Глоссарий искусственного интеллекта - Glossary of artificial intelligence

Этот глоссарий искусственного интеллекта представляет собой список определений терминов и понятий, относящихся к изучению искусственного интеллекта , его суб-дисциплин и связанных областей. Связанные глоссарии включают Глоссарий информатики , Глоссарий робототехники и Глоссарий машинного зрения .

А

абдуктивное логическое программирование (ALP): Структура представления знаний высокого уровня, которая может использоваться для декларативного решения проблем на основе абдуктивных рассуждений . Он расширяет обычное логическое программирование , позволяя не полностью определять некоторые предикаты, объявляя их как сокращаемые предикаты.
похищающие рассуждения: Форма логического вывода, которая начинается с наблюдения или набора наблюдений, а затем пытается найти самое простое и наиболее вероятное объяснение. Этот процесс, в отличие от дедуктивного мышления , дает правдоподобный вывод, но не подтверждает его. абдуктивный вывод или ретродукция
абстрактный тип данных: Математическая модель для типов данных , где тип данных определяется его поведение ( семантика ) с точки зрения пользователя данных, в частности , с точки зрения возможных значений, возможных операций по данным этого типа, а поведение эти операции.
абстракция: Процесс удаления физических, пространственных или временных деталей или атрибутов при изучении объектов или систем с целью более пристального внимания к другим интересующим деталям.
ускоряющееся изменение: Ощущаемое увеличение темпов технологических изменений на протяжении всей истории, которое может указывать на более быстрые и глубокие изменения в будущем и может сопровождаться или не сопровождаться столь же глубокими социальными и культурными изменениями.
язык действия: Язык для определения систем перехода между состояниями , который обычно используется для создания формальных моделей воздействия действий на мир. Языки действий обычно используются в областях искусственного интеллекта и робототехники , где они описывают, как действия влияют на состояния систем с течением времени, и могут использоваться для автоматического планирования .
обучение модели действия: Область машинного обучения, связанная с созданием и модификацией знаний программного агента об эффектах и предпосылках действий, которые могут быть выполнены в его среде. Эти знания обычно представлены на языке описания действий, основанном на логике, и используются в качестве входных данных для автоматизированных планировщиков.
выбор действия: Способ охарактеризовать самую основную проблему интеллектуальных систем: что делать дальше. В искусственном интеллекте и вычислительной когнитивной науке «проблема выбора действия» обычно связана с интеллектуальными агентами и аниматами - искусственными системами, которые демонстрируют сложное поведение в агентской среде.
функция активации: В искусственных нейронных сетях функция активации узла определяет вывод этого узла с учетом ввода или набора входов.
адаптивный алгоритм: Алгоритм, который меняет свое поведение во время выполнения, на основе заранее определенного механизма или критерия вознаграждения.
система адаптивного нейро-нечеткого вывода (ANFIS): Разновидность искусственной нейронной сети , основанной на нечеткой системе вывода Такаги – Сугено . Техника была разработана в начале 1990-х годов. Поскольку он объединяет как нейронные сети, так и принципы нечеткой логики , он может объединить преимущества обоих в единой структуре . Его система вывода соответствует набору нечетких правил IF – THEN, которые обладают способностью к обучению приближению нелинейных функций. Следовательно, ANFIS считается универсальным оценщиком. Для более эффективного и оптимального использования ANFIS можно использовать лучшие параметры, полученные с помощью генетического алгоритма.
допустимая эвристика: В информатике , особенно в алгоритмах, связанных с поиском пути , эвристическая функция считается допустимой, если она никогда не переоценивает стоимость достижения цели, т. Е. Стоимость, которую она оценивает для достижения цели, не превышает минимально возможную стоимость из текущего точка на пути.
аффективные вычисления: Изучение и разработка систем и устройств, которые могут распознавать, интерпретировать, обрабатывать и моделировать человеческие аффекты . Эффективные вычисления - это междисциплинарная область, охватывающая информатику , психологию и когнитивную науку .
архитектура агента: План для программных агентов и интеллектуальных управляющих систем, изображающих расположение компонентов. Архитектуры, реализованные интеллектуальными агентами , называются когнитивными архитектурами .
AI-ускоритель: Класс микропроцессорной или компьютерной системы , предназначенной в качестве аппаратного ускорения для искусственного интеллекта приложений, особенно искусственных нейронных сетей , систем машинного зрения и машинного обучения .
AI-полный: В области искусственного интеллекта наиболее сложные проблемы неофициально известны как AI-complete или AI-hard, подразумевая, что сложность этих вычислительных задач эквивалентна решению центральной проблемы искусственного интеллекта - делая компьютеры такими же умными, как люди, или сильный ИИ . Назвать проблему AI-завершенной отражает отношение к тому, что она не может быть решена с помощью простого конкретного алгоритма.
алгоритм: Недвусмысленное описание того, как решать класс проблем. Алгоритмы могут выполнять задачи вычислений, обработки данных и автоматического обоснования.
алгоритмическая эффективность: Свойство алгоритма, относящееся к количеству вычислительных ресурсов, используемых алгоритмом. Алгоритм должен быть проанализирован, чтобы определить использование ресурсов, а эффективность алгоритма может быть измерена на основе использования различных ресурсов. Алгоритмическую эффективность можно рассматривать как аналог производительности проектирования для повторяющегося или непрерывного процесса.
алгоритмическая вероятность: В алгоритмической теории информации алгоритмическая вероятность, также известная как вероятность Соломонова, представляет собой математический метод присвоения априорной вероятности данному наблюдению. Он был изобретен Рэем Соломоновым в 1960-х годах.
AlphaGo: Компьютерная программа , которая играет настольную игру Go . Он был разработан алфавит Inc. «s Google DeepMind в Лондоне. AlphaGo имеет несколько версий, включая AlphaGo Zero , AlphaGo Master , AlphaGo Lee и т. Д. В октябре 2015 года AlphaGo стала первой компьютерной программой в го, которая победила профессионального игрока в го без каких-либо препятствий на полноразмерной доске 19 × 19.
окружающий интеллект (AmI): Электронная среда, чувствительная и реагирующая на присутствие людей.
анализ алгоритмов: Определение вычислительной сложности алгоритмов, то есть количества времени, памяти и / или других ресурсов, необходимых для их выполнения . Обычно это включает в себя определение функции, которая связывает длину входных данных алгоритма с количеством шагов, которые он делает (его временная сложность ) или количеством мест хранения, которые он использует (его пространственная сложность ).
аналитика: Обнаружение, интерпретация и передача значимых закономерностей в данных.
программирование набора ответов (ASP): Форма декларативного программирования, ориентированная на сложные (в первую очередь NP-трудные ) задачи поиска . Он основан на семантике стабильной модели (набора ответов) логического программирования . В ASP задачи поиска сводятся к вычислению стабильных моделей, а решатели наборов ответов - программы для создания стабильных моделей - используются для выполнения поиска.
алгоритм в любое время: Алгоритм , который может вернуть действительное решение проблемы , даже если он был прерван до его окончания.
интерфейс прикладного программирования (API): Набор определений подпрограмм, протоколов связи и инструментов для создания программного обеспечения. В общем, это набор четко определенных методов связи между различными компонентами. Хороший API упрощает разработку компьютерной программы , предоставляя все строительные блоки, которые затем собираются программистом . API может быть для веб-системы, операционной системы , системы баз данных , компьютерного оборудования или библиотеки программного обеспечения .
приблизительное соответствие строк: Техника поиска строк, которые приблизительно (а не точно) соответствуют шаблону . Проблема приблизительного сопоставления строк обычно делится на две подзадачи: поиск приблизительных совпадений подстрок внутри заданной строки и поиск строк словаря, которые приблизительно соответствуют шаблону.
ошибка приближения: Несоответствие точного значения и некоторого приближения к нему.
структура аргументации: Способ разобраться с спорной информацией и сделать из нее выводы. В структуре абстрактной аргументации информация начального уровня - это набор абстрактных аргументов, которые, например, представляют данные или предложение. Конфликты между аргументами представлены бинарным отношением на множестве аргументов. Конкретно вы представляете структуру аргументации с направленным графом , в котором узлы являются аргументами, а стрелки представляют отношение атаки. Существуют некоторые расширения структуры Dung, такие как структуры аргументации на основе логики или структуры аргументации на основе значений.
общий искусственный интеллект (AGI)
искусственная иммунная система (ИИС): Класс вычислительно интеллектуальных, основанных на правилах систем машинного обучения , вдохновленных принципами и процессами иммунной системы позвоночных . Алгоритмы обычно моделируются на основе характеристик обучения и памяти иммунной системы для использования при решении проблем .
искусственный интеллект (AI): Любой интеллект, демонстрируемый машинами , в отличие от естественного интеллекта, демонстрируемого людьми и другими животными. В информатике исследование ИИ определяется как изучение « интеллектуальных агентов »: любого устройства, которое воспринимает окружающую среду и предпринимает действия, которые увеличивают его шансы на успешное достижение своих целей. В просторечии термин «искусственный интеллект» применяется, когда машина имитирует «когнитивные» функции, которые люди связывают с другим человеческим разумом , такие как «обучение» и «решение проблем».
Язык разметки искусственного интеллекта: XML диалект для создания естественного языка программных агентов.
искусственная нейронная сеть (ИНС): Любая вычислительная система, смутно вдохновленная биологическими нейронными сетями , составляющими мозг животных .
Ассоциация развития искусственного интеллекта (AAAI): Международное некоммерческое научное сообщество, посвященное продвижению исследований и ответственному использованию искусственного интеллекта . AAAI также стремится повысить общественное понимание искусственного интеллекта (ИИ), улучшить обучение и подготовку специалистов, занимающихся ИИ, и предоставить рекомендации для планировщиков исследований и спонсоров относительно важности и потенциала текущих разработок ИИ и будущих направлений.
асимптотическая вычислительная сложность: В теории сложности вычислений , асимптотическая вычислительная сложность является использованием асимптотического анализа для оценки вычислительной сложности алгоритмов и вычислительных задач , обычно связанных с использованием в большой нотации O .
атрибуционное исчисление: Система логики и представления, определенная Рышардом С. Михальски . Он сочетает в себе элементы логики предикатов , исчисления высказываний и многозначной логики . Атрибутивное исчисление обеспечивает формальный язык для естественной индукции , индуктивного процесса обучения, результаты которого принимают естественные для людей формы.
дополненная реальность (AR): Интерактивный опыт реальной среды, в которой объекты, которые находятся в реальном мире, «дополняются» сгенерированной компьютером перцептивной информацией, иногда в нескольких сенсорных модальностях, включая зрительную , слуховую , тактильную , соматосенсорную и обонятельную .
теория автоматов: Изучение абстрактных машин и автоматов , а также вычислительных задач, которые можно решить с их помощью. Это теория теоретической информатики и дискретной математики (предмет изучения как математики, так и информатики ).
автоматизированное планирование и составление графиков: Раздел искусственного интеллекта, который касается реализации стратегий или последовательностей действий, обычно для выполнения интеллектуальными агентами , автономными роботами и беспилотными транспортными средствами . В отличие от классических задач управления и классификации , решения сложны и должны быть обнаружены и оптимизированы в многомерном пространстве. Планирование также связано с теорией принятия решений .
автоматическое рассуждение: Область информатики и математической логики, посвященная пониманию различных аспектов рассуждений . Изучение автоматизированных рассуждений помогает создавать компьютерные программы, которые позволяют компьютерам рассуждать полностью или почти полностью автоматически. Хотя автоматизированное мышление считается подразделом искусственного интеллекта , оно также связано с теоретической информатикой и даже философией .
автономные вычисления (AC): В самоуправляющихся характеристиках распределенных вычислительных ресурсов, адаптируя к непредсказуемым изменениям, скрывая внутреннюю сложность для операторов и пользователей. Эта инициатива, инициированная IBM в 2001 году, в конечном итоге была направлена на разработку компьютерных систем, способных к самоуправлению, преодоление быстро растущей сложности управления вычислительными системами и снижение барьера, который сложность создает для дальнейшего роста.
автономный автомобиль: Транспортное средство , которое способно к ощущению его окружение и перемещение практически без вмешательства человека .
автономный робот: Робот , который выполняет поведения или задачи с высокой степенью автономии . Автономная робототехника обычно считается областью искусственного интеллекта , робототехники и информационной инженерии .

