доска», итеративно обновляется разнообразной группой специальных знаний, начиная с со спецификацией проблемы и заканчивая решением. Каждый источник обновляет классную доску знаний частичным решением, когда его внутренние ограничения совпадают с состоянием доски. Таким образом, специалисты работают вместе над решением проблемы.
машина Больцмана: Тип стохастической рекуррентной нейронной сети и марковского случайного поля. Машины Больцмана можно рассматривать как стохастический, генеративный аналог сети Хопфилда.
булевой задачи выполнимости: {{{content}}}
технологии мозга: Технология, основанная на последних достижениях неврологии. Термин был введен Лабораторией искусственного интеллекта в Цюрихе, Швейцария, в контексте проекта ROBOY. Brain Technology может быть в роботах, системы управления ноу-хау и в другом приложении использовать с самообучения. В частности, приложения Brain Technology позволяют визуализировать базовую среду обучения, часто называемую «картами ноу-хау».
фактор ветвления: В вычислениях, древовидные структуры данных, и теория игр, количество детей в каждом узле, исходящая степень. Если это значение не является однородным, можно вычислить средний коэффициент ветвления.
поиск грубой силой: Очень общий метод решения и алгоритмическая парадигма, состоящая из систематического перечисления всех кандидатов для решения и проверки, удовлетворяет ли каждый кандидат формулировке проблемы.

Содержание:

Верх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. также
Ссылки
Внешние ссылки

капсульная нейронная сеть (CapsNet): Система машинного обучения, представляющая собой тип искусственной нейронной сети (ИНС), которую можно использовать для лучшего модели иерархических отношений. Этот подход представляет собой попытку более точно имитировать биологическую нейронную организацию.
рассуждение на основе случая (CBR): в широком смысле это решение новых проблем, основанное на решениях аналогичных прошлых проблем.
чат-бот: A компьютерная программа или искусственный интеллект, который ведет разговор с помощью слуховых или текстовых методов.
облачная робототехника: Область робототехники, чтобы задействовать облачные технологии, такие как облачные вычисления, облачное хранилище и другие Интернет-технологии, основанные на преимуществах конвергентной инфраструктуры и общих служб для робототехника. При подключении к облаку роботы могут использоваться мощные вычислительные ресурсы современных центра обработки данных в облаке, который может обрабатывать и обмениваться информацией от различных роботов или агентов (других машин, интеллектуальных объектов, люди и т. Д.)..). Люди могут также делегировать задачи роботам удаленно через сеть. Технологии облачных вычислений позволяют наделить роботизированными системами мощными средствами при одновременном сокращении затрат за счет облачных технологий. Таким образом, можно создать легкие, недорогие и умные роботы с интеллектуальным «мозгом» в облаке. «Мозг» состоит из центра обработки данных, базы знаний, планировщиков задач, глубокого обучения, обработки информации, моделей среды, коммуникационной поддержки и т. Д.
кластерный анализ: Задача группировки набора объектов таким образом, чтобы объекты в одной группе (называемой кластером) были более похожи (в некотором смысле) друг на друга, чем объекты в других группах (кластерах). Это основная задача исследовательского анализа данных и метода статистического анализа анализа данных, использования во многих областях, включая машинное обучение, распознавание образов, анализ изображений, поиск информации, биоинформатика, сжатие данных и компьютерная графика.
Cobweb: Добавочная система для иерархической концептуальной кластеризации. COBWEB был изобретен профессором, в настоящее время работающим в Университете Вандербильта. COBWEB постепенно организует наблюдения в дерево классификации . Каждый узел в дереве классификации представляет класс (концепцию) и помечен вероятностной концепцией, которая суммирует распределение значений атрибутов объектов, классанных в этом узле. Это дерево установившего один из классов.
когнитивная архитектура: Институт творческих технологий определяет когнитивную архитектуру как: «гипотезу о фиксированных структурах, которые разумно, что в естественных или искусственных системах, и то, как они работают вместе - в сочетании со знаниями и навыками, воплощенными в современной среде - для обеспечения разумного поведения в разнообразных средах ».
когнитивные вычисления: В целом, Термин когнитивные вычисления используются для обозначения нового оборудования и / или программного обеспечения, которое имитирует функционирование человеческого мозга и помогает улучшить процесс принятия решений человеком. В этом смысле CC - это новый способ вычислений, цель которого является создание более точных моделей того, как человеческий мозг / чувствует, рассуждает, и реагирует на стимулы.
когнитивные наука: Междисциплинарное научное исследование разума и его процессов.
комбинаторная оптимизация: В Исследования операций, прикладная математика и теоретическая информатика, комбинаторная оптимизация - это тема, которая заключается в нахождении оптимального объекта из конечного набора объектов.
комитет комитета: Тип искусственной нейронной сети с использованием стратегии разделяй и властвуй, в которой ответы нескольких нейронных сетей (экспертов) объединяются в один ответ. Предполагается, что совокупная реакция машины превосходит реакцию вызывающих экспертов. Соответствующие ансамбли классификаторов.
здравый смысл: В исследованиях искусственного интеллекта здравый смысл состоит из фактов в повседневном мире, таких как «Лимоны кислые», которые, как ожидается, будут знать. Первой программой ИИ, обращенной к здравому смыслу, была Консультант в 1959 году Джоном Маккарти.
здравый смысл: Раздел искусственного интеллекта, занимающийся моделированием способности человека делать предположения о типе и суть обычных ситуаций, с которыми они сталкиваются каждый день.
вычислительная химия: Раздел химии, который использует компьютерное моделирование для помощи в решении химических задач.
теория вычислительной сложности: Сосредоточен на классификации вычислительных задач в соответствии с присущей им сложностью и на связывании этих классов друг с другом. Вычислительная задача - это задача, решаемая компьютером. Вычислительная задача решается путем механического применения математических шагов, такой как алгоритм.
вычислительная креативность: Междисциплинарная деятельность, включающая область искусственного интеллекта, когнитивной психологии, философия и искусство.
ая кибернетика: Интеграция кибернетики и методы вычислительного интеллекта.
вычислительный юмор: Раздел компьютерной лингвистики и искусственного интеллекта, который использует компьютеры в исследование юмора.
вычислительный интеллект (CI): Обычно относится к способности компьютера изучать конкретную задачу на основе данных или экспериментальных наблюдений.
теория вычислительного обучения: В информатике теория вычислительного обучения (или просто теория обучения) - это подполе искусственного интеллекта, посвященное изучению конструкции и анализа машин Электронное обучение алгоритмов.
вычислительная лингвистика: междисциплинарная область, связанная со статистическим или основанным на правилах моделирования естественного языка с вычислительной точки зрения, а также в соответствующих вычислительных подходах к лингвистическим вопросам.
вычислительная математика: Математические исследования в областях, где вычисления играют существенную роль.
вычислительная нейробиология: отрасль нейробиология, которая использует математические модели, теоретический анализ и абстракции мозга, чтобы понять принципы, которые управляют развитие, структурой, физиологией и когнитивные способности нервной системы.
вычислительная теория чисел: Изучение алгоритмов для выполнения теоретико-числовых вычислений.
вычислительная задача: В теоретической информатике вычислительная задача - это математический объект, представляющий набор вопросов, которые компьютеры могут быть может решить.
вычислительная статистика: Интерфейс между статистикой и информатикой.
автоматизированным компьютерным проектированием (CAutoD): Автоматизация проектирования обычно относится к автоматизация проектирования электроники, или автоматизация проектирования, которая является конфигуратором продукта. Расширение автоматизированного проектирования (CAD), автоматизированного проектирования и автоматизированного проектирования связано с более широким спектром приложений, таких как автомобилестроение, гражданское строительство, композитный материал дизайн, инженерия управления, динамическая идентификация системы и оптимизация, финансовые системы, промышленное оборудование, мехатроника системы, стальная конструкция, структурная оптимизация и изобретение новых систем. Совсем недавно традиционное моделирование CAD было преобразовано в CAutoD с помощью биологически вдохновленного машинного обучения, включая эвристические методы поиска, такие как эволюционные вычисления и алгоритмы роевого интеллекта.
компьютерное прослушивание (CA): См. машинное прослушивание.
информатика: Теория, эксперименты и инженерия, лежащие в основе проектирования и использование компьютеров. Он включает изучение алгоритмов, которые обрабатывают, хранят и передают цифровую информацию. учёный-компьютерщик специализируется на теории вычислений и разработке вычислительных систем.
компьютерное зрение: междисциплинарная научная область, которая занимается тем, как заставить компьютеры получать прибыль. понимание высокого уровня из цифровых изображений или видео. С точки зрения инженерии, он направлен на автоматизацию задач, которые может выполнять человеческая зрительная система.
дрейф концепции: В прогнозной аналитике и машинное обучение, дрейф концепции означает, что статистические свойства целевой переменной, которую модель пытается предсказать, со временем изменяются непредвиденным образом. Это вызывает проблемы, потому что прогнозы становятся менее точными с течением времени.
коннекционизм: Подход в области когнитивной науки, который надеется объяснить ментальные явления с помощью искусственные нейронные сети.
согласованная эвристика: При исследовании проблем поиска пути в искусственном интеллекте, эвристическая функция считается согласованной или монотонный, если его оценка всегда меньше или равна расчетному расстоянию от любой соседней вершины до цели, плюс стоимость достижения этого соседа.
условная модель с ограничениями (CCM): A машинное обучение и структура вывода, которая дополняет изучение условных (вероятностных или дискриминативных) моделей с декларативными ограничениями.
программирование логики ограничений: Форма программирования ограничений, в которой логическое программирование расширен, чтобы включать концепции из удовлетворения ограничений. Программа логики ограничений - это логическая программа, которая содержит ограничения в теле предложений. Пример предложения, включающего ограничение: A (X, Y): - X + Y>0, B (X), C (Y). В этом разделе X + Y>0- ограничение; A (X, Y), B (X)и C (Y)- это литералы, как в обычном логическом программировании. В этом разделе указано одно условие, при котором выполняется оператор A (X, Y): X + Yбольше нуля, и оба B (X)и C (Y)верны.
программирование с ограничениями: A парадигма программирования, в которой отношения между переменными указаны в форме ограничения. Ограничения отличаются от общих примитивов императивного программирования языков в том, что они не определяют шаг или последовательность шагов для выполнения, а скорее свойства решения, которое необходимо найти.
сконструированный язык: язык, фонология, грамматика и словарь сознательно, вместо того, чтобы естественно. Сконструированные языки также могут называться искусственными, планируемыми или изобретенными языками.
теория управления: В разработка систем управления - это подполе математики, которая имеет дело с непрерывно работающим динамические системы в инженерных процессах и машинах. Цель состоит в том, чтобы создать модель управления для управления такими системами с использованием управляющего воздействия оптимальным образом без задержек или перерегулирования и обеспечения управления стабильность.
сверточная нейронная сеть: В глубоком обучении, Сверточная нейронная сеть (CNN или ConvNet) - это класс глубоких нейронных сетей, наиболее часто применяемых для анализа визуальных образов. CNN использовать разновидность многослойных перцептронов, предназначенных для минимальной предварительной обработки. Они также известны как искусственные нейронные сети, инвариантные к сдвигу или пространственно-инвариантные искусственные нейронные сети (SIANN), на основе их архитектуры с разделяемыми весами и характеристиками трансляционной инвариантности.
кроссовер: В генетических алгоритмах и эволюционное вычисление, генетический оператор, инструмент для объединения генетической информации двух родителей для создания нового потомства. Это один из способов генерирования новых решений из существующей популяции, аналогичный кроссоверу, который происходит во время полового размножения у биологических организмов. Решения также могут быть созданы путем клонирования существующего решения, которое аналогично бесполому воспроизведению. Новые решения обычно мутируют перед добавлением в генеральную совокупность.

