- •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)
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