B

обратное распространение: Метод, используемый в искусственных нейронных сетях для вычисления градиента, необходимого для вычисления весов, которые будут использоваться в сети. Обратное распространение - это сокращение от «обратного распространения ошибок», поскольку ошибка вычисляется на выходе и распределяется в обратном направлении по уровням сети. Он обычно используется для обучения глубоких нейронных сетей , термин, относящийся к нейронным сетям с более чем одним скрытым слоем.
обратное распространение во времени (BPTT): Методика на основе градиента для обучения определенных типов рекуррентных нейронных сетей . Его можно использовать для обучения сетей Эльмана . Алгоритм был независимо разработан многочисленными исследователями.
обратная цепочка: Умозаключение методы , описанные в просторечии , как работает в обратном направлении от цели. Он используется в автоматических средствах доказательства теорем , механизмах вывода , помощниках по доказательству и других приложениях искусственного интеллекта .
модель-мешок слов: Упрощенное представление, используемое при обработке естественного языка и поиске информации (IR). В этой модели текст (например, предложение или документ) представлен как мешок (мультимножество) его слов без учета грамматики и даже порядка слов, но с сохранением множественности . Модель мешка слов также использовалась для компьютерного зрения . Модель набора слов обычно используется в методах классификации документов, где (частота) появления каждого слова используется как признак для обучения классификатора .
модель мешка слов в компьютерном зрении: В компьютерном зрении модель набора слов (модель BoW) может быть применена к классификации изображений , рассматривая особенности изображения как слова. В классификации документов набор слов - это разреженный вектор количества слов вхождения; то есть разреженная гистограмма по словарю. В компьютерном зрении , сумка визуальных слов является вектором возникновения эпизодамов словаря местных особенностей изображения.
пакетная нормализация: Методика повышения производительности и стабильности искусственных нейронных сетей . Это метод обеспечения любого уровня нейронной сети входными данными с нулевым средним / единичным отклонением. Пакетная нормализация была представлена в статье 2015 года. Он используется для нормализации входного слоя путем настройки и масштабирования активаций.
Байесовское программирование: Формализм и методология для получения техники для определения вероятностных моделей и решения проблем, когда доступно меньше необходимой информации.
алгоритм пчелы: Алгоритм поиска на основе популяции, разработанный Фамом, Ганбарзаде и др. в 2005 г. Он имитирует поведение семей медоносных пчел в поисках пищи. В своей базовой версии алгоритм выполняет своего рода поиск окрестности в сочетании с глобальным поиском и может использоваться как для комбинаторной оптимизации, так и для непрерывной оптимизации . Единственным условием применения алгоритма пчел является определение некоторого расстояния между решениями. Эффективность и особенности алгоритма пчел были доказаны в ряде исследований.
информатика поведения (BI): Информатика поведения для получения поведенческого интеллекта и понимания поведения.
дерево поведения (BT): Математическая модель из плана выполнения используется в вычислительной технике , робототехнике , системах управления и видеоигр . Они описывают переключение между конечным набором задач по модульному принципу. Их сила заключается в их способности создавать очень сложные задачи, состоящие из простых задач, не беспокоясь о том, как простые задачи реализуются. BT имеют некоторое сходство с иерархическими конечными автоматами с тем ключевым отличием, что основным строительным блоком поведения является задача, а не состояние. Простота понимания человеком делает BT менее подверженными ошибкам и очень популярными в сообществе разработчиков игр. BT продемонстрировали способность обобщать несколько других архитектур управления.
программная модель убеждения-желания-намерения (BDI): Программная модель, разработанная для программирования интеллектуальных агентов . Внешне характеризуясь реализацией убеждений , желаний и намерений агента , он фактически использует эти концепции для решения конкретной проблемы в программировании агента. По сути, он предоставляет механизм для разделения действий по выбору плана (из библиотеки планов или внешнего приложения-планировщика) от выполнения текущих активных планов. Следовательно, агенты BDI могут сбалансировать время, затрачиваемое на обсуждение планов (выбор того, что делать) и выполнение этих планов (выполнение). Третье действие, в первую очередь создание планов (планирование), выходит за рамки модели и предоставляется разработчику системы и программисту.
компромисс между смещением и дисперсией: В статистике и машинном обучении компромисс между смещением и дисперсией является свойством набора прогнозных моделей, в соответствии с которым модели с меньшим смещением в оценке параметров имеют более высокую дисперсию оценок параметров по выборкам , и наоборот.
большое количество данных: Термин, используемый для обозначения наборов данных , которые слишком велики или сложны для того, чтобы традиционное прикладное программное обеспечение обработки данных могло адекватно обрабатывать их. Данные с большим количеством наблюдений (строк) предлагают большую статистическую мощность , тогда как данные с более высокой сложностью (больше атрибутов или столбцов) могут привести к более высокому уровню ложного обнаружения .
Обозначение Big O: Математическая нотация, описывающая предельное поведение в виде функции , когда аргумент стремится к определенному значению или бесконечности. Это член семейства обозначений, изобретенных Полом Бахманном , Эдмундом Ландау и другими, которые в совокупности называются обозначениями Бахмана – Ландау или асимптотическими обозначениями.
двоичное дерево: Дерева структуры данных , в которой каждый узел имеет не более двух детей , которые упоминаются как левый ребенок иправильный ребенок . Рекурсивное определениеиспользованием толькотеории множествпонятий является точто (непустое) бинарное дерево являетсякортеж(L,S,R), гдеLиRявляются бинарные деревья илипустое множествоаSпредставляет собойнабор синглтон. Некоторые авторы также допускают, чтобы двоичное дерево было пустым множеством.
система доски: Искусственный интеллект подход , основанный на доске архитектурной модели , где общая база знаний, то «Доска», итеративна обновляемая разнообразной группой специалистов источников знаний, начиная с описанием проблемы и заканчивая решением. Каждый источник знаний обновляет классную доску частичным решением, когда его внутренние ограничения соответствуют состоянию доски. Таким образом, специалисты работают вместе над решением проблемы.
Машина Больцмана: Тип стохастической рекуррентной нейронной сети и марковского случайного поля . Машины Больцмана можно рассматривать как стохастический , порождающий аналог сетей Хопфилда .
Проблема логической выполнимости: {{{содержание}}}
технология мозга: Технология, в которой используются последние достижения нейробиологии . Этот термин был впервые введен Лабораторией искусственного интеллекта в Цюрихе, Швейцария , в контексте проекта ROBOY . Brain Technology может использоваться в роботах, системах управления ноу-хау и любых других приложениях с возможностью самообучения. В частности, приложения Brain Technology позволяют визуализировать базовую архитектуру обучения, часто называемую «картами ноу-хау».
фактор ветвления: В вычислениях , древовидных структурах данных и теории игр количество потомков в каждом узле , исходящая степень . Если это значение неоднородно, можно вычислить средний коэффициент ветвления .
перебор: Очень общая техника решения проблем и алгоритмическая парадигма, которая состоит из систематического перечисления всех возможных кандидатов для решения и проверки того, удовлетворяет ли каждый кандидат постановке задачи.