Содержание:

Верх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

Darkforest: A компьютерная программа, разработанная Facebook на основе методов глубокого обучения с использованием сверточной нейронной сети. Его обновленная версия Darkfores2 сочетает в себе методы своего предшественника с поиском по дереву Монте-Карло. MCTS эффективно использует методы поиска по дереву, обычно в компьютерных шахматных программах, и рандомизирует их. С обновлением система получила название Darkfmcts3.
Дартмутская мастерская: Дартмутский летний исследовательский проект по искусственному интеллекту - так называлась летняя конференция 1956 года, которая теперь (хотя и не всеми) считается оригинальное событие для искусственного интеллекта как поле.
увеличение данных: Увеличение данных при анализе данных - это методы, используемые для увеличения объема данных. Это помогает уменьшить переоснащение при обучении машинного обучения.
с влиянием данных: Процесс интеграции нескольких источников данных для получения более согласованной, точной и полезной информации, чем та, которая предоставляется любыми отдельными источниками.
интеграция данных: Процесс объединения данных, находящихся в разных источниках, и пользователям единого представления о них. Этот процесс становится важным в различных ситуациях, включая коммерческие (например, когда двум аналогичным компаниям необходимо объединить свои базы данных ) и научные (объединение результатов исследований из разных биоинформатических репозиториев, например) домены. Интеграция данных появляется все чаще по мере увеличения объема (то есть больших данных ) и совместного использования данных . Он стал предметом обширной теоретической работы, многие открытые проблемы нерешенными.
интеллектуальный анализ данных: Процесс обнаружения закономерностей в больших наборах данных с использованием методов пересечения машинного обучения, статистики и систем баз данных.
наука о данных: Междисциплинарная область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и идей из данных в различных формах, как структурированных, так и неструктурированных, подобных интеллектуальный анализ данных. Наука о данных - это «концепция анализа данных, машинного обучения и связанных с ними методов» с целью «понимания и анализа реальных явлений» с помощью данных. В нем используются методы и практики, взятые из многих областей в контексте математики, статистики, информатики и информатики.
набора данных: Коллекция данные. Чаще всего набор данных соответствует содержимому одной таблицы базы данных или одной статистической матрицы данных, где каждый столбец представляет конкретную переменную., и каждая строка соответствует заданному элементу рассматриваемого набора данных. В наборе данных значений для каждой из чисел, как высота и объекта, для каждого члена набора данных. Каждое значение называется датумом. Набор данных может содержать данные для одного или нескольких элементов, соответствующего количеству строк.
хранилище данных (DW или DWH): Система, используемая для отчетности и анализ данных. DW - это центральные хранилища интегрированных данных из одного или нескольких разрозненных источников. Они хранят текущие и исторические данные в одном месте
Datalog: A декларативный язык программирования логики, который синтаксически является подмножеством Prolog. Он часто используется как язык запросов для дедуктивных баз данных. В последние годы Datalog нашел новое применение в интеграции данных, извлечении информации, сети, анализе программ, безопасности и облачные вычисления.
граница принятия решения: В случае обратного распространения на основе искусственных нейронных сетей или перцептронов, тип Граница принятия решения, которую сеть может изучить, определяется количеством скрытых слоев, которые имеет сеть. Если у него нет скрытых слоев, он может изучать только линейные задачи. Если у него есть один скрытый слой, он может изучить любую непрерывную функцию на компактных подмножествах из R, как показано в теореме универсального приближения, таким образом, он может иметь произвольную границу принятия решений.
система поддержки принятия решений (DSS): Aan информационная система, которая поддерживает бизнес или организационную деятельность по принятию решений. DSS обслуживают уровни управления, операций и планирования организации (обычно среднего и высшего звена) и помогают людям принимать решения о проблемах, которые могут быстро изменяться и не так легко определить заранее, т. Е. неструктурированные и полуструктурированные задачи решения. Системы поддержки принятия решений могут быть либо полностью компьютеризированными, либо управляемыми человеком, либо их комбинацией.
теория принятия решений: Изучение аргументов, лежащих в основе выбора агента. Теорию принятия решений можно разделить на две части: нормативная теория принятия решений, которая дает советы о том, как принимать наилучшие решения с учетом набора неопределенных убеждений и набора значений и описательная теория решений, которая анализирует, как существующие, возможно, иррациональные агенты на самом деле принимают решения.
изучение дерева решений: Использует дерево решений (в качестве модели прогнозирования ) для перехода от наблюдений за предметом (представленных в ветвях) к заключениям о целевом значении предмета (представленных на листьях). Это один из подходов к прогнозному моделированию, используемых в статистике, интеллектуальном анализе данных и машинном обучении.
декларативном программировании: A парадигме программирования - стиле построения структура и элементы компьютерных программ - выражающие логику вычисления без описания его потока управления.
дедуктивный классификатор: Тип искусственного интеллекта механизм вывода. Он принимает в качестве входных данных набор объявлений на языке фреймов о такой области, как медицинские исследования или молекулярная биология. Например, имена классов , подклассов, свойств и ограничений на допустимые значения.
Deep Blue: был компьютером для игры в шахматы, разработанным IBM. Он известен как первая компьютерная система для игры в шахматы, которая выиграла и в шахматной партии, и в шахматном матче против действующего чемпиона мира с обычным контролем времени.
глубокое обучение: Часть более широкого семейства машин методы обучения, основанные на представлениях данных обучения, в отличие от алгоритмов, ориентированных на конкретные задачи. Обучение может быть контролируемым, частично контролируемым или неконтролируемым.
DeepMind Technologies: A Британской компанией искусственного интеллекта, основанной в сентябре. 2010, в настоящее время принадлежит Alphabet Inc.. Компания базируется в Лондоне, с исследовательскими центрами в Канаде, Франции и США. Приобретенная компанией Google в 2014 году, компания создала нейронную сеть, которая обучается играть в видеоигры аналогично этому. людей, а также нейронная машина Тьюринга или нейронная сеть, которая может иметь доступ к внешней памяти, как обычная машина Тьюринга, в результате чего получается компьютер, имитирующий кратковременная память человеческого мозга. В 2016 году компания попала в заголовки газет после того, как ее программа AlphaGo победила профессионального игрока Go игрока Ли Седола, чемпиона мира, в матче из пяти игр, о котором был снят документальный фильм. Более общая программа, AlphaZero, победила самые мощные программы, играющие в Go, шахматы и сёги (японские шахматы) после нескольких дней игры против самой себя, используя обучение с подкреплением.
логика по умолчанию: A немонотонная логика, предложенная Рэймондом Рейтером для формализации рассуждений с допущениями по умолчанию.
логика описания (DL): A семейство формальных языков представления знаний. Многие DL более выразительны, чем логика высказываний, но менее выразительны, чем логика первого порядка. В отличие от последнего, основные проблемы рассуждений для DL являются (обычно) разрешимыми, и для этих проблем были разработаны и реализованы эффективные процедуры принятия решений. Существуют общие, пространственные, временные, пространственно-временные и нечеткие логики описания, и каждая логика описания имеет различный баланс между выразительностью DL и рассуждениемсложностью за счет поддержки различных наборов математических конструкторов. 1839>развивающая робототехника (DevRob); Область науки, направленная на изучение механизмов развития, архитектуры и ограничений, которые позволяют на протяжении всей жизни и без ограничений изучать новые навыки и новые знания в воплощенных машинах.
диагностика: Занимается разработкой алгоритмов и методов, которые могут определять правильность поведения системы. Если система работает некорректно, алгоритм должен быть в состоянии максимально точно определить, какая часть системы выходит из строя и с каким типом неисправности сталкивается. Вычисления основаны на наблюдениях, которые предоставляют информацию о текущем поведении.
диалоговая система: Компьютерная система, предназначенная для общения с человеком с последовательной структурой. В диалоговых системах используются текст, речь, графика, тактильные ощущения, жесты и другие режимы для связи как по входному, так и по выходному каналу.
уменьшение размерности: Процесс уменьшения количества рассматриваемых случайных величин путем получения набора главных переменных. Его можно разделить на выбор функций и извлечение признаков.
дискретная система: Любая система со счетным числом состояний. Дискретные системы можно противопоставить непрерывным системам, которые также можно назвать аналоговыми системами. Окончательная дискретная система часто моделируется с помощью ориентированного графа и анализируется на предмет правильности и сложности в соответствии с теорией вычислений. Поскольку дискретные системы имеют счетное число состояний, они могут быть описаны в точных математических моделях. компьютер - это конечный автомат, который можно рассматривать как дискретную систему. Поскольку компьютеры часто используются для моделирования не только других дискретных систем, но и непрерывных систем, были разработаны методы для представления непрерывных систем реального мира как дискретных систем. Один из таких методов включает выборку непрерывного сигнала с интервалом дискретного времени.
распределенный искусственный интеллект (DAI): Подполе исследования искусственного интеллекта, посвященное разработке распределенных решений проблем. DAI тесно связан и является предшественником области многоагентных систем.
динамической эпистемологической логики (DEL): Логическая структура, имеющая дело с изменением знаний и информации. Как правило, DEL фокусируется на ситуациях с участием нескольких агентов и изучает, как меняются их знания, когда происходят события.

