- •405. Адаптивний лінійний елемент (Розпізнавання образів і навчання)
- •406. Активні контурні моделі. (Комп'ютерний зір)
- •407. Алгоритм ebl і навчання на рівні знань (Машинне навчання, засноване на символьному представленні інформації)
- •408. Алгоритм Meta-dendral (Машинне навчання, засноване на символьному представленні інформації)
- •411. Алгоритм використовування розумних агентів (Intelligent agent)
- •412. Алгоритм зворотного розповсюдження у нейронних багатошарових мережах.
- •410. Алгоритм виключення кандидата (Машинне навчання, засноване на символьному представленні інформації)
- •409. Алгоритм Web-агента по Алан Кей (Alan Kay)
- •413. Алгоритм кластеризації Гроссберга і Карпентера.
- •414. Алгоритм методу мурашки. (Ant algorithms), оптимізація, за принципом мурашиної колонії (алгоритму (Marco Dorigo)).
- •417. Алгоритм програми використання внутрішньої бази фактів підприємства.
- •421. Використування та розробка Web-агента, поняття Кріса Лангтона (Chris Langton), структура програмного агента
- •420. Байесовській метод розпізнавання (Розпізнавання образів і навчання)
- •424. Геометричний метод розпізнавання (Розпізнавання образів і навчання)
- •425. Індуктивний алгоритм побудови дерева рішень id3 (Машинне навчання, засноване на символьному представленні інформації)
- •426. Індуктивний поріг і можливості навчання (Машинне навчання, засноване на символьному представленні інформації)
- •427. Інтерпретація контурних малюнків (Комп'ютерний зір)
- •428. Компоненти навчання з підкріпленням (Машинне навчання, засноване на символьному представленні інформації)
- •432. Моделі нейронних елементів (Розпізнавання образів і навчання)
- •433. Модель мови (Обробка природної мови)
- •434. Моделювання роботи людського інтелекту (Штучний інтелект: історія розвитку)
- •435. Навчання без вчителя шнм , засновані на правилі навчання Хебба (Розпізнавання образів! навчання)
- •436. Неповнота знань і немонотонний висновок (Основні моделі висновку)
- •437. Визначення управляючих параметрів синтезаторів мови (Обробка природної мови)
- •438. Операція узагальнення і простір понять (Машинне навчання, засноване на символьному представленні інформації)
- •439. Основні відомості про розпізнавання образів. (Розпізнавання образів і навчання)
- •440. Планування переміщень робот (Основні моделі висновку)
- •441. Попередня обробка і розпізнавання звуків. (Обробка природної мови)
- •442. Пошук при виділенні контурних сегментів (Комп'ютерний зір)
- •443. Правила висновку в численні предикатів (Представлення знань)
- •444. Принцип резолюції і система strips (Основні моделі висновку)
- •445. Програма граматичного розібрання списку на державній мові.
- •446. Програма з використанням селекторів зовнішніх баз даних.
- •447. Рекурентні алгоритми навчання розпізнаванню образів (Розпізнавання образів.І навчання)
- •448. Розпізнавання об'єктів в системах зору роботів (Комп'ютерний зір)
- •450. Семантичні мережі (Представлення знань)
- •451. Синтез мови по тексту (Обробка природної мови)
- •52. Система заснована на правилах архітектури зворотного висновку.
- •453. Системи комп'ютерного зору (Комп'ютерний зір)
- •454. Способи опису семантичних мереж і логічний висновок (Представлення знань)
- •455. Стандартизація предикативних формул (Основні моделі висновку)
- •457. Структура фрейма (Представлення знань)
- •456. Статистичний підхід до розпізнавання мови (Обробка природної мови)
- •458. Структури нейронних мереж (Розпізнавання образів і навчання)
- •459. Числення висловів (Представлення знань)
- •460. Числення предикатів (Представлення знань)
- •415. Алгоритм моделі станів (Bigram Model)
- •429. Компоненти пм-снстсми (Обробка природної мови)
436. Неповнота знань і немонотонний висновок (Основні моделі висновку)
Дані і знання, з якими доводиться мати справу ІС, рідко бувають абсолютно точними і достовірними. Властива знанням невизначеність може мати різноманітний характер, і для її опису використовується широкий спектр формалізмів|. Розглянемо один з типів невизначеності в даних і знаннях - їх неточність. Називатимемо вислів неточним, якщо його істинність (або помилковість) не може бути встановлена з визначеністю. Основоположним поняттям при побудові моделей неточного виводу є поняття вірогідності, тому всі описувані далі методи пов'язані з імовірнісною концепцією. Модель операції з неточними даними і знаннями включає дві складові: мова представлення неточності і механізм виводу на неточних знаннях. Для побудови мови необхідно вибрати форму представлення неточності (наприклад, скаляр, інтервал, розподіл, лінгвістичний вираз, множина) і передбачити можливість приписування міри неточності всім висловам. Механізми операції з неточними висловами можна розділити на два типи. До першого відносяться механізми, що носять "приєднаний" характер: перерахунок мерів неточності як би супроводжує процес виводу, що ведеться на точних висловах. Для розробки приєднаної моделі неточного виводу в заснованій на правилах виводу системі необхідно задати функції перерахунку, що дозволяють обчислювати: а) міру неточності антецедента| правила (його лівій частині) по заходах неточності складових його висловів; би) міру неточності консеквента| правила (його правій частині) по заходах неточності правила і посилки правила; у) об'єднану міру неточності вислову по заходах, отриманих з правил. Введення міри неточності дозволить привнести в процес виводу щось принципово нове - можливість об'єднання сили декількох свідоцтв, підтверджуючих або спростувальних одну і ту ж гіпотезу. Іншими словами, при використанні мерів неточності доцільно виводити одне і те ж твердження різними шляхами (з подальшим об'єднанням значень неточності), що абсолютно безглуздо в традиційній дедуктивній логіці. Для об'єднання свідоцтв потрібна функція перерахунку, що займає центральне місце в перерахунку. Відмітимо, що, не дивлячись на "приєднаність|" механізмів виведення цього типу, їх реалізація в базах знань робить вплив на загальну стратегію виводу: з одного боку, необхідно виводити гіпотезу всіма можливими шляхами для того, щоб врахувати всі релевантні цій гіпотезі свідоцтва, з іншого - попередити багатократний вплив сили одних і тих же свідоцтв. Для механізмів операції з неточними висловами другого типу характерна наявність схем виводу, спеціально орієнтованих на використовувану мову представлення неточності. Як правило, кожному кроку виводу відповідає перерахунок мерів неточності, обумовлений співвідношенням на безлічі висловів (співвідношенням може бути елементарний логічний зв'язок, безвідносно до того, чи є це відношення фрагментом якого-небудь правила). Таким чином, механізми другого типу застосовні не тільки до знань, виражених у формі правил. Разом з тим для них, як і для механізмів "приєднаного" типу, однією з головних є проблема об'єднання свідоцтв. Немонотонний висновок - Спосіб виводу, при якому істинність виведених висловів може зменшуватися. Наприклад, твердження, визнані істинними на одному етапі, можуть бути знехтувані надалі.