- •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)
443. Правила висновку в численні предикатів (Представлення знань)
Семантика числення предикатів забезпечує основу для формалізації теорії логічного висновку. Можливість логічно виводити нові правильні вирази із набору істинних тверджень – це важлива властивість числення предикатів. Логічно виведені вирази коректні, тому що вони сумісні з усіма попередніми інтерпретаціями початкового набору виразів. Кажуть, що інтерпретація, що робить речення істинним, задовольняє цьому реченню. Якщо інтерпретація задовольняє кожному елементу набору виразів, то кажуть, що вона задовольняє набору. Вираз Х логічно випливає із набору виразів S, задовольняє і Х. Це твердження дає підставу для перевірки правильності правил висновку: функція логічного висновку повинна створювати нові речення, які логічно випливають із даного набору речень числення предикатів. Важно вірно розуміти значення слів логічно випливає: логічне випливання виразу Х із S означає, що воно має бути істинним для кожної інтерпретації, яка задовольняє початковому набору виразів S. Це означає, наприклад, що будь-який новий вираз числення предикатів, що доданий до блоку повинен бути істинним в цьому світі. Він повинен бути істинним і при будь-якій іншій інтерпретації, яку міг би мати цей набір виразів. Термін логічно випливає не означає, що Х виведене із S, або що його можна вивести із S. Це просто означає, що Х істинне для кожної інтерпретації (потенційно до нескінченності), яка задовольняє S. Однак системи предикатів можуть мати нескінченне число можливих інтерпретацій, тому практична необхідність перевіряти всі інтерпретації виникає вельми рідко. У розрахунковому відношенні правила висновку дозволяють визначити, коли вираз як компонент інтерпретації логічно випливає із цієї інтерпретації. Поняття логічно випливає забезпечує формальну основу для доказу розумності та вірності правил висновку. Правило висновку забезпечує створення нових речень числення предикатів на основі даних речень. Отже, правила висновку виробляють нові речення, що основані на синтаксичній формі даних логічних тверджень. Якщо кожне речення Х, отримане за допомогою деякого правила висновку на множині S логічних виразів, також логічно випливає з S, то кажуть, що це правила висновку обґрунтоване.
444. Принцип резолюції і система strips (Основні моделі висновку)
Програма STRIPS демонструє один з підходів до представлення проблем. Найменування програми - абревіатура від Stanford Research Institute Problem Solver (вирішувач проблем Станфордського дослідницького інституту). Програма призначалася для вирішення проблеми формування плану поведінки робота, що переміщає предмети через безліч (анфіладу) приміщень. Програма STRIPS зробила дуже великий вплив на подальші розробки в області штучного інтелекту, і ті базові методики представлення знань, які були в ній використані для формування дій, не втратили своєї актуальності до теперішнього часу. Поточний стан навколишнього середовища - приміщень і предметів в них - представляється набором виразів предикат-аргумент, які в сукупності утворюють модель світу. Так, набір формул W = { at(po6oт, кімнатаа), at(ящик1, кімнатаб), at(ящик2, кімнатав)} означає, що робот знаходиться в кімнаті А і є два ящики, один з яких знаходиться в кімнаті Б, а другий - в кімнаті В. Дії, які може виконати робот, приймають форму операторів, прикладених до поточної моделі світу. Ці оператори дозволяють додати в модель деякі факти (відомості) або вилучити їх з моделі. Наприклад, виконання операції"Перемістити робот з кімнати А в кімнату Б"у моделі світу приведе до формування нової моделі W. При цьому факт at (робот, кімнатаа) буде вилучений з моделі, а доданий факт at (робот, кімнатаб). В результаті нова модель світу матиме вигляд W' = { at (робот, кімнатаб), at (ящик1, кімнатаб), аt (ящик2, кімнатав)}. Робот який має інтелект повинен бути не тільки здатний змінювати своє реальне положення в навколишньому середовищі, але і одночасно міняти своє внутрішньо представлення цього середовища, знати, де він зараз знаходиться. Стратегія пошуку рішень заснована на методі аналізі кінцевих значень. Метод дозволяє здійснювати пошук шляхом аналізу поточних відмінностей. Якщо відмінність встановленна то викон. пошук операторів для її зменшення. Цей метод був заснований в універс. виріувальнику задач GPS. Метод використ з методом резолюції. в алгоритмі уніфікації с-ми Strips використ. підстановка змінних, констант, параметрів і ф-цій(терм). Пошук рішення починається зі спроби доказу того , що ППФ входить з безлічі ф-л і визначає початковий стан середовища.