Содержание:

Верх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. также
Ссылки
Внешние ссылки

активное обучение: Метод обучения, при котором система пытается построить общую, независимую от ввода целевую функцию во время обучения системы, в отличие от ленивого обучения, где обобщение за пределами обучающих данных откладывается до тех пор, пока не будет сделан запрос к системе.
Тест Эберта: Тест, который определяет, может ли компьютерный синтезированный голос сказать шутка с достаточным умением, чтобы вызвать у людей смех. кинокритик Роджер Эберт на конференции 2011 TED предложил разработчикам программного обеспечения использовать компьютерный голос для управления интонации, доставка, время и интонации говорящего человека. Этот тест аналогичен тесту Тьюринга, предложенному Аланом Тьюрингом в 1950 году как способ измерить способность компьютера проявлять разумное поведение путем создания производительности, неотличимой от человеческого существа.
сеть с эхосигналом (ESN): A рекуррентная нейронная сеть с редко подключенным скрытым слоем (обычно с подключением 1%). Связность и веса скрытых нейронов фиксированы и назначаются случайным образом. Веса выходных нейронов можно узнать, чтобы сеть могла (повторно) создавать определенные временные паттерны. Главный интерес этой сети заключается в том, что, хотя ее поведение нелинейно, единственные веса, которые изменяются во время обучения, относятся к синапсам, которые соединяют скрытые нейроны с выходными нейронами. Таким образом, функция ошибок является квадратичной по отношению к вектору параметров и может быть легко дифференцирована до линейной системы.
воплощенный агент: интеллектуальный агент, который взаимодействует с окружающей средой через физическое тело внутри эта среда. Агенты, которые представлены графически с телом, например человек или мультяшное животное, также называются воплощенными агентами, хотя они имеют только виртуальное, а не физическое воплощение.
воплощенная когнитивная наука: Междисциплинарная область исследований, цель которого - объяснить механизмы, лежащие в основе разумного поведения. Он включает три основных методологии: 1) целостное моделирование психологических и биологических систем, которое рассматривает разум и тело как единое целое, 2) формирование общего набора общих принципов разумного поведения и 3) экспериментальное использование роботов-агентов в контролируемых средах.
обучение на основе ошибок: Подраздел машинного обучения, посвященный тому, как агент должен действовать в окружение, чтобы свести к минимуму обратную связь с ошибками. Это тип обучения с подкреплением.
усреднение ансамбля: В машинном обучении, особенно при создании искусственных нейронных сетей, усреднение ансамбля - это процесс создания несколько моделей и объединение их для получения желаемого результата, в отличие от создания только одной модели.
этика искусственного интеллекта: Часть этики технологии, относящаяся к искусственному интеллекту.
эволюционный алгоритм (EA): Подмножество эволюционных вычислений, общий метаэвристический алгоритм оптимизации на основе популяции. EA использует механизмы, вдохновленные биологической эволюцией, такие как воспроизводство, мутация, рекомбинация и отбор. Возможные решения к задаче оптимизации играют роль отдельных лиц в популяции, а функция пригодности определяет качество решений (см. Также потеря функция ). Эволюция популяции происходит после многократного применения вышеуказанных операторов.
эволюционные вычисления: Семейство алгоритмов для глобальной оптимизации вдохновлено по биологической эволюции и подполе искусственный интеллект и изучению этих алгоритмов. С технической точки зрения, они представляют собой семейство программных средств проб и ошибок на основе популяции с символом метаэвристической или стохастической оптимизации.
развивающаяся функция классификации (ECF): Развивающиеся функции классификатора или развивающиеся классификаторы используются для классификации и кластеризации в области машинного обучения и искусственного интеллекта, обычно используемых для интеллектуального анализа потока данных задач в динамических и изменяющихся средах.
экзистенциальный риск: Гипотеза о том, что существенный прогресс в общем искусственном интеллекте (AGI) может когда-нибудь привести к человеческое вымирание или какая-то другая безвозвратная глобальная катастрофа.
экспертная система: Компьютерная система, имитирующая способность принимать решения человеческого эксперта. Экспертные системы предназначены для решения сложных проблем путем рассуждения с помощью совокупности знаний, представленных в основном как если – то правила, а не с помощью обычного процедурного кода.

быстро и быстро. скромные деревья: Тип дерева классификации. Деревья быстрого и экономного использования могут использоваться в качестве инструментов принятия решений, которые действуют как лексикографические классификаторы и, при необходимости, связывают действие (решение) с каждым классом или категорией.
извлечение признаков: В машине при обучении, распознавании образов и обработке изображений, извлечение признаков начинается с начального набора измеренных данных и строит производные значения (признаки ), предназначенные для информативный и неизбыточный, облегчающий последующие этапы обучения и обобщения, а в некоторых случаях приводящий к более качественной интерпретации человеком.
изучение функций: В машинном обучении изучение функций или обучение представлений - это набор методов, которые позволяют системе автоматически обнаруживать представления, необходимые для обнаружения или классификации признаков из необработанных данных. Это заменяет ручное проектирование функций и позволяет машине как изучать функции, так и использовать их для выполнения конкретной задачи.
выбор функций: В машинном обучении и статистика, выбор признаков, также известный как выбор переменных, выбор атрибутов или выбор подмножества переменных, представляет собой процесс выбора подмножества соответствующих характеристик (переменных, предикторов) для использования при построении модели.
федеративное обучение: Тип машинного обучения, который позволяет проводить обучение на нескольких устройствах с децентрализованными данными, тем самым помогая сохранить конфиденциальность отдельных пользователей и их данных.
логика первого порядка: Коллекция формальные системы, используемые в математике, философии, лингвистике и информатике. Логика первого порядка использует количественные переменные над нелогическими объектами и позволяет использовать предложения, содержащие переменные, так что вместо предложений, таких как Сократ, человек может иметь выражения в форме «существует X». такой, что X - это Сократ, а X - человек », и существует квантор, а X - переменная. Это отличает его от логики высказываний, в которой не используются кванторы или отношения.
свободно: Состояние, которое может меняться со временем. В логических подходах к рассуждениям о действиях беглые пользователи могут быть представлены в логике первого порядка с помощью предикатов, имеющих аргумент, зависящий от времени.
формальный язык: Набор слова, букв которых взяты из алфавита и правильно сформированы согласно определенному набору правил.
прямая цепочка: Один из двух основных методов рассуждения при использовании механизма вывода , который может быть описан логически как повторное применение modus ponens. Прямая цепочка - популярная стратегия реализации для экспертных систем, бизнес и систем производственных правил. Противоположностью прямой цепочки является обратная цепочка. Прямая цепочка начинается с доступных данных и использует правила вывода для извлечения дополнительных данных (например, от конечного пользователя), пока не будет достигнута цель . Механизм вывода , использующий прямую цепочку, просматривает правила вывода до тех пор, пока не найдет то, в котором известно, что антецедент (предложение If) является истинным. Когда такое правило найдено, механизм может заключить или сделать вывод о последующем (предложение Then), в результате чего к его данным будет добавлена новая информация .
frame: Искусственный интеллект структура данных, используемая для разделения знаний на подструктуры, представляя «стереотипные ситуации». Фреймы - это основная структура данных, используемая в искусственном интеллекте язык фреймов.
язык фреймов: Технология, используемая для представления знаний в искусственном интеллекте. Кадры хранятся как онтологии из наборов и подмножества концепций кадра. Они похожи на иерархии классов в объектно-ориентированных языках, хотя их основные цели разработки различны. Фреймы ориентированы на явное и интуитивно понятное представление знаний, тогда как объекты ориентированы на инкапсуляцию и сокрытие информации. Фреймы возникли в исследованиях ИИ, а объекты - в основном в программной инженерии. Однако на практике методы и возможности фреймового и объектно-ориентированного языков существенно пересекаются.
проблема фрейма: Проблема поиска адекватных наборов аксиом для жизнеспособного описания среды робота.
дружественный искусственный интеллект: Гипотетический общий искусственный интеллект (AGI), который окажет положительное влияние на человечество. Это часть этики искусственного интеллекта и тесно связана с машинной этикой. В то время как машинная этика связана с тем, как должен вести себя агент с искусственным интеллектом, дружественные исследования искусственного интеллекта сосредоточены на том, как практически реализовать такое поведение и обеспечить его адекватное ограничение.
исследования будущего: Исследование постулирования возможного, вероятного, и предпочтительно фьючерсы, а также мировоззрения и мифы, лежащие в их основе.
нечеткая система управления: A система управления, основанная на нечеткой логике - математическая система, которая анализирует аналоговые входные значения в терминах логических переменных, которые принимают непрерывные значения от 0 до 1, в отличие от классической или цифровой логики, которая работает с дискретными значениями 1 или 0 (истина или ложь соответственно).
нечеткая логика: Простая форма для многозначной логики, в которой значения истинности переменных могут иметь любую степень «правдивости», которая может быть представлена любым действительным числом в диапазоне от 0 (как в Co Совершенно Ложь) и 1 (как в Полностью Верно) включительно. Следовательно, он используется для обработки концепции частичной истины, где значение истинности может варьироваться от полностью истинного до полностью ложного. В отличие от логической логики, где истинные значения переменных могут иметь только целые значения 0 или 1.
нечеткое правило: Правило, используемое в системах нечеткой логики для вывести вывод на основе входных переменных.
нечеткое множество: В классической теории множеств принадлежность элементов к набору оценивается в двоичном виде в соответствии с бивалентным условием - элемент либо принадлежит, либо не принадлежит набору. Напротив, теория нечетких множеств позволяет постепенно оценивать принадлежность элементов к множеству; это описывается с помощью функции принадлежности со значением в реальном единичном интервале [0, 1]. Нечеткие множества обобщают классические множества, поскольку индикаторные функции (также известные как характеристические функции) классических множеств являются частными случаями функций принадлежности нечетких множеств, если последние принимают только значения 0 или 1. В теории нечетких множеств классические двухвалентные наборы обычно называются четкими наборами. Теория нечетких множеств может использоваться в широком диапазоне областей, в которых информация является неполной или неточной, например, биоинформатика.

Содержание:

Вверх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

теория игр: Изучение математических моделей стратегического взаимодействия между рациональными лицами, принимающими решения.
общие правила игры (GGP): Общие Игра в игры - это разработка программ искусственного интеллекта, позволяющих успешно запускать и играть в несколько игр.
генерирующая состязательная сеть (GAN): Класс систем машинного обучения. Две нейронные сети соревнуются друг с другом в рамках игры с нулевой суммой.
генетический алгоритм (GA): A метаэвристический, вдохновленный процессом естественный отбор, который принадлежит к более широкому классу эволюционных алгоритмов (EA). Генетические алгоритмы обычно используются для создания высококачественных решений оптимизации и проблем поиска, полагаясь на био-вдохновленные операторы, такие как мутация, кроссовер и выбор.
генетический оператор: Оператор , используемый в генетических алгоритмах для направления алгоритма к решению данной проблемы. Существует три основных типа операторов (мутация, кроссовер и выбор ), которые должны работать вместе друг с другом, чтобы алгоритм был успешным.
оптимизация роя светлячков: A интеллект роя оптимизация алгоритм, основанный на поведении светлячков (также известных как светлячки или молнии).
график (абстрактный тип данных): В информатике график - это абстрактный тип данных, предназначенный для реализации неориентированного графа и ориентированный граф концепции из математики ; в частности, область теория графов.
граф (дискретная математика): В математике, и более конкретно в теории графов, граф - это структура, составляющая набор объектов, в которых некоторые пары объектов в некотором смысле «связаны». Объекты соответствуют математическим абстракциям, называемым вершинами (также называемыми узлами или точками), и каждая из связанных пар вершин называется ребром (также называемым дугой или линией).
база данных графа (GDB): A база данных, которая использует структуры графа для семантических запросов с узлами, ребрами и свойствами для представления и хранить данные. Ключевым понятием системы является граф (или ребро, или связь), который напрямую связывает элементы данных в хранилище, набор узлов данных и ребер, представляющих отношения между узлами. Связи позволяют напрямую связывать данные в хранилище и во многих случаях получать их с помощью одной операции. В базах данных Graph отношения между данными являются приоритетными. Запрос отношений в базе данных графов выполняется быстро, потому что они постоянно хранятся в самой базе данных. Отношения могут быть интуитивно визуализированы с помощью графовых баз данных, что делает их полезными для сильно взаимосвязанных данных.
теория графов: Изучение графов, которые представляют собой математические структуры, используемые для моделирования парных отношений между объектами.
обход графа: Процесс посещения (проверки и / или обновления) каждой вершины в графе. Такие обходы классифицируются по порядку посещения вершин. Обход дерева - это особый случай обхода графа.

