- •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)
417. Алгоритм програми використання внутрішньої бази фактів підприємства.
Внутрішня база фактів складається з фактів, які ви можете безпосередньо додавати і видаляти з вашої програми на Visual Prolog під час її виконання. Ви можете оголошувати предикати, що описують внутрішню базу даних в розділі facts програми і застосовувати ці предикати таким же чином, як використовуються предикати, описані в розділі predicates.
Оскільки Visual Prolog представляє реляційну базу даних як колекцію фактів, можна використовувати його як потужного мови запитів до внутрішніх баз фактів. Алгоритм уніфікації Visual Prolog автоматично вибирає факти з правильними значеннями для відомих аргументів і привласнює значення невідомим аргументів, поки його алгоритм пошуку з поверненням видає всі рішення для заданого запиту.
Для додавання нових фактів у базу даних в Visual Prolog використовуються предикати assert, asserta, assertz, а предикати retract і retractall служать для видалення існуючих фактів. Можна змінити зміст бази фактів, спочатку видаливши факт, а потім вставивши нову версію цього факту (або зовсім інший факт). Предикати consult / l і consult / 2 зчитують факти з файлу і додають їх до внутрішньої базі даних, a save / l і save / 2 зберігають вміст внутрішньої бази фактів у файлі.
Visual Prolog інтерпретує факти, що належать до бази даних, таким же чином, як звичайні предикати. Факти предикатів внутрішньої бази фактів зберігаються в таблиці, яку можна легко змінювати, тоді як звичайні предикати для досягнення максимальної швидкості компілюються в двійковий код.
Слід відзначити наступні два обмеження на предикати, оголошені в розділі фактів:
- дозволяється додавати в базу даних тільки факти, але не правила;
- факти бази не можуть містити вільні змінні.
Допускається наявність кількох розділів facts, але для цього потрібно явно вказати ім'я кожного розділу facts.э
Зазначимо, що предикат consult може зчитувати файли тільки в тому форматі, який створює save. Файли не повинні містити:
- символів верхнього регістру, за винятком тих, що містяться всередині рядків в подвійних лапках;
- прогалин, за винятком тих, що містяться всередині рядків в подвійних лапках;
- коментарів;
- порожніх рядків;
- ідентифікаторів (symbol) без подвійних лапок.
При створенні або зміні файлу з фактами в редакторі потрібно дотримувати акуратність.
421. Використування та розробка Web-агента, поняття Кріса Лангтона (Chris Langton), структура програмного агента
Одним з наслідків розвитку ідеї організації розподілених обчислень за рахунок перенесення виконуваного коду стало зростання інтересу до т. зв. програмним агентам і технологіям їх використання. Е. Таненбаум [1]. Програмний агент - автономний процес, здатний реагувати на середовище виконання і викликати зміни в середовищі виконання, можливо, в кооперації з користувачами або іншими агентами. Таненбаум також наводить класифікацію агентів, в якій виділяються наступні основні типи. Стаціонарні та мобільні агенти. Мобільні агенти здатні переміщатися з одного вузла ВС на інший. Кооперативні і конкуруючі. Кооперативний агент - здатний об'єднуватися з іншими агентами для вирішення загального завдання. Конкуруючий - здатний конкурувати з іншими агентами з метою захисту інтересів свого власника (наприклад, торгові агенти на біржі). Автономний агент - це система, що знаходиться всередині оточення і є його частиною, яка сприймає це оточення (його сигнали) і впливає на оточення для виконання власної програми дій Можна виділити наступні основні складові автономного агента (рис. 5.1): 1. Сенсори: блоки агента, що забезпечують отримання інформації про навколишнє середовищі і інших агентів; 2. Актуатори: блоки агента, що забезпечують вплив на навколишнє середовище. При роботі простий автономний агент керується стандартним набором правил «Якщо щось» Автономний агент повинен володіти наступними властивостями: - Реактивність;
- Автономність; - Цілеспрямованість;
- комунікативність
Властивості агентів розглядалися на підставі аналізу їх поведінки - дій, виконуваних агентом після отримання будь-якої заданої послідовності актів сприйняття. Тепер нам мимоволі доведеться змінити тему і перейти до опису того, як організовано їх внутрішнє функціонування. Завдання штучного інтелекту полягає в розробці програми агента, яка реалізує функцію агента, відображаючи сприйняття на дії. Передбачається, що ця програма повинна працювати на свого роду обчислювальному пристрої з фізичними датчиками і виконавчими механізмами; в цілому ці компоненти іменуються в даній книзі архітектурою, а структура агента умовно позначається наступною формулою: Агент = Архітектура Програма
Очевидно, що обрана програма повинна бути відповідною для цієї архітектури. Наприклад, якщо в програмі здійснюється вироблення рекомендацій щодо виконання таких дій, як Walk (ходьба), то в архітектурі доцільно передбачити використання опорно-рухового апарату. Архітектура може являти собою звичайний персональний комп'ютер або може бути втілена у вигляді роботизированного автомобіля з кількома бортовими комп'ютерами, відеокамерами та іншими датчиками. Взагалі кажучи, архітектура забезпечує передачу в програму результатів сприйняття, отриманих від датчиків, виконання програми і передачу виконавчим механізмам варіантів дій, вибраних програмою, у міру їх вироблення.