C

капсульная нейронная сеть (CapsNet): Система машинного обучения, представляющая собой тип искусственной нейронной сети (ИНС), которую можно использовать для лучшего моделирования иерархических отношений. Подход представляет собой попытку более точно имитировать биологическую нейронную организацию.
аргументация по делу (CBR): В широком смысле это процесс решения новых проблем, основанный на решениях аналогичных прошлых проблем.
чат-бот: Компьютерная программа или искусственный интеллект , который ведет разговор через слуховые или текстуальные методы.
облачная робототехника: Область робототехники, которая пытается задействовать облачные технологии, такие как облачные вычисления , облачное хранилище и другие Интернет-технологии, сосредоточенная на преимуществах конвергентной инфраструктуры и общих сервисов для робототехники. При подключении к облаку роботы могут извлечь выгоду из мощных вычислительных, хранилищ и коммуникационных ресурсов современного центра обработки данных в облаке, которые могут обрабатывать и обмениваться информацией от различных роботов или агентов (других машин, интеллектуальных объектов, людей и т. Д.) . Люди также могут делегировать задачи роботам удаленно через сети . Технологии облачных вычислений позволяют наделить роботизированные системы мощными возможностями при одновременном сокращении затрат за счет облачных технологий. Таким образом, можно создавать легкие, недорогие, более умные роботы с интеллектуальным «мозгом» в облаке. «Мозг» состоит из центра обработки данных , базы знаний , планировщиков задач, глубокого обучения , обработки информации, моделей среды, коммуникационной поддержки и т. Д.
кластерный анализ: Задача группировки набора объектов таким образом, чтобы объекты в одной группе (называемой кластером) были более похожи (в некотором смысле) друг на друга, чем на объекты в других группах (кластерах). Это основная задача исследовательского интеллектуального анализа данных и общий метод статистического анализа данных , используемый во многих областях, включая машинное обучение , распознавание образов , анализ изображений , поиск информации , биоинформатику , сжатие данных и компьютерную графику .
Паутина: Инкрементальная система иерархической концептуальной кластеризации . COBWEB был изобретен профессором Дугласом Х. Фишером , который в настоящее время работает в Университете Вандербильта. COBWEB постепенно организует наблюдения в дерево классификации . Каждый узел в дереве классификации представляет класс (концепцию) и помечен вероятностным понятием, которое суммирует распределения значений атрибутов объектов, классифицированных в этом узле. Это дерево классификации можно использовать для прогнозирования отсутствующих атрибутов или класса нового объекта.
когнитивная архитектура: Институт креативных технологий определяет когнитивный архитектуру , как: «гипотеза о неподвижных структурах , которые обеспечивают ум, будь то в естественных или искусственных системах, и как они работают вместе - в сочетании со знаниями и навыками , воплощенными в архитектуре - поддаться интеллектуальным поведение разнообразие сложных сред ».
когнитивные вычисления: В общем, термин когнитивный вычисления используется для обозначения нового оборудования и / или программного обеспечения , которое имитирует функционирование в мозге человека и помогает улучшить человеческое принятие решений. В этом смысле CC - это новый тип вычислений, целью которого является создание более точных моделей того, как человеческий мозг / разум чувствует, рассуждает и реагирует на стимулы.
когнитивная наука: Междисциплинарное научное исследование разума и его процессов.
комбинаторная оптимизация: В исследованиях операций , прикладной математике и теоретической информатике комбинаторная оптимизация - это тема, которая состоит из поиска оптимального объекта из конечного набора объектов.
комитет комитета: Тип искусственной нейронной сети, использующей стратегию « разделяй и властвуй» , в которой ответы нескольких нейронных сетей (экспертов) объединяются в один ответ. Предполагается, что совокупная реакция машины комитета превосходит реакцию составляющих ее экспертов. Сравните ансамбли классификаторов .
здравый смысл: В исследованиях искусственного интеллекта здравый смысл состоит из фактов о повседневном мире, таких как «Лимоны кислые», которые должны знать все люди. Первой программой искусственного интеллекта, обращающейся к здравому смыслу, был советник Джона Маккарти в 1959 году.
здравый смысл: Раздел искусственного интеллекта, связанный с моделированием способности человека делать предположения о типе и сущности обычных ситуаций, с которыми они сталкиваются каждый день.
вычислительная химия: Раздел химии , использующий компьютерное моделирование для решения химических проблем.
теория вычислительной сложности: Сосредоточен на классификации вычислительных задач в соответствии с присущей им сложностью и на связывании этих классов друг с другом. Вычислительная задача - это задача, решаемая компьютером. Вычислительная проблема решается механическим применением математических шагов, таких как алгоритм.
вычислительное творчество: Междисциплинарное направление, охватывающее области искусственного интеллекта , когнитивной психологии , философии и искусства .
вычислительная кибернетика: Интеграция кибернетики и методов вычислительного интеллекта .
вычислительный юмор: Раздел компьютерной лингвистики и искусственного интеллекта, использующий компьютеры для исследования юмора .
вычислительный интеллект (CI): Обычно относится к способности компьютера изучать конкретную задачу на основе данных или экспериментальных наблюдений.
теория вычислительного обучения: В информатике теория вычислительного обучения (или просто теория обучения) - это подраздел искусственного интеллекта, посвященный изучению проектирования и анализа алгоритмов машинного обучения .
компьютерная лингвистика: Междисциплинарное поле касается статистического или основанного на правилах моделирования естественного языка с вычислительной точки зрения, а также изучение соответствующих вычислительных подходов к языковым вопросам.
вычислительная математика: Математические исследования в областях науки, в которых вычисления играют важную роль.
вычислительная нейробиология: Ветвь нейробиологии , которая использует математические модели, теоретический анализ и абстракцию мозга , чтобы понять принципы , которые регулируют развитие , строение , физиологию и познавательные способности на нервной системе .
вычислительная теория чисел: Изучение алгоритмов выполнения теоретико-числовых вычислений .
вычислительная проблема: В теоретической информатике вычислительная задача - это математический объект, представляющий собой набор вопросов, которые компьютеры могут решить.
вычислительная статистика: Связь между статистикой и информатикой .
автоматизированное проектирование (CAutoD): Автоматизация проектирования обычно относится к автоматизации электронного проектирования или автоматизации проектирования, которая является конфигуратором продукта . Расширение Computer-Aided Design (CAD), автоматизированное проектирование и компьютерное автоматизированное проектирование касаются более широкого спектра приложений, таких как автомобилестроение , гражданское строительство , композитных материалов проектирования, управления инженерной , динамической системы идентификации и оптимизации, финансовых систем, промышленных оборудование, мехатронные системы, стальные конструкции , оптимизация конструкции и изобретение новых систем. В последнее время стало очевидно, что традиционное моделирование САПР трансформируется в CAutoD с помощью биологически вдохновленного машинного обучения , включая методы эвристического поиска, такие как эволюционные вычисления и алгоритмы разведки роя .
компьютерное прослушивание (CA): См. Машинное прослушивание .
Информатика: Теория, эксперименты и инженерия, лежащие в основе проектирования и использования компьютеров . Он включает изучение алгоритмов обработки, хранения и передачи цифровой информации . Ученый специализируется в теории вычислений и проектирования вычислительных систем.
компьютерное зрение: Междисциплинарное научное направление , что касается того , как компьютеры могут быть сделаны , чтобы получить понимание высокого уровня из цифровых изображений или видео . С точки зрения инженерии , он направлен на автоматизацию задач, которые может выполнять зрительная система человека .
дрейф концепции: В прогнозной аналитике и машинном обучении дрейф концепции означает, что статистические свойства целевой переменной, которую модель пытается предсказать, со временем изменяются непредвиденным образом. Это вызывает проблемы, потому что прогнозы становятся менее точными с течением времени.
коннекционизм: Подход в области когнитивной науки , который пытается объяснить психические явления с помощью искусственных нейронных сетей .
последовательная эвристика: При изучении путей ознакомительных проблем в области искусственного интеллекта , эвристическая функция называется последовательными, или монотонным, если его оценка всегда меньше или равна расчетное расстояние от любой соседней вершины до цели, плюс стоимость достижения этот сосед.
условная модель с ограничениями (CCM): Машинное обучение и рамка умозаключения , что усиливает обучения условных (вероятностных или дискриминационных) моделей с декларативными ограничениями.
программирование логики ограничений: Форма программирования ограничений , в которой логическое программирование расширяется за счет включения концепций удовлетворения ограничений . Программа логики ограничений - это логическая программа, которая содержит ограничения в теле предложений. Пример пункта , включая ограничение есть . В этом разделе - ограничение; , и являются литералами, как в обычном логическом программировании. В этом пункте указано одно условие, при котором выполняется утверждение : больше нуля и оба и верны.A(X,Y) :- X+Y>0, B(X), C(Y)X+Y>0A(X,Y)B(X)C(Y)A(X,Y)X+YB(X)C(Y)
программирование в ограничениях: Парадигма программирования , в котором отношения между переменными указаны в виде ограничений . Ограничения отличаются от общих примитивов в императивном программировании языков в том , что они не определяют шаг или последовательность шагов для выполнения, а свойства раствора можно найти.
сконструированный язык: Язык, чья фонология , грамматика и словарный запас созданы сознательно, а не развились естественным путем . Искусственные языки также могут называться искусственными, запланированными или изобретенными языками.
теория управления: В разработке систем управления есть подраздел математики, который занимается управлением непрерывно действующими динамическими системами в спроектированных процессах и машинах. Цель состоит в том, чтобы разработать модель управления для управления такими системами с использованием управляющего воздействия оптимальным образом без задержек или перерегулирования и обеспечения стабильности управления .
сверточная нейронная сеть: В глубоком обучении сверточная нейронная сеть (CNN или ConvNet) представляет собой класс глубоких нейронных сетей , наиболее часто применяемых для анализа визуальных образов. CNN используют разновидность многослойных персептронов, требующих минимальной предварительной обработки . Они также известны как инвариантные к сдвигу или пространственно-инвариантные искусственные нейронные сети (SIANN), основанные на их архитектуре с разделяемыми весами и характеристиках инвариантности трансляции .
кроссовер: В генетических алгоритмах и эволюционных вычислениях - генетический оператор, используемый для объединения генетической информации двух родителей для создания нового потомства. Это один из способов стохастического генерирования новых решений из существующей популяции, аналогичный кроссоверу, который происходит во время полового размножения у биологических организмов. Решения также могут быть получены путем клонирования существующего решения, что аналогично бесполому воспроизведению . Вновь созданные решения обычно мутируют перед добавлением в популяцию.