проблема остановки
эвристика: Техника, разработанная для более быстрого решения проблемы, когда классические методы слишком медленные, или для поиска приближенного решения, когда классические методы не могут найти точного решения. Это достигается за счет оптимальности, полноты, точности или точности для скорости. В каком-то смысле это можно считать ярлыком. Эвристическая функция, также называемая просто эвристикой, - это функция , которая ранжирует альтернативы в алгоритмах поиска на каждом шаге ветвления на основе доступной информации, чтобы решить, за какой ветвью следовать. Например, это может приблизительно соответствовать точному решению.
скрытый слой: Внутренний слой нейронов в искусственной нейронной сети, не предназначенный для ввода или вывода.
скрытый блок: Нейрон в скрытом слое в искусственной нейронной сети.
гиперэвристический: A эвристический метод поиска, который стремится автоматизировать процесс выбора, комбинирования, генерации или адаптации нескольких более простых эвристик (или таких компонентов эвристика) для эффективных решений задачого поиска, часто с использованием методов машинного обучения. Одним из мотивов изучения гиперэвристики является создание систем, которые могут решать только одну проблему.

Общество вычислительного интеллекта IEEE: A профессиональное сообщество Института электротехники и электричества Инженеры-электронщики (IEEE) фокусируются на «теории, проектировании, использовании и развитии биологически мотивированных и лингвистических вычислительных парадигм с упором на упором» нейронные сети, коннекционистские системы, генетические алгоритмы, эволюционное программирование, нечеткие системы и гибридные интеллектуальные системы, в которых содержатся эти парадигмы ».
инкрементное обучение: Метод машинного обучения, в котором входные данные непрерывно используются для расширения знаний существующей модели, т.е. для дальнейшего обучения модели. Он представляет собой динамический метод контролируемого обучения и неконтролируемое обучение, которое может применяться, когда обучающие данные становятся доступными постепенно с течением времени или их размер выходит за пределы системной памяти. Алгоритмы, которые могут способствовать постепенному обучению, известны как incr основные алгоритмы машинного обучения.
механизм вывода: Компонент системы, который применяет логические правила к базе знаний для вывода новой информации.
интеграция информации (II): Объединение информации из разнородные источники с различными концептуальными, контекстными и типографскими представлениями. Он используется в интеллектуальном анализе данных и консолидации данных из неструктурированных или полуструктурированных ресурсов. Обычно интеграция информации относится к текстовым представлениям знаний, но иногда применяется к мультимедийному контенту. Слияние информации, что является родственным термином, включает объединение информации в новый набор информации для уменьшения избыточности и неопределенности.
Язык обработки информации (IPL): A язык программирования, который включает предназначенные функции для помощи с программами, которые выполняют простые действия по решению проблем, такие как списки, распределение динамической памяти, типы данных, рекурсия, функции в качестве аргументов, генераторы и совместная многозадачность. IPL изобрела концепцию обработки списков, хотя и в стиле языка ассемблера.
усиление интеллекта (IA): Эффективное использование информационных технологий в расширении человеческий интеллект.
взрыв интеллекта: Возможный результат создания человечеством общего искусственного интеллекта (AGI). AGI будет способен к рекурсивному самосовершенствованию, что приведет к быстрому появлению ASI (искусственный суперинтеллект ), пределы которого неизвестны во время технологической сингулярности.
интеллектуальный агент ( IA): автономный объект, который действует, направляя свою деятельность для достижения целей (т.е. это агент ), в среде, используя наблюдение с помощью датчиков и, следовательно, исполнительные механизмы (т.е. интеллектуальные). Интеллектуальные агенты также могут изучить или использовать знания для достижения своих целей. Они могут быть очень простыми или очень сложными.
интеллектуальным управлением: Классом методов управления, в которых используются различные методы искусственного интеллекта вычислений, такие как нейронные сети, байесовская вероятность, нечеткая логика, машинное обучение, обучение с подкреплением, эволюционные вычисления и генетические алгоритмы.
интеллектуальный персональный помощник: A программный агент, который может выполнять задачи или услуги для человека на основе словесных команд. Иногда термин «чат-бот » используется для обозначения виртуальных помощников, к которым обычно или специально обращается онлайн-чат (или в некоторых случаях программы онлайн-чата, предназначенные исключительно для развлекательных целей). Некоторые виртуальные помощники могут интерпретировать человеческую речь и отвечать с помощью синтезированных голосов. Пользователи могут задавать вопросы своим помощникам, управлять устройствами домашней автоматизации и воспроизведением мультимедиа с помощью голоса, а также управлять другими основными задачами, такими как электронная почта, списки дел и календари, с помощью устных команд.
интерпретация: Присвоение значения символам формального языка. Многие формальные языки, используемые в математике, логике и теоретической информатике, определены исключительно в синтаксических терминах и как таковые не имеют любое значение, пока им не будет дана интерпретация. Общее изучение интерпретаций формальных языков называется формальной семантикой.
внутренней мотивацией: интеллектуальный агент по своей сути не может Я вынужден действовать, если только информационное содержание, полученное в результате действия, мотивирующим фактором. Информационное содержание в этом контексте измеряется в смысле теории информации как количественная оценка неопределенности. Типичная внешняя мотивация - это поиск необычных (неожиданных) действий, в отличие от типичной внешней мотивации, такой как поиск пищи внутренняя. Внутренне мотивированные искусственные агенты демонстрируют поведение, подобное исследование и любопытство..
дерево задач: Графическая разбивка вопроса, которая разбивает вопрос на различные компоненты по вертикали и постепенно детализируется по мере чтения направо. Деревья проблемны при решение проблем для решения основных проблем, а также для определения ее решений. Они также пейзаж, позволяющим увидеть каждую часть вписывается в общую картину проблемы.

Содержание:

Наверх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

алгоритм дерева соединений: Метод, используемый в машинном обучении для извлечения маргинализации в целом графов. По сути, это влечет за собой выполнение распространений на модифицированном графе, называемом деревом соединений. Граф называется деревом, потому что он разветвляется на разные разделы данных; узлы Числа - это ветви.

метод ядра: В машинном обучении методы ядра - это класс алгоритмов для анализа паттернов, лучшие из которых известный член - это машина опорных векторов ( SVM). Общая задача анализа паттернов - найти и изучить общие типы отношений (например, кластеры, ранжирование, главные компоненты, корреляции, классификации ) в наборах данных.
KL-ONE: Хорошо известная система представления знаний в традициях семантических сетей и кадры ; то есть это язык фреймов. Система представляет собой преодолеть семантическую нечеткость в представлении семантической сети и явно представить концептуальную информацию в виде структурированной сети наследования.
получение знаний: Процесс, использование для определения правил и онтологий, необходимых для знаний- основанная система. Эта фраза впервые была применена в сочетании с экспертными системами для описания начальных задач, связанных с разработкой экспертной системы, а именно поиска и интервьюирования экспертов предметной области и сбора их знаний с помощью правил, объекты и на основе фреймов онтологий.
система знаний (KBS): A компьютерная программа, которая причин и использует базу для решения сложных проблем. Этот термин широк и относится ко многим различным системам. Одна общая тема, которая объединяет все системы, основанные на знаниях, - это попытка явного представления данных и система рассуждений, позволяющая получать новые знания. Таким образом, система, основанная на знаниях, имеет две отличительные особенности: база знаний и механизм вывода.
инженерия знаний (KE): Все технические, научные и социальные аспекты участвует в создании, обслуживании и использовании систем, основанных на знаниях.
извлечение: Создание знаний из структурированных (реляционных баз данных, XML ) и неструктурированные (текст, документы, изображения ) источники. Полученные в результате знания должны быть в машиночитаемом и машинно-интерпретируемом формате и должны быть получены знания таким образом, чтобы облегчить вывод. Методически это похоже на извлечение информации (NLP ) и ETL (Хотя хранилище данных), основной критерием является то, что результат извлечения выходит за рамки создания структурированной информации или преобразование в реляционную схему . Это требует либо повторного использования формальных знаний (повторное использование методов поиска или онтологий ), либо генерации схем на основе исходных данных.
Формат обмена знаниями (KIF): Компьютерный язык, позволяющий использовать информацию, чтобы системы могли использовать и использовать информацию из систем, основанных на знаниях. KIF аналогичен языкам фреймов, таким как KL-ONE и LOOM, но, в отличие от такого языка, его основная не роль в качестве основы для выражения или использование знания, а скорее для обмена знаниями между системами. Разработчики KIF сравнили его с PostScript. PostScript не разработан в первую очередь как язык для хранения документов и управления ими, а скорее как формат обмена для систем и устройств для совместного использования документов. Таким же образом KIF предназначен для облегчения обмена знаниями между различными системами, которые используют разные языки, формализмы, платформы и т. Д.
представление знаний и обоснование (KR² или KRR): Область искусственный интеллект, предназначенная для представления информации в мире в форме, которую компьютерная система может использовать для решения сложных задач, таких как диагностика состояния здоровья или диалог на естественном языке. Представление знаний включает в себя выводы психологии о том, как люди решают проблемы и предоставляют знания для разработки формализмов, которые упростят проектирование и построение сложных систем. Представление и рассуждения также включает выводы из логики для различных видов рассуждений, таких как применение правил или отношений наборов и подмножеств. Примеры формы представлений знаний включают семантические сети, системную архитектурууру, фреймы, правила и онтологии. Примеры механизмов автоматического мышления, включая механизмы вывода, средства доказательства теорем и классификаторы.

ленивое обучение: В машинное обучение, ленивое обучение - это метод обучения, в котором обобщение обучающих данных теоретически откладывается до тех пор, пока не будет сделан запрос к системе, в отличие от активного обучения, где система обобщить обучающие данные перед получением запросов.
Lisp (язык программирования) (LISP): Семейство языков программирования с долгой историей и отличительной, полностью вках префиксная нотация.
логическое программирование: Тип парадигмы программирования, которая в степени основания на формальной логике. Любая программа, написанная на логическом языке программирования, представляет собой набор предложений в логической форме, выражающих факты и правила о некоторой проблемной области. Основные семейства языков логического программирования включают Prolog, программирование набора ответов (ASP) и Datalog.
долговременную краткосрочную память (LSTM): искусственная архитектура рекуррентной нейронной сети, используемая в области глубокого обучения. В отличие от стандартных нейронных сетей с прямой связью, LSTM имеет обратное соединение, которое делает его «компьютер общего назначения» (то есть он может вычислять все, что может машина Тьюринга). Он может обрабатывать не только отдельные точки данных (например, изображения), но и целые придержать данных (например, речь или видео).

