460. Числення предикатів (Представлення знань)

Предикатом називається деяка логічна функція від довільного числа аргументів, яка приймає одне з двох можливих значень - ―істина‖ або ―хибність‖. Предикат можна розуміти як деяке твердження, істинність якого залежить від змінних - об‘єктів, про які йдеться в цьому твердженні. Як приклад можна навести фразу ―Х більше за 2‖. Цей предикат є функцією від аргументу Х і приймає значення ―істина‖, наприклад, при Х=3, та ―хибність‖ при Х=1. Логіку предикатів в деякій мірі можна вважати спеціальним математичним апаратом формалізації людського мислення. Тому вважають, що мови програмування логічного типу є найбільш зручними для роботи з базами знань. Числення предикатів використовує наступні основні елементи: 1) константи (константні терми) с1,с2,...; 2) змінні (змінні терми) х1, х2,...; 3) функціональні літери f1,f2,...; 4) предикатні літери p1,p2,...; 5) логічні символи , , ,,,,; 6) спеціальний символ  . Елементарне твердження складається з предикату і зв`язаних з ним термів. Складні твердження будуються з елементарних за допомогою логічних зв`язок. Серед них можна виділити логічні зв`язки: ―і‖ (and, ), ―або ‖ (or, ) , ―ні‖ (not, ) і імплікацію (). Імплікація займає особливе місце, оскільки вона використовується для побудови правил виведення і читається ―якщо..., тоді...‖. Наступний перелік містить опис зв'язків, які використовуються в логіці, та їх змістовних інтерпретацій. Зв'язок Запис Заперечення ¬a Кон‘юнкція a & b Диз‘юнкція a  b Імплікація a -> b Тотожність a<->b

401. 2D-методи, які використовують глобальні ознаки. (Комп'ютерний зір)

402. 2D-метод, які використовують граф відносин (Комп'ютерний зір)

403. 2D-методи, які використовують локальні ознаки (Комп'ютерний зір)

415. Алгоритм моделі станів (Bigram Model)

429. Компоненти пм-снстсми (Обробка природної мови)

2D-методи, які використовують глобальні ознаки.401

2D-метод, які використовують граф відносин 402

2D-методи, які використовують локальні ознаки 403

Web-агент, поняття Кріса Лангт, структура агента 404

Адаптивний лінійний елемент 405

Активні контурні моделі. (Комп'ютерний зір) 406

Алгоритм EBL і навчання на рівні знань 407

Алгоритм Meta-DENDRAL 408

Алгоритм Web-агента по Алан Кей (Alan Kay) 409

Алгоритм виключення кандидата 410

Алгоритм використовування розумних агентів 411

Алгоритм зворотного розповсюдження у нейронних багатошарових мережах. 412

Алгоритм кластеризації Гроссберга і Карпентера. 413

Алгоритм методу мурашки. оптимізація, за принципом мурашиної колонії 414

Алгоритм моделі станів (Bigram Model) 415

Алгоритм моделювання штучного життя 416

Алгоритм програми використання внутрішньої бази фактів підприємства. 417

Алгори програми сортуван на базі дерева висновк. 418

Багатошаровий персептрон 419

Байесовській метод розпізнавання 420

Використування та розробка Web-агента, поняття Кріса Лангтона, структура програмного агента 421

Генетичний алгоритм Джона Холландона та еволюційні моделі для виведення послідовності дій, алгоритмом Джона Коза 423

Геометричний метод розпізнавання 424

Індуктивний алгоритм побудови дерев рішень ID3 425

Індуктивний поріг і можливості навчання 426

Інтерпретація контурних малюнків 427

Компоненти навчання з підкріпленням 428

Компоненти ПМ-снстсми 429

Концептуальна кластеризація 430

Методи синтезу мовних 431

Моделі нейронних елементів 432

Модель мови 433

Моделювання роботи людського інтелекту 434

Навчання без вчителя ШНМ , засновані на правилі навчання Хебба 435

Неповнота знань і немонотонний висновок 436

Визначення управляючих парам синтезаторі мови 437

Операція узагальнення і простір понять 438

Основні відомості про розпізнавання образів. 439

Планування переміщень робот 440

Попередня обробка і розпізнавання звуків 441

Пошук при виділенні контурних сегментів 442

Правила висновку в численні предикатів 443

Принцип резолюції і система STRIPS 444

Програма граматичного розібрання списку на державній мові. 445

Програма з використанням селекторів зовнішніх баз даних. 446

Рекурентні алгоритми навчання розпізнаван образ 447

Розпізнавання об'єктів в системах зору роботів 448

Семантика числення висловів 449

Семантичні мережі 450

Синтез мови по тексту 451

Система заснована на правилах архітектури зворотного висновку. 452

Системи комп'ютерного зору 453

Способи опису семантичних мереж і логічний висновок 454

Стандартизація предикативних формул 455

Статистичний підхід до розпізнавання мови 456

Структура фрейма (Представлення знань) 457

Структури нейронних мереж 458

Числення висловів (Представлення знань) 459

Числення предикатів (Представлення знань) 460