D

Темный лес: Компьютер идти программа , разработанная Facebook , основанная на глубоких обучающих методик с использованием сверточного нейронной сети . Его обновленная версия Darkfores2 сочетает в себе методы своего предшественника с поиском по дереву Монте-Карло . MCTS эффективно использует методы поиска по дереву, обычно используемые в компьютерных шахматных программах, и рандомизирует их. С обновлением система получила название Darkfmcts3.
Дартмутская мастерская: Летний исследовательский проект по искусственному интеллекту в Дартмуте - это название летнего семинара 1956 года, который теперь многие (хотя и не все) считают основополагающим событием для области искусственного интеллекта .
увеличение данных: Увеличение данных при анализе данных - это методы, используемые для увеличения объема данных. Это помогает уменьшить переобучение при обучении машинному обучению .
слияние данных: Процесс интеграции нескольких источников данных для получения более согласованной, точной и полезной информации, чем та, которая предоставляется любым отдельным источником данных.
интеграция данных: Процесс объединения данных из разных источников и предоставления пользователям единого представления о них. Этот процесс становится значимым в различных ситуациях, которые включают как коммерческие (например, когда двум аналогичным компаниям необходимо объединить свои базы данных ), так и научные (например, объединение результатов исследований из разных репозиториев биоинформатики ) области. Появляется интеграция данных с увеличением частоты , как объем (то есть, большие данные ) и необходимость совместного использования существующих данных взорвется . Он стал предметом обширной теоретической работы, и многие открытые проблемы остаются нерешенными.
сбор данных: Процесс обнаружения закономерностей в больших наборах данных с использованием методов на пересечении машинного обучения, статистики и систем баз данных.
наука о данных: Междисциплинарная область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и идей из данных в различных формах, как структурированных, так и неструктурированных, подобных интеллектуальному анализу данных . Наука о данных - это «концепция объединения статистики, анализа данных, машинного обучения и связанных с ними методов» для «понимания и анализа реальных явлений» с помощью данных. В нем используются методы и теории, взятые из многих областей в контексте математики , статистики , информатики и информатики .
набор данных: Сбор данных . Чаще всего набор данных соответствует содержимому одной таблицы базы данных или одной матрицы статистических данных , где каждый столбец таблицы представляет конкретную переменную, а каждая строка соответствует заданному члену рассматриваемого набора данных. В наборе данных перечислены значения для каждой из переменных, таких как высота и вес объекта, для каждого члена набора данных. Каждое значение называется датумом. Набор данных может содержать данные для одного или нескольких элементов, соответствующих количеству строк.
хранилище данных (DW или DWH): Система, используемая для отчетности и анализа данных . DW - это центральные хранилища интегрированных данных из одного или нескольких разрозненных источников. Они хранят текущие и исторические данные в одном месте
Журнал данных: Декларативный логическое программирование язык , который синтаксический является подмножеством Пролога . Он часто используется в качестве языка запросов для дедуктивных баз данных . В последние годы Datalog нашел новое применение в интеграции данных , извлечении информации , создании сетей , анализе программ , безопасности и облачных вычислениях .
граница решения: В случае искусственных нейронных сетей или перцептронов , основанных на обратном распространении , тип границы принятия решения, которую сеть может изучить, определяется количеством скрытых слоев, которые она имеет. Если у него нет скрытых слоев, он может изучать только линейные задачи. Если у него есть один скрытый слой, то он может узнать любую непрерывную функцию на компактах из R ^п , как показано Юниверсал приближение теоремы , таким образом , она может иметь произвольную границу решения.
система поддержки принятия решений (DSS): Aan информационная система , которая поддерживает бизнес или организационные принятия решений деятельности. DSS обслуживают уровни управления, операций и планирования организации (обычно среднего и высшего звена) и помогают людям принимать решения о проблемах, которые могут быстро изменяться и которые нелегко определить заранее, т. Е. Неструктурированные и частично структурированные проблемы принятия решений. Системы поддержки принятия решений могут быть либо полностью компьютеризированными, либо управляемыми человеком, либо их комбинацией.
теория принятия решений: Изучение аргументов, лежащих в основе выбора агента . Теорию принятия решений можно разделить на две ветви: нормативную теорию решений, которая дает советы о том, как принимать наилучшие решения с учетом набора неопределенных убеждений и набора ценностей , и описательную теорию решений, которая анализирует, как существующие, возможно, иррациональные агенты на самом деле принимают решения. .
обучение по дереву решений: Использует дерево решений (в качестве модели прогнозирования ) для перехода от наблюдений за элементом (представленных в ветвях) к выводам о целевом значении элемента (представленных в листьях). Это один из подходов к прогнозному моделированию, используемых в статистике , интеллектуальном анализе данных и машинном обучении .
декларативное программирование: Парадигма программирования -a стиль построения структуры и элементов компьютерных программ-, выражающая логика вычисления без описания его потока управления .
дедуктивный классификатор: Тип механизма вывода искусственного интеллекта . На входе он принимает набор деклараций на языке фреймов о такой области, как медицинские исследования или молекулярная биология. Например, названия классов, подклассов , свойств и ограничений на допустимые значения.
Темно-синий: был шахматным компьютером, разработанным IBM . Он известен тем, что был первой компьютерной шахматной системой, которая выиграла и шахматную партию, и шахматный матч против действующего чемпиона мира при обычном контроле времени.
глубокое обучение: Часть более широкого семейства методов машинного обучения, основанных на представлениях данных обучения , в отличие от алгоритмов, ориентированных на конкретные задачи. Обучение может быть контролируемым , частично контролируемым или неконтролируемым .
DeepMind Technologies: Британская искусственный интеллект компания , основанная в сентябре 2010 года, в настоящее время принадлежит алфавиту Inc. Компания основана в Лондоне , с научно - исследовательскими центрами в Канаде , Франции , и Соединенные Штатах . Приобретенная на Google в 2014 году, компания создала нейронную сеть , которая узнает , как играть в видеоигры способа , аналогичном тому , что люди, а также нервная машина Тьюринга или нейронная сеть , которая может быть в состоянии получить доступ к внешней памяти как обычная машина Тьюринга , в результате получается компьютер, имитирующий кратковременную память человеческого мозга. Компания сделала заголовки в 2016 году после того, как его AlphaGo программы бить человек профессионального Go игрок Ли SEDOL , чемпион мира, в матче пяти игр , которая была предметом документального фильма. Более общая программа AlphaZero превзошла самые мощные программы игры в го , шахматы и сёги (японские шахматы) после нескольких дней игры против самой себя с использованием обучения с подкреплением .
логика по умолчанию: Немонотонной логики , предложенный Raymond Reiter формализации рассуждения с предположениями по умолчанию.
логика описания (DL): Семейство формальных языков представления знаний . Многие DL более выразительны, чем логика высказываний, но менее выразительны, чем логика первого порядка . В отличие от последнего, основные проблемы рассуждений для DL (обычно) разрешимы , и для этих проблем были разработаны и реализованы эффективные процедуры принятия решений. Существуют общие, пространственные, временные, пространственно-временные и нечеткие логики описаний, и каждая логика описания имеет различный баланс между выразительностью DL и сложностью рассуждений за счет поддержки различных наборов математических конструкторов.
развивающая робототехника (DevRob): Научная область, которая направлена на изучение механизмов развития, архитектуры и ограничений, которые позволяют на протяжении всей жизни и без ограничений изучать новые навыки и новые знания в воплощенных машинах .
диагноз: Занимается разработкой алгоритмов и методов, которые могут определять правильность поведения системы. Если система работает некорректно, алгоритм должен быть в состоянии максимально точно определить, какая часть системы выходит из строя и с каким типом неисправности она сталкивается. Вычисления основаны на наблюдениях , которые предоставляют информацию о текущем поведении.
диалоговая система: Компьютерная система с последовательной структурой, предназначенная для общения с человеком. Диалоговые системы использовали текст, речь, графику, тактильные ощущения, жесты и другие режимы для коммуникации как по входному, так и по выходному каналу.
уменьшение размерности: Процесс уменьшения количества рассматриваемых случайных величин путем получения набора главных переменных. Она может быть разделена на отбор признаков и выделение признаков .
дискретная система: Любая система со счетным количеством состояний. Дискретные системы можно противопоставить непрерывным системам, которые также можно назвать аналоговыми системами. Окончательная дискретная система часто моделируется ориентированным графом и анализируется на предмет корректности и сложности в соответствии с теорией вычислений . Поскольку дискретные системы имеют счетное число состояний, они могут быть описаны точными математическими моделями . Компьютер является конечным автоматом , который можно рассматривать в качестве дискретной системы. Поскольку компьютеры часто используются для моделирования не только других дискретных систем, но и непрерывных систем, были разработаны методы для представления непрерывных систем реального мира как дискретных систем. Один из таких методов включает выборку непрерывного сигнала через дискретные интервалы времени.
распределенный искусственный интеллект (DAI): Подраздел исследований искусственного интеллекта, посвященный разработке распределенных решений проблем. DAI тесно связан с многоагентными системами и является предшественником этой области .
динамическая эпистемическая логика (DEL): Логическая структура, связанная с изменением знаний и информации. Как правило, DEL фокусируется на ситуациях с участием нескольких агентов и изучает, как их знания меняются при возникновении событий .

E

нетерпеливое обучение: Метод обучения, при котором система пытается построить общую, независимую от ввода целевую функцию во время обучения системы, в отличие от ленивого обучения , при котором обобщение за пределами обучающих данных откладывается до тех пор, пока не будет сделан запрос к системе.
Тест Эберта: Тест, который определяет, может ли компьютерный синтезированный голос рассказать анекдот с достаточным мастерством, чтобы заставить людей смеяться . Он был предложен кинокритик Роджер Эберт на конференции TED 2011 , как вызов разработчикам программного обеспечения , чтобы иметь компьютеризированный голос Учителя перегибы, доставка, время и интонацию говорящего человека. Этот тест похож на тест Тьюринга, предложенный Аланом Тьюрингом в 1950 году как способ измерить способность компьютера проявлять разумное поведение, генерируя производительность, неотличимую от человеческого существа .
сеть состояний эха (ESN): Рецидивирующий нейронная сеть с низкой плотностью , связанный скрытым слоем (с , как правило , 1% соединением). Связность и веса скрытых нейронов фиксированы и назначаются случайным образом. Веса выходных нейронов могут быть изучены, чтобы сеть могла (повторно) создавать определенные временные паттерны. Главный интерес этой сети заключается в том, что, хотя ее поведение нелинейно, единственные веса, которые изменяются во время обучения, предназначены для синапсов, которые соединяют скрытые нейроны с выходными нейронами. Таким образом, функция ошибок является квадратичной по отношению к вектору параметров и может быть легко дифференцирована до линейной системы.
воплощенный агент: Интеллектуальный агент , который взаимодействует с окружающей средой через физическое тело в этой среде. Агенты, которые представлены графически с телом, например человек или мультяшное животное, также называются воплощенными агентами, хотя они имеют только виртуальное, а не физическое воплощение.
воплощенная когнитивная наука: Междисциплинарная область исследований, цель которой - объяснить механизмы, лежащие в основе интеллектуального поведения. Он включает три основных методологии: 1) целостное моделирование психологических и биологических систем, которое рассматривает разум и тело как единое целое, 2) формирование общего набора общих принципов разумного поведения и 3) экспериментальное использование роботизированных агентов в контролируемой среде.
ошибочное обучение: Подраздел машинного обучения, касающийся того, как агент должен действовать в среде, чтобы свести к минимуму некоторую обратную связь с ошибками. Это тип обучения с подкреплением .
усреднение по ансамблю: В машинном обучении , особенно при создании искусственных нейронных сетей , усреднение по ансамблю - это процесс создания нескольких моделей и их объединения для получения желаемого результата, в отличие от создания только одной модели.
этика искусственного интеллекта: Часть этики технологий, относящаяся к искусственному интеллекту.
эволюционный алгоритм (EA): Подмножество эволюционных вычислений , общий алгоритм метаэвристической оптимизации на основе популяции . EA использует механизмы, вдохновленные биологической эволюцией , такие как воспроизводство , мутации , рекомбинация и отбор . Кандидатское решение к задаче оптимизации играет роль особей в популяции, а функция пригодности определяет качество решений (смотрите также функцию потерь ). Затем после повторного применения вышеуказанных операторов происходит эволюция популяции.
эволюционные вычисления: Семейство алгоритмов для глобальной оптимизации вдохновленных биологической эволюции , а подпол искусственного интеллекта и мягких вычислений изучения этих алгоритмов. С технической точки зрения, они представляют собой семейство средств решения проблем методом проб и ошибок, основанных на популяционных методах, с характером метаэвристической или стохастической оптимизации .
развивающаяся классификационная функция (ECF): Развивающиеся функции классификатора или развивающиеся классификаторы используются для классификации и кластеризации в области машинного обучения и искусственного интеллекта , обычно используемых для задач интеллектуального анализа потоков данных в динамических и изменяющихся средах.
экзистенциальный риск: Гипотеза о том, что существенный прогресс в области общего искусственного интеллекта (AGI) может когда-нибудь привести к вымиранию человечества или какой-то другой безвозвратной глобальной катастрофе .
экспертная система: Компьютерная система, которая имитирует способность принимать решения эксперта-человека. Экспертные системы предназначены для решения сложных проблем путем рассуждений на основе совокупности знаний, представленных в основном в виде правил, а не посредством обычного процедурного кода .