машинное зрение (MV): Технология и методы, используемые для создания изображений - автоматическая проверка и анализ на основе таких приложений, как автоматический контроль, управление процессом и управление роботами, обычно в промышленности. Машинное зрение - это термин, охватывающий большое количество технологий, программных и аппаратных продуктов, интегрированных систем, действий, методов и опыта. Машинное зрение как дисциплину системная инженерия можно рассматривать отдельно от компьютерного зрения, разновидности информатики. Он пытается по-новому интегрировать технологии и их применять для реальных проблем. Используется этот распространенный для этих функций средствах массовой информации.
Цепь Маркова: A стохастическая модель, описывающая последовательность событий, в которых вероятность каждого события зависит только от состояния, достигнутого в предыдущем событии.
Марковский процесс принятия решений (MDP): A дискретное время стохастический управление процесс. Он обеспечивает математическую основу для моделирования принятие решений в ситуациях, когда результаты частично случайны и частично находятся под контролем лица, принимающего решения. MDP полезны для задач оптимизации, решаемых с помощью изучения динамического программирования и обучения с подкреплением.
математической оптимизации: В математике, на компьютере наука и исследование операций, выбор лучшего элемента (с учетом некоторого критерия) из некоторого набора альтернативных вариантов.
машинное обучение (ML): научное исследование алгоритмов и статистических моделей, которые компьютерные системы используют для Эффективное выполнение задачи без использования явных инструкций, полагаясь на паттерны и логический вывод.
машинное слушание: Общая область алгоритмов и систем для понимания звука машиной.
машинное восприятие: Способность компьютерной системы интерпретировать данные в манере, аналогичной тому, как люди используют свои чувства для связи с окружающим миром.
конструкция механизма: поле в economics и теория игр, в которой используется инженерный подход к разработке экономических механизмов или стимулов для достижения желаемых целей в стратегических условиях, где игроки находятся рационально. Затем она начинается в конце игры, а затем идет в обратном направлении, ее также называют теорией обратной игры. Он имеет широкое применение, от экономики и политики (рынки, аукционы, процедуры голосования) до сетевых систем (междоменная маршрутизация в Интернете, спонсируемые поисковые аукционы).
мехатроника: A многодисциплинарная отрасль инженерии, ориентированная на инженерное дело. электрические и механических, а также систем включает комбинацию робототехники, электроники, компьютер, телекоммуникации, системы, управление и продукт инженерия.
реконструкция и моделирование метаболической сети: Позволяет проводить углубленное понимание молекулярных механизмов конкретного организма. В частности, эти модели коррелируют геном с молекулярной физиологией.
метаэвристика: В информатике и математической оптимизации метаэвристика является более высокого уровня процедура или эвристика, предназначенная для поиска, генерации или выбора эвристики (частичный алгоритм поиска), который может обеспечить достаточно хорошее решение для оптимизации проблема, особенно с неполной или несовершенной информацией или ограниченной вычислительной мощностью. Метаэвристика отбирает набор решений, который слишком велик для полной выборки.
проверка модели: В информатике проверка модели или проверка данной модели системы исчерпывающей и автоматической проверки данной модели заданной спецификации . Обычно имеется в виду аппаратное или программное обеспечение, тогда как спецификация содержит требования безопасности, такие как отсутствие взаимоблокировок и подобных критических состояний, которые могут вызвать аварийный отказ системы. Проверка модели - это метод автоматической проверки корректности систем с конечным числом свойств.
modus ponens: В логике высказываний modus ponens - это правило вывода. Его можно резюмировать следующим образом: «P подразумевает Q и P утверждается как истинное, поэтому Q быть истинным».
modus tollens: В пропозициональной логике modus tollens - это действительный аргумент, форма и правило вывода. Это приложение общей истины о том, что если утверждение истинно, то и его контрапозитив тоже. Правило вывода подразумевает, что вывод из P подразумевает Q для отрицания Q, подразумевает, что отрицание P действительно.
Поиск по дереву Монте-Карло: В информатике, Поиск по дереву Монте-Карло (MCTS) - это эвристический алгоритм поиска для некоторых видов Процессы принятия решений.
многоагентная система (MAS): Компьютеризированная система, состоящая из множества взаимодействующих интеллектуальных агентов. Многоагентные системы могут решать проблемы, которые сложно или невозможно решить для отдельного агента или монолитной системы. Интеллект может быть методический, функциональный, процедурный подходы, алгоритмический поиск или обучение с подкреплением.
Оптимизация множества роя: Вариант оптимизации роя частиц (PSO), основанный на использовании множества суб-роя вместо одного (стандартного) роя. Общий подход к оптимизации нескольких роев заключается в том, что каждый под-рой фокусируется на определенном регионе, как конкретный метод диверсификации решает, где и когда запускать под-рой. Структура с границами особенно подходит для оптимизации многомодальных задач, где существует несколько (локальных) оптимумов.
мутация: A генетический оператор, используемый для поддержания генетического разнообразия из одного генерация популяции генетическим алгоритмом хромосом к следующему. Аналогична биологической мутации . Мутация изменяет одно или несколько значений гена в хромосоме по сравнению с исходным состоянием. При мутации решение может полностью отличаться от предыдущего. Следовательно, GA может прийти к лучшему решению, используя мутацию. Мутация происходит в процессе эволюции в соответствии с определяемой пользователем вероятностью мутации. Эта вероятность должна быть низкой. Если установлено слишком большое значение, поиск превратится в простой случайный поиск.
Mycin: Ранняя обратная цепочка экспертная система, в которой использовался искусственный интеллект для выявления бактерий, вызывающих тяжелые инфекции, такие как бактериемия и менингит, и рекомендовать антибиотики с дозировкой, скорректированной с учетом массы тела пациента - название производное от самих антибиотиков, так как многие антибиотики имеют суффикс «-мицин». Система MYCIN также использовалась для диагностики заболеваний свертывания крови.

Содержание:

Наверх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

наивный байесовский классификатор: В машинном обучении наивные байесовские классификаторы представляют собой семейство простых вероятностных классификаторов, основанных на применении теоремы Байеса с сильной (наивной) независимостью допущений между функциями.
наивная семантика: Подход, используемый в информатике для , представляющий базовые знания о конкретной области, и использовался в таких приложениях, как представление значения предложения на естественном языке в приложениях искусственного интеллекта. В общих условиях этот термин использовался для обозначения использования ограниченного хранилища общеизвестных знаний о конкретной области в мире и применялся к таким областям, как разработка схем данных на основе знаний.
name привязка: В языках программирования привязка имени - это ассоциация сущностей (данных и / или кода) с идентификаторами. Идентификатор, связанный с объектом, называется ссылкой на этот объект. Машинные языки не имеют встроенного понятия идентификаторов, но привязки имя-объект как услуга и нотация для программиста реализованы языками программирования. Связывание тесно связано с областью действия, поскольку область видимости определяет, какие имена связаны с какими объектами - в каких местах программного кода (лексически ) и в каком одном из возможных путей выполнения (временно ). Использование идентификатора idв контексте, который устанавливает привязку для id, называется вхождением привязки (или определения). Во всех других случаях (например, в выражениях, назначениях и вызовах подпрограмм) идентификатор обозначает то, к чему он привязан; такие вхождения называются прикладными.
распознавание именованного объекта (NER): Подзадача извлечения информации, цель которой найти и классифицировать именованный объект, упоминаемый в неструктурированный текст на заранее определенные категории, такие как имена людей, организации, местоположения, медицинские коды, выражения времени, количества, денежные значения, проценты и т. Д.
именованный график: Ключевая концепция сети <архитектура627>семантической сети, в которой набор инструкций Resource Description Framework (graph ) идентифицируется с помощью URI, позволяя описывать этот набор утверждений, таких как контекст, информация о происхождении или других подобных метаданных. Именованные графы предоставляют собой простое расширение модели данных RDF, с помощью которого можно создать графы, но в модели отсутствуют эффективные средства различения между ними после публикации в Web в целом.
создание естественного языка (NLG): Программный процесс, преобразующий структурированные данные в контент на простом английском языке. Его можно использовать для создания подробного содержимого для организаций, чтобы автоматизировать настраиваемые отчеты, а также для создания настраиваемого содержимого для веб-приложений или мобильных приложений. Его также можно использовать для создания коротких фрагментов текста в интерактивных беседах (чат-бот ), которые даже могут быть прочитаны вслух системой преобразования текста в речь.
естественная языковая обработка (NLP): Раздел информатики, информационной инженерии и искусственного интеллекта, связанный с взаимодействием между компьютерами и человеческими (естественными) языками, в частности, как программировать компьютеры для обработки и анализа больших показателей естественный язык данные.
программирование на естественном языке: способ программирования с онтологии в терминах естественного языка предложений, например английский.
сетевой мотив: Все сети, включая биологические сети, социальные сети, технологические сети (например, компьютерные сети и электрические цепи) и др., Могут быть представлен в виде графов, которые включают большое разнообразие подграфов. Одним из важных локальных свойств сетей являются так называемые сетевые мотивы, которые определяют как повторяющиеся и статистически значимые подграфы или шаблоны.
нейронный машинный перевод (NMT): Подход на машинный перевод, который использует большую искусственную нейронную сеть для прогнозирования вероятности этих слов, обычно моделируя целые предложения в единой интегрированной модели.
нейронная машина Тьюринга (NTM): A модель рекуррентной нейронной сети. NTM сочетают в себе нечеткие сопоставления с образцом возможности нейронных сетей с алгоритмической мощностью программируемых компьютеров. NTM имеет контроллер нейронной сети, подключенный к ресурсам внешней памяти, с которой он взаимодействует через механизмы внимания. Взаимодействия с памятью дифференцируются от конца до конца, что позволяет оптимизировать их с помощью градиентного спуска. NTM с сетевым контроллером долговременной краткосрочной памяти (LSTM) может выводить простые алгоритмы, такие как копирование, сортировка и ассоциативный вызов, только на основе примеров.
нейронечеткий: Комбинации искусственные нейронные сети и нечеткая логика.
нейрокибернетика: Прямой канал связи между расширенным или проводным мозгом и внешними. BCI отличается от нейромодуляции тем, что допускает двунаправленный поток информации. BCI часто используется на исследовании, отображение, усиление или восстановление когнитивных или сенсомоторных функций человека.
нейроморфная инженерия: Концепция, описывающая использование очень крупномасштабной интеграции (СБИС) системы, содержащие электронные аналоговые схемы для имитации нейробиологической архитектуры, присутствующей в нервной системе. В последнее время термин нейроморфный используется для описания аналоговых, цифровых, смешанных аналогово-цифровых СБИС и программных систем, реализующих моделей нейронных систем (для восприятия, управление двигателем или мультисенсорная интеграция ). Реализация нейроморфных вычислений на аппаратном уровне может быть реализована с помощью оксидных мемристоров, спинтронной памяти, пороговых переключателей и транзисторов,.
узла: Базовый блок структура данных, такая как связанный список или древовидная структура данных. Узлы содержат данные, а также могут связываться с другими узлами. Связи между узлами часто реализуются с помощью указателей.
недетерминированного алгоритма: алгоритма, который даже для одного и того же входа может демонстрировать различное поведение при разных прогонах, в отличие от детерминированный алгоритм.
новый AI: новый AI отличается от классического AI тем, что нацелен на создание роботов с уровнем интеллекта, подобным насекомым. Исследователи полагают, что интеллект может естественным образом возникать из простого механизма, поскольку эти интеллекты используют с «реальным миром», вместо того, чтобы использовать сконструированные миры, которые символический ИИ обычно должен был запрограммировать в них.
NP: В теории сложности вычислений, NP (недетерминированное полиномиальное время) - это класс сложности, использование для классификации задач решений. NP - это набор задач, для которых экземпляры проблемы, где ответ «да», имеют доказательств, проверяемых за полиномиальное время.
NP -полнота: В теории вычислительной сложности является проблема NP-полной, когда она может быть решена ограниченным классом алгоритмов перебора и может быть другая проблема с помощью аналогичного алгоритма. Точнее, каждый вход должен быть связан с набором решений полиномиальной длины, достоверность которого можно быстро проверить (за полиномиальное время ), так что выход для любого входа будет «да», если набор решенийуст и "нет", если он пуст.
NP-твердость: В вычислительной сложности определяющее свойство класса задач, которые неформально являются "по крайней мере, так же сложно, как самые сложные задачи в НП". является задачей о сумме подмножества .

бритва Оккама: Принцип решения проблем, который гласит, что при представлении конкурирующих гипотез, которые делают те же самые прогнозы, следует выбирать решение с наименьшим предположением; Идея приписывается английскому францисканцу монаху Уильяму из Оккама (c.1287–1347), схоласт философу и теологу.
офлайн-обучению
машинное обучение в Интернете: Метод машинного обучения, при котором данные становятся доступными в последовательном порядке и используются для обновления лучшего предсказателя будущих данных на каждом этапе, в отличие от методов пакетного обучения, которые генерируют лучший предсказатель, обучаясь сразу на всем наборе обучающих данных. Онлайн-обучение - это распространенный метод, использование в областях машинного обучения, где с вычислительной точки невозможно обучить весь набор данных, что требует использования алгоритмов вне ядра. Он также используется в ситуациях, когда необходимо, чтобы алгоритм динамически адаптировался к новым шаблонам в данных, или когда сами данные используются как функция времени.
изучение онтологии: Автоматическое или полуавтоматическое создание онтологий, включая извлечение терминов между цепями области и отношений концепты, которые эти термины обеспечивают, из корпуса естественного языка текст и кодирование их с помощью языка онтологий для облегчения поиска.
OpenAI: Коммерческая корпорация OpenAI LP, материнская организация которой является некоммерческой организации OpenAI Inc, которая проводит исследования в области искусственного интеллекта (AI) с заявленной целью продвигать и развивать дружественный AI таким образом, чтобы принести пользу человечеству в целом.
OpenCog: Проект, направленный на создание среды искусственного интеллекта с открытым исходным кодом. OpenCog Prime - это архитектура для роботов и виртуального воплощенного познания, которая определяет набор взаимодействующих компонентов, предназначенных для создания человеческого эквивалента общего искусственного интеллекта (AGI) в качестве соответствующего явления всей системы.
Open Mind Common Sense: Проект искусственного интеллекта, основанный в Массачусетском технологическом институте (MIT) Media Lab, цель которого является для создания и использования большого базы знаний здравого смысла на основе вкладов многих тысяч людей в Интернете.
программное обеспечение с внешним исходным кодом (OSS): Тип компьютерное обеспечение, в котором исходный код выпущен под лицензией, в которой обладатель авторских прав предоставляет пользователям по изучению, изменению и распространение программного обеспечения кому угодно и для любых целей. Программное обеспечение с открытым исходным кодом может разрабатываться общедоступным способом. Программное обеспечение с открытым исходным кодом является ярким примером открытого сотрудничества.

частичного размера порядка: Метод уменьшения размера пространства состояний, в котором будет производиться поиск при проверке модели или автоматическое планирование и составление расписаний алгоритм. Он использует коммутативность одновременно выполняемых переходов, которые приводят к одному и тому же состоянию при выполнении в разных порядках.
частично наблюдаемый марковский процесс принятия решений (POMDP): Обобщение Марковский процесс принятия решений (MDP). POMDP моделирует процесс принятия решений агентом, в котором установлена система MDP, но агент не может напрямую взаимодействовать за базовым состоянием. Вместо этого он должен быть источником вероятностей по набору состояний на основе набора наблюдений и вероятностей наблюдений, а также лежащего в их основе MDP.
Оптимизация роя частиц (PSO): Вычислительный метод, который оптимизирует проблему, итеративно пытаясь улучшить возможное решение в отношении заданного показателя качества. Он решает проблему, имея совокупность способов, здесь обозначенных частиц, и перемещенных этих частиц в пространстве поиска в соответствии с простыми математическими формулами над положением и скоростью частиц. На движение каждой частицы влияет ее местное наиболее известное положение. Ожидается, что это переместит рой к лучшим решениям.
поиск пути: Построение компьютерным приложением кратчайшего маршрута между двумя точками. Это более практичный вариант решения лабиринтов. Эта область использования института в основе алгоритма Дейкстры для поиска кратчайшего пути на взвешенном графе.
распознавание образов: Обеспокоенность автоматическим обнаружением закономерностей в данных с помощью компьютера алгоритмов и с этими закономерностями для выполнения таких действий, как классификация данных по различным категориям.
логика предикатов: Набор формальных систем, используемых в математике, философия, лингвистика и информатика. Логика первого порядка использует количественные переменные над нелогическими объектами и позволяет использовать предложения, содержащие переменные, так что вместо предложений типа «Сократ - человек» можно иметь выражение в форме «x такой, что x - это Сократ, а x - это человек », и существует квантор, а x - переменная. Это отличает его от логики высказываний использует, которая не кванторы или отношения ; в этом смысле логика высказываний используется логики первого порядка.
прогнозная аналитика: Разнообразные статистические методы из интеллектуального анализа данных, прогнозного моделирования и машинное обучение, которое анализирует текущие и исторические факты, чтобы делать прогнозы относительно будущих или иным образом неизвестных событий.
анализ главных компонентов (PCA): Статистическая процедура, использующая ортогональное преобразование для преобразования набора наблюдений возможно коррелированных значений (объекты, каждая из которых принимает различные числовые значения) в набор значений линейно некоррелированных переменных, называемых главными компонентами. Это преобразование определяется таким образом, что первый компонент имеет наибольшую возможную дисперсию (то есть учитывает как можно большую вариативность данных), каждый последующий компонент, в свою очередь, имеет максимально возможную дисперсию при ограничении, что он ортогонален предыдущим компонентм. Результирующие элементы (каждый представляет собой линейную комбинацию размер и содержит n наблюдений) представляет собой некоррелированный ортогональный базисный набор. PCA чувствителен к относительному масштабированию исходных чисел.
Принцип рациональности: Принцип, изобретенный Карлом Р. Поппером в его Гарвардской лекции 1963 года и опубликованный в его книге Myth of Framework. Это связано с тем, что он назвал «логикой ситуации» в статье «Экономика за 1944/1945 гг.», Опубликованной позже в его книге «Нищета историзма». Согласно принципу рациональности Поппера, агенты наиболее адекватно объективной ситуации. Это адаптированная концепция человеческого поведения, которую он использует в модели ситуационного анализа.
вероятностного идеального программирования (PP): A парадигмы программирования, в которой вероятностные модели определяют, и вывод для этих моделей выполняется автоматически. Он представляет собой попытку объединить вероятностное моделирование и традиционное универсальное программирование, чтобы сделать первое проще и более широко применимым. Его можно использовать для создания систем, которые принимают решения в условиях неопределенности. Языки программирования, используемые для вероятностного программирования, называются «вероятностными языками программирования» (PPL).
производственная система
язык программирования: A формальный язык, который включает набор инструкций которые производят различные виды выводов . Языки программирования используются в компьютерном программировании для реализации алгоритмов.
Prolog: A логического программирования языка, связанного с искусственным интеллектом и компьютерной лингвистикой. Prolog имеет свои корни в логике первого порядка, формальной логике, и в отличие от многих других языков программирования, Prolog задуман в первую очередь как декларативный язык программирования: логика программы выражается в терминах отношений, представленных в виде фактов и правил. Вычисление начинается с выполнения запроса по этим отношениям.
исчисление высказываний: Ветвь логики, которая имеет дело с предложениями (которые могут быть истинными или ложными) и аргументами течь. Составные предложения образуются путем соединения предложений логическими связками. Предложения без логических связок называются атомарными предложениями. В отличие от логики первого порядка, логика высказываний не имеет дело с нелогическими объектами, предикатами о них или кванторами. Однако весь механизм логики высказываний включен в логику первого и более высокого порядка. В этом смысле логика высказываний является основой логики первого и высшего порядка.
Python: интерпретируемый, высокоуровневый, общий -purpose язык программирования, созданный Гвидо ван Россум и впервые выпущенный в 1991 году. Философия дизайна Python делает упор на читабельности кода с его заметным использованием значащий пробел. Его языковые конструкции и объектно-ориентированный подход призваны помочь программистам писать четкий, логичный код для небольших и крупномасштабных проектов.

Содержание:

Наверх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. также
Ссылки
Внешние ссылки

проблема квалификации: В философии и искусственном интеллекте (особенно системах, основанных на знаниях) проблема квалификации связана с невозможностью перечислить все предварительные условия, необходимые для того, чтобы действие в реальном мире имело желаемый эффект. Это может быть сформулировано как то, как бороться с вещами, которые мешают мне достичь желаемого результата. Он тесно связан с стороной разветвления и противоположен ему кадровой проблемой.
квантификатором: В логике количественное определение определяет количество образцов в область дискурса, удовлетворяющая открытой формуле . Два наиболее распространенных квантификатора означают «для всех » и «существует ». Например, в арифметике кванторы позволяют сказать, что натуральные числа существуют вечно, записывая, что для всех n (где n - натуральное число) существует другое число (скажем, преемник n), которое на единицу больше чем n.
квантовые вычисления: Использование квантово-механических явлений, таких как суперпозиция и запутанность для выполнения вычисление. Для выполнения таких вычислений используется квантовый компьютер, который может быть реализован теоретически или физически.
язык запросов: языки запросов или языки запросов данных (DQL) - это компьютерные языки, используемые для выполнения запросов в базы данных и информационные системы. В широком смысле языки запросов можно классифицировать в зависимости от того, являются ли они языками запросов к базе данных или языками запросов поиска информации. Разница в том, что язык запросов к базе данных пытается дать фактические ответы на фактические вопросы, в то время как язык запросов поиска информации пытается найти документы, содержащие информацию, относящуюся к области исследования.