F

быстрые и бережливые деревья: Тип дерева классификации . Деревья быстрой экономии могут использоваться в качестве инструментов принятия решений, которые действуют как лексикографические классификаторы и, если требуется, связывают действие (решение) с каждым классом или категорией.
извлечение признаков: В машинном обучении , распознавании образов и обработке изображений извлечение признаков начинается с начального набора измеренных данных и строит производные значения ( признаки ), которые должны быть информативными и неизбыточными, облегчая последующие этапы обучения и обобщения, а в некоторых случаях ведущие к лучшим человеческим интерпретациям.
особенности обучения: В машинном обучении изучение признаков или обучение представлений - это набор методов, которые позволяют системе автоматически обнаруживать представления, необходимые для обнаружения или классификации признаков из необработанных данных. Это заменяет ручную разработку функций и позволяет машине как изучать функции, так и использовать их для выполнения определенной задачи.
выбор функции: В машинном обучении и статистике выбор функций, также известный как выбор переменных, выбор атрибутов или выбор подмножества переменных, представляет собой процесс выбора подмножества соответствующих функций (переменных, предикторов) для использования при построении модели.
федеративное обучение: Тип машинного обучения, который позволяет тренироваться на нескольких устройствах с децентрализованными данными, тем самым помогая сохранить конфиденциальность отдельных пользователей и их данных.
логика первого порядка: Набор формальных систем, используемых в математике , философии , лингвистике и информатике . Логика первого порядка использует количественные переменные над нелогическими объектами и позволяет использовать предложения, содержащие переменные, так что вместо предложений, таких как Сократ - человек, можно иметь выражения в форме «существует X, такое что X - это Сократ и X - это человек », и существует квантор, а X - переменная. Это отличает ее от логики высказываний , которая не использует кванторы или отношения.
беглый: Состояние, которое со временем может измениться. В логических подходах к рассуждению о действиях, флюэнт могут быть представлены в логике первого порядка по предикатам с аргументом , который зависит от времени.
формальный язык: Набор слов , буквы которых взяты из алфавита и правильно составлены в соответствии с определенным набором правил.
прямая цепочка: Один из двух основных методов рассуждения при использовании механизма вывода, который можно логически описать как повторное применение modus ponens . Форвард-цепочка - это популярная стратегия реализации для экспертных систем , систем бизнес- правил и производственных правил . Противоположностью прямой цепочки является обратная цепочка . Прямая цепочка начинается с доступных данных и использует правила вывода для извлечения дополнительных данных (например, от конечного пользователя) до тех пор, пока не будет достигнута цель . Механизм вывода, использующий прямую цепочку, ищет правила вывода до тех пор, пока не найдет одно, в котором антецедент (предложение If) заведомо истинен. Когда такое правило найдено, механизм может заключить или вывести консеквент (предложение Then), в результате чего к его данным будет добавлена новая информация .
Рамка: Структура данных искусственного интеллекта, используемая для разделения знаний на подструктуры, представляя « стереотипные ситуации». Фреймы - это основная структура данных, используемая в языке фреймов искусственного интеллекта .
язык фреймов: Технология, используемая для представления знаний в искусственном интеллекте. Кадры хранятся в виде онтологий из множеств и подмножеств понятий кадра . Они похожи на иерархии классов в объектно-ориентированных языках, хотя их основные цели проектирования различны. Фреймы ориентированы на явное и интуитивно понятное представление знаний, тогда как объекты сосредоточены на инкапсуляции и сокрытии информации . Фреймы возникли в исследованиях искусственного интеллекта, а объекты - в первую очередь в разработке программного обеспечения . Однако на практике методы и возможности фреймового и объектно-ориентированного языков существенно пересекаются.
проблема с рамой: Проблема поиска адекватных наборов аксиом для жизнеспособного описания среды роботов.
дружественный искусственный интеллект: Гипотетический общий искусственный интеллект (AGI), который окажет положительное влияние на человечество. Это часть этики искусственного интеллекта и тесно связана с этикой машин . В то время как машинная этика касается того, как должен вести себя агент с искусственным интеллектом, дружественные исследования искусственного интеллекта сосредоточены на том, как практически реализовать такое поведение и обеспечить его адекватное ограничение.
фьючерсные исследования: Изучение постулирования возможного, вероятного и предпочтительного будущего, а также мировоззрений и мифов, лежащих в их основе.
нечеткая система управления: Система управления, основанная на нечеткой логике - математическая система, которая анализирует аналоговые входные значения с точки зрения логических переменных, которые принимают непрерывные значения от 0 до 1, в отличие от классической или цифровой логики, которая работает с дискретными значениями 1 или 0 ( истина или ложь соответственно).
нечеткая логика: Простая форма многозначной логики , в которой значения истинности переменных могут иметь любую степень « правдивости », которая может быть представлена любым действительным числом в диапазоне от 0 (как в случае «Полностью ложно») до 1 (как в случае «Полностью неверно»). Правда) включительно. Следовательно, он используется для обработки концепции частичной истины, где значение истинности может варьироваться от полностью истинного до полностью ложного. В отличие от булевой логики , где истинные значения переменных могут иметь только целые значения 0 или 1.
нечеткое правило: Правило, используемое в системах с нечеткой логикой для вывода вывода на основе входных переменных.
нечеткое множество: В классической теории множеств принадлежность элементов к набору оценивается в бинарных терминах в соответствии с двухвалентным условием - элемент либо принадлежит, либо не принадлежит набору. Напротив, теория нечетких множеств позволяет постепенно оценивать принадлежность элементов к множеству; это описывается с помощью функции принадлежности, имеющей значение в реальном единичном интервале [0, 1]. Нечеткие множества обобщают классические множества, поскольку индикаторные функции (также известные как характеристические функции ) классических множеств являются частными случаями функций принадлежности нечетких множеств, если последние принимают только значения 0 или 1. В теории нечетких множеств классические двухвалентные множества обычно называются хрустящие наборы . Теория нечетких множеств может использоваться в широком диапазоне областей, в которых информация является неполной или неточной, например в биоинформатике .

грамм

теория игры: Изучение математических моделей стратегического взаимодействия между лицами, принимающими рациональные решения.
общая игра (GGP): Общая игра - это разработка программ искусственного интеллекта, позволяющих успешно запускать и играть в несколько игр.
генеративная состязательная сеть (GAN): Класс систем машинного обучения . Две нейронные сети соревнуются друг с другом в рамках игры с нулевой суммой .
генетический алгоритм (ГА): Метаэвристического навеян процессом естественного отбора , который принадлежит к более широкому классу эволюционных алгоритмов (ЭА). Генетические алгоритмы обычно используются для создания высококачественных решений проблем оптимизации и поиска , полагаясь на био-вдохновленные операторы, такие как мутация , кроссовер и отбор .
генетический оператор: Оператор используется в генетических алгоритмах для руководства алгоритма к решению к данной задаче. Есть три основных типа операторов ( мутация , кроссовер и отбор ), которые должны работать вместе друг с другом, чтобы алгоритм был успешным.
оптимизация роя светлячков: Рой интеллект оптимизация алгоритм на основе поведения светлячков (также известный как светлячки или светлячки).
график (абстрактный тип данных): В информатике граф - это абстрактный тип данных, который предназначен для реализации концепций неориентированного графа и ориентированного графа из математики ; в частности, в области теории графов .
граф (дискретная математика): В математике, а точнее в теории графов , граф - это структура, представляющая собой набор объектов, в котором некоторые пары объектов в некотором смысле «связаны». Объекты соответствуют математическим абстракциям, называемым вершинами (также называемыми узлами или точками ), и каждая из связанных пар вершин называется ребром (также называемым дугой или линией ).
база данных графов (GDB): База данных , которая использует структуры графов для семантических запросов с узлами , краями и свойством для представления и хранения данных. Ключевым понятием системы является граф (или ребро, или отношение ), который напрямую связывает элементы данных в хранилище, набор узлов данных и ребер, представляющих отношения между узлами. Отношения позволяют напрямую связывать данные в хранилище и во многих случаях извлекать их с помощью одной операции. Базы данных Graph поддерживают отношения между данными в качестве приоритета. Запрос отношений в базе данных графов выполняется быстро, потому что они постоянно хранятся в самой базе данных. Отношения можно интуитивно визуализировать с помощью графовых баз данных, что делает их полезными для сильно взаимосвязанных данных.
теория графов: Изучение графов , которые представляют собой математические структуры, используемые для моделирования парных отношений между объектами.
обход графа: Процесс посещения (проверки и / или обновления) каждой вершины в графе . Такие обходы классифицируются по порядку посещения вершин. Обход дерева - это частный случай обхода графа.

ЧАС

проблема остановки
эвристический: Техника, предназначенная для более быстрого решения проблемы, когда классические методы слишком медленные, или для поиска приближенного решения, когда классические методы не могут найти точное решение. Это достигается за счет торговли оптимальностью, полнотой, точностью или точностью в обмен на скорость. В каком-то смысле это можно считать ярлыком. Эвристическая функция, также называемая просто эвристикой, - это функция, которая ранжирует альтернативы в алгоритмах поиска на каждом шаге ветвления на основе доступной информации, чтобы решить, по какой ветви следовать. Например, это может приблизить точное решение.
скрытый слой: Внутренний слой нейронов в искусственной нейронной сети , не предназначенный для ввода или вывода.
скрытый блок: Нейрон в скрытом слое в искусственной нейронной сети .
гиперэвристический: Эвристический метод поиска , который стремится автоматизировать процесс выбора, комбинирование, генерации, или адаптацию несколько простых эвристик (или компонентов такой эвристики) , чтобы эффективно решать вычислительные задачи поиска, часто путем включения машинного обучения методов. Одним из мотивов изучения гиперэвристики является создание систем, которые могут обрабатывать классы проблем, а не решать только одну проблему.