язык программирования R: A язык программирования and free software environment for statistical computing and graphics supported by the R Foundation for Statist ical Computing. Язык R широко используется среди статистиков и специалистов по добыче данных для разработки статистического программного обеспечения и анализа данных.
сети радиальных базисных функций: В В области математического моделирования сеть радиальных базисных функций представляет собой искусственную нейронную сеть, которая использует радиальные базисные функции в качестве функций активации. Выходные данные сети - это линейная комбинация радиальных базисных функций входов и параметров нейрона. Сети радиальных базисных функций имеют множество применений, включая аппроксимацию функций, прогнозирование временных рядов, классификацию и системное управление. Впервые они были сформулированы в статье 1988 г. Брумхедом и Лоу, исследователями из Royal Signals and Radar Establishment.
random forest: метод ансамблевого обучения для классификации, регрессия и другие задачи, которые работают путем построения множества деревьев решений во время обучения и вывода класса, который является режимом классов (классификация) или среднее предсказание (регрессия) отдельных деревьев. Леса случайных решений корректируют привычку деревьев решений переобучать своему обучающему набору.
система рассуждений: В информационных технологиях система рассуждений - это программное обеспечение система, которая генерирует выводы из имеющихся знаний с использованием логических методов, таких как дедукция и индукция. Системы рассуждений играют важную роль в реализации искусственного интеллекта и систем, основанных на знаниях.
рекуррентной нейронной сети (RNN): Класс искусственных нейронных сетей, в которых связи между узлы образуют ориентированный граф во временной последовательности. Это позволяет ему демонстрировать динамическое поведение во времени. В отличие от нейронных сетей с прямой связью, RNN могут использовать свое внутреннее состояние (память) для обработки последовательностей входных данных. Это делает их применимыми к таким задачам, как несегментированное связанное распознавание рукописного ввода или распознавание речи.
исчисление соединения области
обучение с подкреплением (RL): область машинное обучение связано с тем, как программные агенты должны выполнять действия в среде, чтобы максимизировать некоторое понятие совокупного вознаграждения. Обучение с подкреплением является одной из трех основных парадигм машинного обучения, наряду с обучением с учителем и обучением без учителя. Оно отличается от обучения с учителем тем, что не требуется представлять помеченные пары ввода / вывода и не нужно явно корректировать неоптимальные действия. Вместо этого основное внимание уделяется поиску баланса между разведкой (неизведанной территории) и эксплуатацией (текущие знания).
вычисление резервуара: Структура для вычислений, которую можно рассматривать как расширение нейронных сетей. Обычно входной сигнал подается в фиксированную (случайную) динамическую систему, называемую резервуаром, и динамика резервуара отображает входные данные в более высокое измерение. Затем простой механизм считывания обучается считывать состояние резервуара и отображать его на желаемый результат. Главное преимущество в том, что обучение выполняется только на этапе считывания, а резервуар фиксируется. Машины с жидкостным состоянием и сети эхо-состояний - это два основных типа резервуарных вычислений.
Структура описания ресурсов (RDF): Семейство World Спецификации консорциума Wide Web (W3C) изначально были разработаны как метаданные модель данных. Он стал использоваться в качестве общего метода концептуального описания или моделирования информации, реализованной в веб-ресурсах, с использованием различных синтаксических обозначений и форматов сериализации данных. Он также используется в приложениях управления знаниями.
ограниченная машина Больцмана (RBM): A генеративная стохастическая искусственная нейронная сеть который может изучить распределение вероятностей по его набору входных данных.
алгоритм Rete: A сопоставление с образцом алгоритм для реализации систем на основе правил. Алгоритм был разработан для эффективного применения множества правил или шаблонов ко многим объектам или фактам в базе знаний. Он используется для определения того, какое из правил системы должно срабатывать на основе его хранилища данных, его фактов.
робототехника: междисциплинарная отрасль науки и техники, включающая машиностроение, электроника инженерия, информационная инженерия, информатика и другие. Робототехника занимается проектированием, конструированием, эксплуатацией и использованием роботов, а также компьютерных систем для управления ими, сенсорной обратной связи и информации. обработка.
система, основанная на правилах: В информатике система на основе правил используется для хранения знаний и манипулирования ими для полезной интерпретации информации. Он часто используется в приложениях и исследованиях искусственного интеллекта. Обычно термин «система, основанная на правилах» применяется к системам, включающим наборы правил, созданные человеком или специально подобранные. Системы на основе правил, построенные с использованием автоматического вывода правил, такие как машинное обучение на основе правил, обычно исключаются из этого типа системы.

выполнимость: В математической логике выполнимость и действительность являются элементарными понятиями семантики. Формула является выполнимой, если можно найти интерпретацию (модель ), которая делает формулу истинной. Формула действительна, если все интерпретации делают ее верной. Противоположностью этих концепций являются неудовлетворительность и недействительность, то есть формула неудовлетворительна, если ни одна из интерпретаций не делает формулу истинной, и недействительной, если какая-то такая интерпретация делает формулу ложной. Эти четыре концепции связаны друг с другом точно так же, как Аристотель квадрат противоположности.
алгоритм поиска: Любой алгоритм, который решает проблема поиска, а именно, получить информацию, хранящуюся в некоторой структуре данных или вычисленную в пространстве поиска элемента a, либо с дискретными, либо с непрерывными значениями.
с выбором: этап генетического алгоритма, на котором отдельные геномы выбираются из популяции для последующего разведения (с использованием оператора кроссовера ).
самоуправления: Процесс, с помощью которого компьютерные системы управляют своей собственной работой без вмешательства человека.
семантическая сеть: A база знаний, которая представляет семантические отношения между концептами в сети. Это часто используется как форма представление знаний. Это ориентированный или неориентированный граф, состоящий из вершин, которые представляют концепции и ребра, которые представляют семантические отношения между концепциями, отображающие или связывающие семантические поля.
семантический аргумент: Часть программного обеспечения, способная вывести логические следствия из набора утвержденных фактов или аксиом. Понятие семантического аргумента обобщает понятие механизма вывода , обеспечивая более богатый набор механизмов для работы. Правила вывода обычно задаются с помощью языка онтологий и часто языка логики описания . Многие авторы рассуждений используют логику предикатов первого порядка для выполнения рассуждений; логический вывод обычно осуществляется с помощью прямой цепочки и обратной цепочки.
семантического запроса: Позволяет выполнять запросы и аналитику ассоциативного и контекстного характера. Семантические запросы позволяют извлекать как явно, так и неявно полученную информацию на основе синтаксической, семантической и структурной информации, содержащейся в данных. Они предназначены для получения точных результатов (возможно, четкого выделения одного единственного фрагмента информации) или для ответа на более расплывчатые и широко открытые вопросы с помощью сопоставления с образцом и цифрового мышления.
семантики: В теории языков программирования семантика - это область, связанная со строгим математическим изучением значения языков программирования. Он делает это путем оценки значения синтаксически действительных строк, определенных конкретным языком программирования, показывая задействованные вычисления. В таком случае, если оценка будет синтаксически недопустимой строкой, результатом будет невычисление. Семантика описывает процессы, которым следует компьютер при выполнении программы на этом конкретном языке. Это можно показать, описав взаимосвязь между вводом и выводом программы или объяснив, как программа будет выполняться на определенной платформе, тем самым создав модель вычислений.
Sensor Fusion: Объединение сенсорных данных или данных, полученных из разрозненных источников, так что результирующая информация имеет меньшую неопределенность, чем это было бы возможно при использовании этих источников по отдельности.
Логика разделения: Расширение логики Хоара, способ рассуждать о программах. Язык утверждений логики разделения - это частный случай логики сгруппированных импликаций (BI).
изучение подобия: Область контролируемого машинного обучения в искусственном интеллекте. Он тесно связан с регрессией и классификацией, но цель состоит в том, чтобы извлечь уроки из функции подобия, которая измеряет, насколько похожи или связаны два объекта. Он имеет приложения в рейтинге, в системах рекомендаций, отслеживании визуальной идентичности, проверке лица и проверке говорящего.
имитация отжига (SA): A вероятностный метод для аппроксимации глобального оптимума заданной функции. В частности, это метаэвристика для аппроксимации глобальной оптимизации в большом пространстве поиска для задачи оптимизации.
ситуативный подход: В искусственных Исследования разведки, ситуативный подход создает агентов, которые предназначены для эффективного успешного поведения в своей среде. Это требует разработки ИИ «снизу вверх», сосредоточив внимание на основных перцептивных и моторных навыках, необходимых для выживания. Ситуационный подход дает гораздо более низкий приоритет абстрактным рассуждениям или навыкам решения проблем.
ситуационное исчисление: A логика формализм, разработанный для представления и рассуждения о динамических областях.
Выборочное линейное решение с определенным предложением: Основное правило вывода, используемое в логическом программировании. Это уточнение разрешения, которое одновременно обоснованно и опровергает полное для пунктов Хорна.
программное обеспечение: Набор данные или компьютер инструкции, указывающие компьютеру, как работать. Это контрастирует с физическим оборудованием, из которого система построена и фактически выполняет работу. В информатике и программной инженерии компьютерное программное обеспечение - это вся информация, обрабатываемая компьютерными системами, программами и данные. Компьютерное программное обеспечение включает компьютерные программы, библиотеки и связанные с ними неисполняемые данные, такие как онлайн-документация или цифровые носители.
разработка программного обеспечения: Применение инженерии к разработке программного обеспечения систематическим методом.
пространственно-временные рассуждения: Область искусственного интеллекта, основанного на областях информатики, когнитивной науки и когнитивной психологии. Теоретическая цель - с познавательной стороны - включает представление и рассуждение пространственно-временного знания в уме. Прикладная цель - со стороны вычислений - включает разработку высокоуровневых систем управления автоматами для навигации и понимания времени и пространства.
SPARQL: язык запросов RDF - то есть семантический язык запросов для баз данных - способный извлекать и управлять данными, хранящимися в формате Resource Description Framework (RDF).
распознавание речи: Междисциплинарное подполе компьютерной лингвистики, которое разрабатывает методологии и технологии, позволяющие распознавать и переводить разговорный язык в текст с помощью компьютеров. Это также известно как автоматическое распознавание речи (ASR), компьютерное распознавание речи или преобразование речи в текст (STT). Он включает в себя знания и исследования в областях лингвистики, информатики и электротехники.
нейронная сеть (SNN): искусственная нейронная сеть, которая более точно имитирует естественную нейронную сеть. В дополнение к нейронному и синаптическому состоянию, SNN включают понятие времени в свою Операционную модель.
состояние: В информационных технологиях и информатика, программа описывается как сохраняющая состояние, если она предназначена для запоминания предшествующих событий или взаимодействий с пользователем; запомненная информация называется состоянием системы.
статистическая классификация: В машинном обучении и статистике классификация - это проблема определения того, к какому из набора категории (подгруппы) новое наблюдение принадлежит на основе обучающего набора данных, содержащих наблюдения (или экземпляры), принадлежность которых к категории известна. Примеры: отнесение данного электронного письма к классу «спам» или «не-спам» и постановка диагноза данному пациенту на основе наблюдаемых характеристик пациента (пол, артериальное давление, наличие или отсутствие определенные симптомы и т. д.). Классификация - это пример распознавания образов.
статистического реляционного обучения (SRL): Поддисциплина искусственного интеллекта и машинного обучения, которая связана с моделями предметной области, которые демонстрируют как неопределенность (с которой можно справиться с помощью статистических методов), так и сложную, реляционную структуру. Обратите внимание, что в литературе SRL иногда называют реляционным машинным обучением (RML). Как правило, формализмы представления знаний, разработанные в SRL, используют (подмножество) логику первого порядка для описания реляционных свойств домена в общем виде (универсальная количественная оценка ) и использовать вероятностные графические модели (например, байесовские сети или сети Маркова ) для моделирования неопределенности; некоторые также основываются на методах индуктивного логического программирования.
стохастической оптимизации (SO): Любой метод оптимизации , который генерирует и использует случайные переменные. Для стохастических задач случайные величины появляются в формулировке самой задачи оптимизации, которая включает случайные целевые функции или случайные ограничения. К методам стохастической оптимизации также относятся методы со случайными итерациями. Некоторые методы стохастической оптимизации используют случайные итерации для решения стохастических задач, объединяя оба значения стохастической оптимизации. Методы стохастической оптимизации обобщают детерминированные методы для детерминированных задач.
стохастический семантический анализ: Подход, используемый в информатике как семантический компонент понимание естественного языка. Стохастические модели обычно используют определение сегментов слов в качестве базовых семантических единиц для семантических моделей, а в некоторых случаях включают двухуровневый подход.
Решение проблем Стэнфордского исследовательского института (STRIPS)
эксперт в предметной области
суперинтеллект: гипотетический агент, обладающий интеллектом, намного превосходящим самых ярких и самых одаренных человеческих умов. Суперинтеллект может также относиться к свойству систем решения проблем (например, сверхразумных переводчиков или инженеров), независимо от того, воплощены ли эти интеллектуальные компетенции высокого уровня в агентах, действующих в физическом мире. Сверхразум может быть создан или не создан в результате интеллектуального взрыва и быть связан с технологической особенностью.
контролируемым обучением: Задача машинного обучения обучения функции который отображает ввод на вывод на основе примеров пар ввода-вывода. Он выводит функцию из помеченных обучающих данных, состоящих из набора обучающих примеров. При обучении с учителем каждый пример представляет собой пару, состоящую из входного объекта (обычно вектора) и желаемого выходного значения (также называемого контрольным сигналом). Алгоритм обучения с учителем анализирует данные обучения и выдает предполагаемую функцию, которую можно использовать для отображения новых примеров. Оптимальный сценарий позволит алгоритму правильно определять метки классов для невидимых экземпляров. Это требует от алгоритма обучения «разумного» обобщения обучающих данных на невидимые ситуации (см. индуктивное смещение ).
машины опорных векторов: В машинном обучении опорный вектор машины (SVM, также сети опорных векторов) - это модели контролируемого обучения с соответствующими алгоритмами обучения, которые анализируют данные, используемые для классификации и регрессионного анализа.
интеллект роя (SI): коллективное поведение децентрализованных, самоорганизованных систем, естественных или искусственных. Выражение было введено в контексте клеточных робототехнических систем.
символический искусственный интеллект: Термин для совокупности всех методов в искусственном интеллекте исследований, которые основаны на высокоуровневом «символическом» (человекочитаемом) представления проблем, логика и поиск.
синтетический интеллект (SI): Альтернативный термин для искусственного ial разум, который подчеркивает, что интеллект машин не обязательно должен быть имитацией или каким-либо образом искусственным; это может быть подлинная форма интеллекта.
системная нейробиология: Раздел нейробиологии и системной биологии, изучающий структуру и функции нейронных цепей и систем. Это обобщающий термин, охватывающий ряд областей исследования, связанных с тем, как нервные клетки ведут себя, когда соединяются вместе, образуя нервные пути, нервные цепи и т. Д. мозговые сети.