я

Общество вычислительного интеллекта IEEE: Профессиональное общество из Института инженеров по электротехнике и радиоэлектронике (IEEE) с акцентом на «теории, проектирования, применения и развития биологически и лингвистически мотивированных вычислительных парадигм подчеркивающие нейронных сетей , коннекционистских системы, генетические алгоритмы , эволюционное программирование , нечетких систем, и гибридные интеллектуальные системы, в которых содержатся эти парадигмы ».
постепенное обучение: Метод машинного обучения , при котором входные данные постоянно используются для расширения знаний существующей модели, то есть для дальнейшего обучения модели. Он представляет собой динамический метод обучения с учителем и обучения без учителя, который можно применять, когда данные обучения постепенно становятся доступными с течением времени или их размер выходит за пределы системной памяти. Алгоритмы, которые могут способствовать инкрементному обучению, известны как алгоритмы инкрементального машинного обучения.
Механизм логического вывода: Компонент системы, который применяет логические правила к базе знаний для вывода новой информации.
информационная интеграция (II): Объединение информации из разнородных источников с различными концептуальными, контекстными и типографскими представлениями. Он используется для интеллектуального анализа данных и консолидации данных из неструктурированных или полуструктурированных ресурсов. Обычно интеграция информации относится к текстовым представлениям знаний, но иногда применяется к мультимедийному контенту. Слияние информации, что является родственным термином, включает объединение информации в новый набор информации для уменьшения избыточности и неопределенности.
Язык обработки информации (IPL): Язык программирования , который включает в себя функции предназначен для помощи с программами , которые выполняют простые решения проблем действий , такие как списки, динамическое распределение памяти , типы данных , рекурсия , функции в качестве аргументов, генераторов и кооперативной многозадачности . IPL изобрела концепцию обработки списков, хотя и в стиле ассемблера .
усиление интеллекта (IA): Эффективное использование информационных технологий для увеличения человеческого интеллекта .
взрыв интеллекта: Возможный результат создания человечеством общего искусственного интеллекта (AGI). AGI будет способен к рекурсивному самосовершенствованию, что приведет к быстрому появлению ASI ( искусственного суперинтеллекта ), пределы которого неизвестны, во время технологической сингулярности.
интеллектуальный агент (ИА): Автономная сущность , которая действует, направляя его активность в достижении целей (т.е. он является агентом ), по представлению окружающей среды с помощью наблюдения через датчики и последующие исполнительные механизмы (т.е. интеллектуальные). Интеллектуальные агенты также могут изучать или использовать знания для достижения своих целей. Они могут быть очень простыми или очень сложными .
интеллектуальное управление: Класс методов управления , в которых используются различные вычислительные подходы искусственного интеллекта, такие как нейронные сети , байесовская вероятность , нечеткая логика , машинное обучение , обучение с подкреплением , эволюционные вычисления и генетические алгоритмы .
умный личный помощник: Программный агент , который может выполнять задачи или услуги для человека на основе словесных команд. Иногда термин « чат-бот » используется для обозначения виртуальных помощников, к которым обычно или специально получают доступ через онлайн-чат (или в некоторых случаях программы онлайн-чата, предназначенные исключительно для развлекательных целей). Некоторые виртуальные помощники могут интерпретировать человеческую речь и отвечать с помощью синтезированных голосов. Пользователи могут задавать вопросы своим помощникам, управлять устройствами домашней автоматизации и воспроизведением мультимедиа с помощью голоса, а также управлять другими основными задачами, такими как электронная почта, списки дел и календари, с помощью устных команд.
интерпретация: Присвоение означая к символам одного формального языка . Многие формальные языки, используемые в математике , логике и теоретической информатике , определены исключительно в синтаксических терминах и как таковые не имеют никакого значения, пока им не будет дана некоторая интерпретация. Общее изучение интерпретаций формальных языков называется формальной семантикой .
внутренняя мотивация: Интеллектуальный агент внутренне мотивирован , чтобы действовать , если содержание информации в одиночку, опыта в результате действий, является стимулирующим фактором. Информационное содержание в этом контексте измеряется в смысле теории информации как количественная оценка неопределенности. Типичная внутренняя мотивация - это поиск необычных (неожиданных) ситуаций, в отличие от типичной внешней мотивации, такой как поиск пищи. Внутренне мотивированные искусственные агенты демонстрируют поведение, подобное исследованию и любопытству .
дерево проблем: Графическая разбивка вопроса, которая разбивает его на различные компоненты по вертикали и которая постепенно переходит в детали по мере чтения справа. Деревья проблем полезны при решении проблем для выявления первопричин проблемы, а также для определения ее потенциальных решений. Они также служат ориентиром, позволяющим увидеть, как каждый элемент вписывается в общую картину проблемы.

J

алгоритм дерева соединений: Метод, используемый в машинном обучении для извлечения маргинализации в общих графах . По сути, это влечет за собой распространение убеждений на модифицированном графе, называемом деревом соединений . Граф называется деревом, потому что он разветвляется на разные разделы данных; узлы переменных - это ветви.

K

ядерный метод: В машинном обучении методы ядра - это класс алгоритмов анализа паттернов , наиболее известным элементом которого является машина опорных векторов (SVM). Общая задача анализа паттернов - найти и изучить общие типы отношений (например, кластеры , ранжирование , главные компоненты , корреляции , классификации ) в наборах данных.
KL-ONE: Известная система представления знаний в традициях семантических сетей и фреймов ; то есть это фреймовый язык . Система представляет собой попытку преодолеть семантическую нечеткость в представлениях семантической сети и явно представить концептуальную информацию в виде структурированной сети наследования.
приобретение знаний: Процесс, используемый для определения правил и онтологий, необходимых для системы, основанной на знаниях . Эта фраза впервые использовалась в сочетании с экспертными системами для описания начальных задач, связанных с разработкой экспертной системы, а именно поиска и опроса экспертов в предметной области и сбора их знаний с помощью правил , объектов и онтологий на основе фреймов .
система знаний (KBS): Компьютерная программа , которая причина и использует базу знаний для решения сложных задач . Этот термин широк и относится ко многим различным системам. Одна общая тема, которая объединяет все системы, основанные на знаниях, - это попытка явного представления знаний и система рассуждений , позволяющая извлекать новые знания. Таким образом, система, основанная на знаниях, имеет две отличительные особенности: базу знаний и механизм вывода .
инженерия знаний (KE): Все технические, научные и социальные аспекты, связанные с построением, поддержкой и использованием систем, основанных на знаниях .
извлечение знаний: Создание знаний из структурированных ( реляционные базы данных , XML ) и неструктурированных ( текст , документы, изображения ) источников. Полученные в результате знания должны быть в машиночитаемом и машинно-интерпретируемом формате и должны представлять знания таким образом, чтобы облегчить вывод. Хотя методически это похоже на извлечение информации ( NLP ) и ETL (хранилище данных), основным критерием является то, что результат извлечения выходит за рамки создания структурированной информации или преобразования в реляционную схему . Это требует либо повторного использования существующих формальных знаний (повторное использование идентификаторов или онтологий ), либо генерации схемы на основе исходных данных.
Формат обмена знаниями (KIF): Компьютерный язык, позволяющий системам обмениваться и повторно использовать информацию из систем, основанных на знаниях . KIF похож на фреймовые языки, такие как KL-ONE и LOOM, но в отличие от такого языка его основная роль не предназначена как структура для выражения или использования знаний, а скорее для обмена знаниями между системами. Разработчики KIF сравнили его с PostScript . PostScript был разработан не в первую очередь как язык для хранения документов и управления ими, а скорее как формат обмена для систем и устройств для обмена документами. Таким же образом KIF предназначен для облегчения обмена знаниями между различными системами, которые используют разные языки, формализмы, платформы и т. Д.; Область искусственного интеллекта, предназначенная для представления информации о мире в форме, которую компьютерная система может использовать для решения сложных задач, таких как диагностика состояния здоровья или диалог на естественном языке . Представление знаний включает в себя выводы из психологии о том, как люди решают проблемы и представляют знания для разработки формализмов , которые упростят проектирование и построение сложных систем. Представление знаний и рассуждения также включают выводы логики для автоматизации различных видов рассуждений , таких как применение правил или отношения множеств и подмножеств . Примеры формализмов представления знаний включают семантические сети , системную архитектуру , фреймы , правила и онтологии . Примеры автоматизированных систем рассуждений включают механизмы вывода , средства доказательства теорем и классификаторы.

L

ленивое обучение: В машинном обучении ленивое обучение - это метод обучения, при котором обобщение обучающих данных теоретически откладывается до тех пор, пока не будет сделан запрос к системе, в отличие от активного обучения , когда система пытается обобщить обучающие данные перед получением. запросы.
Лисп (язык программирования) (LISP): Семейство языков программирования с долгой историей и отличительной, полностью заключенной в скобки префиксной нотацией .
логическое программирование: Тип парадигмы программирования, который в значительной степени основан на формальной логике . Любая программа, написанная на языке логического программирования, представляет собой набор предложений в логической форме, выражающих факты и правила о некоторой проблемной области. Основные семейства языков логического программирования включают Prolog , программирование наборов ответов (ASP) и Datalog .
долгая кратковременная память (LSTM): Архитектура искусственной рекуррентной нейронной сети, используемая в области глубокого обучения . В отличие от стандартных нейронных сетей с прямой связью, LSTM имеет обратные связи, которые делают его «компьютером общего назначения» (то есть он может вычислять все, что может машина Тьюринга ). Он может обрабатывать не только отдельные точки данных (например, изображения), но и целые последовательности данных (например, речь или видео).

M

машинное зрение (MV): Технология и методы, используемые для обеспечения автоматического контроля и анализа на основе изображений для таких приложений, как автоматический контроль, управление процессами и управление роботами, обычно в промышленности. Машинное зрение - это термин, охватывающий большое количество технологий, программных и аппаратных продуктов, интегрированных систем, действий, методов и опыта. Машинное зрение как дисциплину системной инженерии можно рассматривать отдельно от компьютерного зрения , одной из форм информатики . Он пытается по-новому интегрировать существующие технологии и применять их для решения реальных проблем. Этот термин является распространенным для этих функций в средах промышленной автоматизации, но также используется для этих функций в других средах, таких как безопасность и управление транспортными средствами.
Цепь Маркова: Стохастическая модель , описывающая последовательность возможных событий , в которых вероятность каждого события зависит только от состояния достигнутого в предыдущем случае.
Марковский процесс принятия решений (MDP): Дискретное время стохастического управления процессом. Он обеспечивает математическую основу для моделирования принятия решений в ситуациях, когда результаты частично случайны, а частично находятся под контролем лица, принимающего решения. MDP полезны для изучения задач оптимизации, решаемых с помощью динамического программирования и обучения с подкреплением .
математическая оптимизация: В математике , информатике и исследованиях операций - выбор лучшего элемента (с учетом некоторого критерия) из некоторого набора доступных альтернатив.
машинное обучение (ML): Научные исследования по алгоритмам и статистических моделей , которые компьютерные системы используют для того , чтобы выполнить задачу , определенную эффективно без использования явных инструкций, опираясь на модели и умозаключения вместо этого.
машинное прослушивание: Общая область изучения алгоритмов и систем для понимания звука машиной.
машинное восприятие: Способность компьютерной системы интерпретировать данные аналогично тому, как люди используют свои чувства для связи с окружающим миром.
конструкция механизма: Область экономики и теории игр, которая использует инженерный подход к разработке экономических механизмов или стимулов для достижения желаемых целей в стратегических условиях , где игроки действуют рационально . Поскольку она начинается в конце игры, а затем идет в обратном направлении, ее также называют теорией обратной игры. Он имеет широкое применение, от экономики и политики (рынки, аукционы, процедуры голосования) до сетевых систем (междоменная маршрутизация в Интернете, спонсируемые поисковые аукционы).
мехатроника: Многопрофильная отрасль машиностроения , которая сосредоточена на проектировании обоих электрических и механических систем , а также включает в себя комбинацию робототехники , электроники , компьютера , телекоммуникаций , систем , управления и продукции машиностроения.
реконструкция и моделирование метаболической сети: Позволяет глубже понять молекулярные механизмы конкретного организма. В частности, эти модели коррелируют геном с молекулярной физиологией.
метаэвристический: В информатике и математической оптимизации метаэвристика - это процедура или эвристика более высокого уровня , предназначенная для поиска, генерации или выбора эвристики ( алгоритм частичного поиска ), которая может обеспечить достаточно хорошее решение проблемы оптимизации , особенно с неполной или несовершенной информацией. или ограниченная вычислительная мощность. Метаэвристика выбирает набор решений, который слишком велик для полной выборки.
проверка модели: В информатике проверка модели или проверка свойств - это для данной модели системы исчерпывающая и автоматическая проверка того, соответствует ли эта модель заданной спецификации . Обычно имеется в виду аппаратное или программное обеспечение, тогда как спецификация содержит требования безопасности, такие как отсутствие тупиковых ситуаций и подобных критических состояний, которые могут вызвать сбой системы . Проверка модели - это метод автоматической проверки свойств корректности систем с конечным числом состояний .
modus ponens: В логике высказываний , модус поненс является правилом вывода . Это можно резюмировать как « P подразумевает Q, и P утверждается как истинное, поэтому Q должно быть истинным».
модус толленс: В логике высказываний , модус Толленс является действительной формой аргумента и правила логического вывода . Это приложение общей истины о том, что если утверждение истинно, то также и его противоположность . Правила вывода модус Толленс утверждает , что вывод из Р означает Q к отрицанию Q означает отрицание Р является действительным.
Поиск в дереве Монте-Карло: В информатике поиск по дереву Монте-Карло (MCTS) - это эвристический алгоритм поиска для некоторых видов процессов принятия решений .
многоагентная система (MAS): Компьютеризированная система, состоящая из множества взаимодействующих интеллектуальных агентов . Многоагентные системы могут решать проблемы, которые сложно или невозможно решить отдельному агенту или монолитной системе . Интеллект может включать методический , функциональный , процедурный подходы, алгоритмический поиск или обучение с подкреплением .
оптимизация нескольких роев: Вариант оптимизации роя частиц (PSO), основанный на использовании нескольких суб-роя вместо одного (стандартного) роя. Общий подход к оптимизации нескольких роев состоит в том, что каждый под-рой фокусируется на определенном регионе, в то время как конкретный метод диверсификации решает, где и когда запускать под-рой. Фреймворк с несколькими роями особенно подходит для оптимизации многомодальных задач, где существует несколько (локальных) оптимумов.
мутация: Генетический оператор используется для поддержания генетического разнообразия от одного поколения популяции генетического алгоритма хромосом к следующему. Это аналог биологической мутации . Мутация изменяет одно или несколько значений гена в хромосоме по сравнению с исходным состоянием. При мутации решение может полностью отличаться от предыдущего. Следовательно, GA может прийти к лучшему решению, используя мутацию. Мутация происходит в процессе эволюции в соответствии с определяемой пользователем вероятностью мутации. Эта вероятность должна быть низкой. Если он установлен слишком высоко, поиск превратится в примитивный случайный поиск.
Mycin: Ранняя экспертная система с обратной цепочкой, которая использовала искусственный интеллект для выявления бактерий, вызывающих серьезные инфекции, такие как бактериемия и менингит , и для рекомендации антибиотиков с дозировкой, скорректированной с учетом массы тела пациента - название происходит от самих антибиотиков, поскольку многие антибиотики имеют суффикс «-мицин». Система MYCIN также использовалась для диагностики заболеваний свертывания крови.

N

наивный байесовский классификатор: В машинном обучении наивные байесовские классификаторы представляют собой семейство простых вероятностных классификаторов, основанных на применении теоремы Байеса с сильными (наивными) предположениями о независимости между функциями.
наивная семантика: Подход, используемый в информатике для представления базовых знаний о конкретной области, и применялся в таких приложениях, как представление значения предложений на естественном языке в приложениях искусственного интеллекта. В общих условиях этот термин использовался для обозначения использования ограниченного хранилища общепринятых знаний о конкретной области в мире и применялся к таким областям, как проектирование схем данных на основе знаний.
привязка имени: В языках программирования привязка имен - это ассоциация сущностей (данных и / или кода) с идентификаторами . Говорят, что идентификатор, связанный с объектом, ссылается на этот объект. Машинные языки не имеют встроенного понятия идентификаторов, но привязки имя-объект как услуга и нотация для программиста реализованы языками программирования. Связывание тесно связано с областью видимости , поскольку область видимости определяет, какие имена связываются с какими объектами - в каких местах программного кода ( лексически ) и в каком одном из возможных путей выполнения ( временно ). Использование идентификатора idв контексте, который устанавливает привязку для id, называется привязкой (или определяющим) вхождением. Во всех других случаях (например, в выражениях, назначениях и вызовах подпрограмм) идентификатор обозначает то, с чем он связан; такие случаи называются прикладными случаями.
признание именованного объекта (NER): Подзадача извлечения информации, которая направлена на поиск и классификацию упоминаний именованных сущностей в неструктурированном тексте по заранее определенным категориям, таким как имена людей, организации, местоположения, медицинские коды , выражения времени, количества, денежные значения, проценты и т. Д.
именованный граф: Ключевая концепция архитектуры семантической паутины, в которой набор операторов структуры описания ресурсов ( граф ) идентифицируется с помощью URI , что позволяет делать описания этого набора операторов, таких как контекст, информация о происхождении или другие подобные метаданные . Именованные графы - это простое расширение модели данных RDF, с помощью которого можно создавать графы, но в модели отсутствуют эффективные средства различения между ними после публикации в сети в целом.
генерация естественного языка (NLG): Программный процесс, преобразующий структурированные данные в контент на простом английском языке. Его можно использовать для создания подробного контента для организаций, чтобы автоматизировать пользовательские отчеты, а также для создания пользовательского контента для веб-приложений или мобильных приложений. Его также можно использовать для создания коротких фрагментов текста в интерактивных беседах ( чат-бот ), которые даже могут быть прочитаны вслух системой преобразования текста в речь .
обработка естественного языка (NLP): Подраздел информатики, информационной инженерии и искусственного интеллекта, связанный с взаимодействием между компьютерами и человеческими (естественными) языками, в частности, как программировать компьютеры для обработки и анализа больших объемов данных на естественном языке .
программирование на естественном языке: Онтология -поддерживаемого способа программирования в терминах естественного языка предложений, например , английском языке .
сетевой мотив: Все сети, включая биологические сети, социальные сети, технологические сети (например, компьютерные сети и электрические схемы) и многое другое, могут быть представлены в виде графов , которые включают в себя широкий спектр подграфов. Одним из важных локальных свойств сетей являются так называемые сетевые мотивы, которые определяются как повторяющиеся и статистически значимые подграфы или паттерны.
нейронный машинный перевод (NMT): Подход к машинному переводу, который использует большую искусственную нейронную сеть для прогнозирования вероятности последовательности слов, обычно моделируя целые предложения в единой интегрированной модели.
нейронная машина Тьюринга (NTM): Модель рекуррентной нейронной сети . НТМ сочетают в себе возможности нейронных сетей нечеткого сопоставления образов с алгоритмической мощностью программируемых компьютеров . NTM имеет контроллер нейронной сети, связанный с внешними ресурсами памяти , с которыми он взаимодействует через механизмы внимания. Взаимодействия с памятью дифференцируемы от начала до конца, что позволяет оптимизировать их с помощью градиентного спуска . NTM с сетевым контроллером с долговременной краткосрочной памятью (LSTM) может выводить простые алгоритмы, такие как копирование, сортировка и ассоциативный вызов, только на основе примеров.
нервно-нечеткий: Комбинации искусственных нейронных сетей и нечеткой логики .
нейрокибернетика: Прямой канал связи между расширенным или проводным мозгом и внешним устройством. BCI отличается от нейромодуляции тем, что обеспечивает двунаправленный поток информации. BCI часто направлены на исследование, картирование, помощь, усиление или восстановление когнитивных или сенсомоторных функций человека.
нейроморфная инженерия: Концепция, описывающая использование систем очень крупномасштабной интеграции (СБИС), содержащих электронные аналоговые схемы, для имитации нейробиологической архитектуры, присутствующей в нервной системе. В последнее время термин нейроморфный используется для описания аналоговых, цифровых, смешанных аналогово-цифровых СБИС и программных систем, которые реализуют модели нейронных систем (для восприятия , управления моторикой или мультисенсорной интеграции ). Реализация нейроморфных вычислений на аппаратном уровне может быть реализована с помощью мемристоров на основе оксидов , спинтронной памяти, пороговых переключателей и транзисторов .
узел: Базовая единица структуры данных , например связанный список или древовидная структура данных. Узлы содержат данные, а также могут связываться с другими узлами. Связи между узлами часто реализуются указателями .
недетерминированный алгоритм: Алгоритм , который, даже тот же вход, может иметь различное поведение на различных трассах, в отличии от детерминированного алгоритма .
новый AI: Nouvelle AI отличается от классического AI тем, что нацелен на создание роботов с уровнем интеллекта, подобным насекомым. Исследователи полагают, что интеллект может естественным образом возникать из простого поведения, поскольку эти интеллекты взаимодействуют с «реальным миром», вместо того, чтобы использовать сконструированные миры, которые символический ИИ обычно должен был запрограммировать в них.
НП: В теории сложности вычислений NP (недетерминированное полиномиальное время) - это класс сложности, используемый для классификации проблем принятия решений . NP - это набор задач решения, для которых экземпляры проблемы, на которые дан ответ «да», имеют доказательства, проверяемые за полиномиальное время .
NP-полнота: В теории сложности вычислений проблема является NP-полной, когда ее можно решить с помощью ограниченного класса алгоритмов перебора методом грубой силы , и ее можно использовать для моделирования любой другой задачи с помощью аналогичного алгоритма. Точнее, каждый вход проблемы должен быть связан с набором решений полиномиальной длины, достоверность которых может быть быстро проверена (за полиномиальное время ), так что выход для любого входа будет «да», если набор решений не является пусто и «нет», если оно пусто.
NP-твердость: В теории сложности вычислений - определяющее свойство класса задач, которые неформально «по крайней мере так же сложны, как самые сложные задачи в NP». Простым примером NP-трудной задачи является проблема суммы подмножеств .