Содержание:

Верх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

технологическая особенность: A гипотетическая точка в будущем когда технологический рост становится неконтролируемым и необратимым, что приводит к непостижимым изменениям в человеческой цивилизации.
обучение с разницей во времени: Класс безмодельного обучения с подкреплением, которое изучает начальная загрузка из текущей оценки функции ценности. Эти методы выбирают из среды, например методы Монте-Карло, и выполняют обновления на основе текущих оценок, например методы динамического программирования.
теория тензорных сетей: теория функция мозга (в частности, функция мозжечка ), которая обеспечивает математическую модель преобразования сенсорных пространственно-временных координат в моторные координаты и наоборот, мозжечковыми нейронными сетями. Теория была разработана как геометризация функции мозга (особенно центральной нервной системы ) с использованием тензоров.
TensorFlow: A free и программная библиотека с открытым исходным кодом для потока данных и дифференцируемого программирования для ряда задач. Это символьная математическая библиотека, которая также используется для машинного обучения приложений, таких как нейронные сети.
теоретическая информатика (TCS): Подмножество общих информатика и математика, которая фокусируется на более математических темах вычислений и включает теорию вычислений.
теорию вычислений: в теоретическую информатику и математика, теория вычислений - это ветвь, которая касается того, насколько эффективно проблемы могут быть решены на модели вычислений с использованием алгоритма. Эта область разделена на три основных раздела: теория автоматов и языки, теория вычислимости и теория вычислительной сложности, которые связаны вопросом: «Что такое фундаментальные возможности и ограничения компьютеров? ".
выборка Томпсона: A эвристика для выбора действий, которые решают дилемму разведки-эксплуатации в проблеме многорукого бандита. Он заключается в выборе действия, которое максимизирует ожидаемое вознаграждение относительно случайно выбранной веры.
временная сложность: вычислительная сложность, которая описывает количество времени, необходимое для выполнения алгоритм. Сложность по времени обычно оценивается путем подсчета количества элементарных операций, выполняемых алгоритмом, предполагая, что каждая элементарная операция требует фиксированного количества времени для выполнения. Таким образом, количество затраченного времени и количество элементарных операций, выполняемых алгоритмом, различаются не более чем на постоянный коэффициент.
трансгуманизм: Международное философское движение, которое выступает за преобразование условий человеческого существования путем разработки и широкого распространения сложных технологий для значительного улучшения человеческого интеллекта и физиологии.
переходная система: В теоретическая информатика, переходная система - это концепция, используемая при исследовании вычислений. Он используется для описания потенциального поведения дискретных систем. Он состоит из состояний и переходов между состояниями, которые могут быть помечены метками, выбранными из набора; один и тот же ярлык может появляться более чем на одном переходе. Если набор меток представляет собой синглтон, система по существу не имеет меток, и возможно более простое определение, в котором метки не указаны.
обход дерева: Форма обхода графа и относится к процессу посещения (проверки и / или обновления) каждого узла в древовидной структуре данных ровно один раз. Такие обходы классифицируются по порядку посещения узлов.
истинная количественная логическая формула: В теории вычислительной сложности язык TQBF - это формальный язык, состоящий из истинные количественные булевы формулы. (Полностью) количественная логическая формула - это формула в квантифицированной логике высказываний, где каждая переменная количественно определена (или привязана ) с использованием либо экзистенциального или универсальные кванторы в начале предложения. Такая формула эквивалентна истинному или ложному (поскольку не существует свободных переменных). Если такая формула истинна, то эта формула написана на языке TQBF. Он также известен как QSAT (количественно SAT).
машина Тьюринга
тест Тьюринга: Тест способности машины проявлять разумное поведение, эквивалентное или неотличимое от человеческого поведения, разработанный Алан Тьюринг в 1950 году. Тьюринг предположил, что человек-оценщик оценивает разговоры на естественном языке между человеком и машиной, предназначенные для генерации человеческих ответов. Оценщик должен знать, что один из два партнера в разговоре - это машина, и все участники будут отделены друг от друга. Разговор будет ограничен только текстовым каналом, таким как компьютерная клавиатура и экран, поэтому результат не будет зависеть от способности машины преобразовывать слова в речь. Если оценщик не может достоверно отличить машину от человека, считается, что машина прошла тест. Результаты теста не зависят от способности машины давать правильные ответы. на вопросы, только насколько его ответы напоминают
система типов: В языках программирования - набор правил, назначающих свойство, называемое типом, различным конструкциям компьютерная программа, например переменные, выражения, функции или модули. Эти типы формализуют и обеспечивают соблюдение неявных категорий, которые программист использует для алгебраических типов данных, структур данных или других компонентов (например, «строка», «массив с плавающей запятой», «функция, возвращающая логическое значение»). Основная цель системы типов - уменьшить вероятность ошибок в компьютерных программах путем определения интерфейсов междуразличными частями компьютерной программы, а затем проверки того, что эти части были соединены в последовательный способ. Эта проверка может происходить статически (во время компиляции ), динамически (во время времени выполнения ) или как комбинация статической и динамической проверки. Системы типов имеют и другие цели, такие как выражение бизнес-правил, включение определенных оптимизаций компилятора, разрешение множественной диспетчеризации, предоставление формы документации и т. Д.

обучение без учителя: тип самообучения -организованное обучение Hebbian, которое помогает находить ранее неизвестные шаблоны в наборе данных без ранее существовавших меток. Он также известен как самоорганизация и позволяет моделировать плотности вероятности заданных входных данных. Это одна из трех основных категорий машинного обучения, наряду с контролируемым и обучением с подкреплением. Также было описано полу-контролируемое обучение, которое представляет собой гибридизацию контролируемых и неконтролируемых методов.

блок обработки зрения (VPU): Тип микропроцессора, предназначенного для ускорения задачи машинного зрения. Выравнивание значений завершено - аналогично задаче AI-complete проблема полного выравнивания значений - это проблема, при которой проблема управления AI необходимо полностью решить, чтобы решить эту проблему.

Watson: A вопросно-ответная компьютерная система, способная отвечать на вопросы, заданные на естественном языке, разработанная в IBM ' s Проект DeepQA, выполненный исследовательской группой под руководством главного исследователя Дэвида Ферруччи. Уотсон был назван в честь первого генерального директора IBM, промышленника Томаса Дж. Уотсона.
слабый ИИ: Искусственный интеллект, который сосредоточен на одной узкой задаче.
Консорциум World Wide Web (W3C): Основная международная организация по стандартизации для World Wide Web (сокращенно WWW или W3).

Содержание:

Верх
0–9
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
См. Также
Ссылки
Внешние ссылки

См. Также

Искусственный интеллект

Ссылки

Примечания