О

бритва Оккама: Принцип решения проблем, который гласит, что при представлении конкурирующих гипотез, которые делают одни и те же прогнозы, нужно выбирать решение с наименьшим количеством предположений; принцип не предназначен для фильтрации гипотез, которые делают разные прогнозы. Идея приписывается английскому францисканский монах Вильям Оккам ( с. 1287-1347), схоластический философ и богослов .
автономное обучение
онлайн-машинное обучение: Метод машинного обучения, при котором данные становятся доступными в последовательном порядке и используются для обновления лучшего предсказателя будущих данных на каждом этапе, в отличие от методов пакетного обучения, которые генерируют лучший предсказатель путем обучения сразу на всем наборе обучающих данных. . Онлайн-обучение - это распространенный метод, используемый в областях машинного обучения, где с вычислительной точки зрения невозможно обучить весь набор данных, что требует использования алгоритмов вне ядра . Он также используется в ситуациях, когда алгоритму необходимо динамически адаптироваться к новым шаблонам в данных или когда сами данные создаются как функция времени.
онтологическое обучение: Автоматическое или полуавтоматическое создание онтологий , включая извлечение терминов соответствующей предметной области и взаимосвязей между концепциями, которые эти термины представляют из корпуса текста на естественном языке, и их кодирование с помощью языка онтологий для облегчения поиска.
OpenAI: Коммерческая корпорация OpenAI LP, головной организацией которой является некоммерческая организация OpenAI Inc, которая проводит исследования в области искусственного интеллекта (ИИ) с заявленной целью продвигать и развивать дружественный ИИ таким образом, чтобы приносить пользу человечеству, целое.
OpenCog: Проект, направленный на создание инфраструктуры искусственного интеллекта с открытым исходным кодом. OpenCog Prime - это архитектура для роботов и виртуального воплощенного познания, которая определяет набор взаимодействующих компонентов, предназначенных для создания человеческого эквивалентного общего искусственного интеллекта (AGI) как возникающего явления во всей системе.
Открытый разум, здравый смысл: Проект искусственного интеллекта, основанный в Media Lab Массачусетского технологического института (MIT) , целью которого является создание и использование обширной базы здравого смысла, основанной на вкладе многих тысяч людей в Интернете.
программное обеспечение с открытым исходным кодом (OSS): Тип компьютерного программного обеспечения , в котором исходный код выпущен под лицензией , в котором авторское право владелец предоставляет пользователям права на изучение, изменение и распространение программного обеспечения для всех и для любых целей. Программное обеспечение с открытым исходным кодом может разрабатываться совместно с общественностью . Программное обеспечение с открытым исходным кодом - яркий пример открытого сотрудничества .

п

редукция частичного порядка: Метод уменьшения размера пространства состояний, в котором должен выполняться поиск с помощью проверки модели или алгоритма автоматического планирования и составления расписания . Он использует коммутативность одновременно выполняемых переходов , которые приводят к одному и тому же состоянию при выполнении в разном порядке.
частично наблюдаемый марковский процесс принятия решений (POMDP): Обобщение марковского процесса принятия решений (MDP). POMDP моделирует процесс принятия решения агентом, в котором предполагается, что динамика системы определяется MDP, но агент не может напрямую наблюдать за лежащим в основе состоянием. Вместо этого он должен поддерживать распределение вероятностей по набору возможных состояний на основе набора наблюдений и вероятностей наблюдения, а также лежащего в основе MDP.
оптимизация роя частиц (PSO): Вычислительный метод, который оптимизирует проблему, итеративно пытаясь улучшить возможное решение с учетом заданного показателя качества. Он решает проблему, имея совокупность возможных решений, здесь названных частиц , и перемещая эти частицы в пространстве поиска в соответствии с простыми математическими формулами относительно положения и скорости частицы. На движение каждой частицы влияет ее местное наиболее известное положение, но оно также направляется к наиболее известным позициям в пространстве поиска, которые обновляются по мере того, как другие частицы находят лучшие позиции. Ожидается, что это подтолкнет рой к лучшим решениям.
Найти путь: Построение с помощью компьютерного приложения кратчайшего маршрута между двумя точками. Это более практичный вариант решения лабиринтов . Эта область исследований в значительной степени основана на алгоритме Дейкстры для поиска кратчайшего пути на взвешенном графе .
распознавание образов: Обеспокоен автоматическим обнаружением закономерностей в данных с помощью компьютерных алгоритмов и использованием этих закономерностей для принятия таких действий, как классификация данных по различным категориям.
логика предикатов: Набор формальных систем, используемых в математике , философии , лингвистике и информатике . Логика первого порядка использует количественные переменные над нелогическими объектами и позволяет использовать предложения, содержащие переменные, так что вместо предложений, таких как Сократ - человек, можно иметь выражения в форме «существует x такое, что x - это Сократ и x - это человек », и существует квантор, а x - переменная. Это отличает ее от логики высказываний , которая не использует кванторы или отношения ; в этом смысле логика высказываний является основой логики первого порядка.
прогнозная аналитика: Разнообразные статистические методы, от интеллектуального анализа данных , прогнозного моделирования и машинного обучения , которые анализируют текущие и исторические факты, чтобы делать прогнозы о будущих или других неизвестных событиях.
анализ главных компонентов (PCA): Статистическая процедура, которая использует ортогональное преобразование для преобразования набора наблюдений за возможно коррелированными переменными (объекты, каждая из которых принимает различные числовые значения) в набор значений линейно некоррелированных переменных, называемых главными компонентами. Это преобразование определяется таким образом, что первый главный компонент имеет максимально возможную дисперсию (то есть учитывает как можно большую вариативность данных), а каждый последующий компонент, в свою очередь, имеет максимально возможную дисперсию при ограничение, что он ортогонален предыдущим компонентам. Результирующие векторы (каждый из которых представляет собой линейную комбинацию переменных и содержит n наблюдений) представляют собой некоррелированный ортогональный базисный набор . PCA чувствителен к относительному масштабированию исходных переменных.
принцип рациональности: Принцип, сформулированный Карлом Р. Поппером в его лекции в Гарварде в 1963 году и опубликованный в его книге « Миф о структуре» . Это связано с тем, что он назвал «логикой ситуации» в статье Economica 1944/1945 годов, опубликованной позже в его книге «Нищета историзма» . Согласно принципу рациональности Поппера, агенты действуют наиболее адекватно в соответствии с объективной ситуацией. Это идеализированная концепция человеческого поведения, которую он использовал в своей модели ситуационного анализа .
вероятностное программирование (ПП): Парадигма программирования , в которой вероятностные модели определены и вывод для этих моделей выполняются автоматически. Он представляет собой попытку объединить вероятностное моделирование и традиционное универсальное программирование, чтобы сделать первое проще и более широко применимым. Его можно использовать для создания систем, которые помогают принимать решения в условиях неопределенности. Языки программирования, используемые для вероятностного программирования, называются «вероятностными языками программирования» (PPL).
производственная система
язык программирования: Формальный язык , который включает в себя набор инструкций , которые производят различные виды продукции . Языки программирования используются в компьютерном программировании для реализации алгоритмов .
Пролог: Логическое программирование языка , связанный с искусственным интеллектом и компьютерной лингвистикой . Пролог имеет свои корни в логике первого порядка , формальной логике , и в отличие от многих других языков программирования , Пролог задуман в первую очередь как декларативный язык программирования: логика программы выражается в терминах отношений, представленных в виде фактов и правил . Вычисление инициируется путем выполнения запроса по этим отношениям.
пропозициональное исчисление: Раздел логики, который имеет дело с предложениями (которые могут быть истинными или ложными) и потоком аргументов. Сложные предложения образуются путем соединения предложений логическими связками . Предложения без логических связок называются атомарными предложениями. В отличие от логики первого порядка, логика высказываний не имеет дела с нелогическими объектами, предикатами о них или кванторами. Однако весь механизм логики высказываний включен в логику первого и более высокого порядка. В этом смысле логика высказываний является основой логики первого и высшего порядка.
Python: Истолковано , высокий уровень , общее назначение , язык программирования , созданный Гвидо ван Россум и первый выпущенный в 1991 году философии дизайна Python подчеркивает читаемость кода с заметным использованием значительного пробела . Его языковые конструкции и объектно-ориентированный подход призваны помочь программистам писать понятный, логичный код для небольших и крупномасштабных проектов.

Q

проблема квалификации: В философии и искусственного интеллекта (особенно систем , основанных на знаниях ), проблема квалификации связана с невозможностью перечисления всех из предварительных условий , необходимых для реального мира действия , чтобы иметь желаемого эффекта. Это может быть сформулировано как то, как бороться с вещами, которые мешают мне достичь желаемого результата . Он тесно связан с, и напротив ветвления стороны от, к проблеме кадров .
квантификатор: В логике количественная оценка определяет количество экземпляров в предметной области , удовлетворяющих открытой формуле . Два наиболее распространенных квантора означают « для всех » и « существует ». Например, в арифметике кванторы позволяют сказать, что натуральные числа существуют вечно, написав, что для всех n (где n - натуральное число) существует другое число (скажем, преемник n), которое на единицу больше чем п.
квантовые вычисления: Использование квантово-механических явлений, таких как суперпозиция и запутанность, для выполнения вычислений . Квантовый компьютер используется для выполнения таких вычислений, которые могут быть реализованы теоретически или физически.
язык запросов: Языки запросов или языки запросов данных (DQL) - это компьютерные языки, используемые для выполнения запросов в базах данных и информационных системах . В широком смысле языки запросов можно классифицировать в зависимости от того, являются ли они языками запросов к базам данных или языками запросов поиска информации . Разница в том, что язык запросов к базе данных пытается дать фактические ответы на фактические вопросы, в то время как язык запросов поиска информации пытается найти документы, содержащие информацию, относящуюся к области запроса.

р

Язык программирования R: Язык программирования и свободного программного обеспечения среды для статистических вычислений и графики при поддержке R Фонда Статистический Computing. Язык R широко используется статистиками и специалистами по добыче данных для разработки статистического программного обеспечения и анализа данных .
сеть радиальных базисных функций: В области математического моделирования сеть радиальных базисных функций представляет собой искусственную нейронную сеть, которая использует радиальные базисные функции в качестве функций активации . Выход сети представляет собой линейную комбинацию радиальных базисных функций входов и параметров нейрона. Сети с радиальными базисными функциями имеют множество применений, включая аппроксимацию функций , прогнозирование временных рядов , классификацию и управление системой . Впервые они были сформулированы в статье 1988 года Брумхедом и Лоу, исследователями из Royal Signals and Radar Establishment .
случайный лес: Ансамбль обучения метод классификации , регрессии и другие задачи , которая работает путем построения множества деревьев решений во время обучения и вывода класса , который является режим классов (классификация) или среднего прогноза (регресса) отдельных деревьев. Леса случайных решений корректируют привычку деревьев решений переобучаться их обучающей выборке .
система рассуждений: В информационных технологиях система рассуждений - это программная система, которая генерирует выводы из имеющихся знаний с использованием логических методов, таких как дедукция и индукция . Системы рассуждений играют важную роль в реализации искусственного интеллекта и систем, основанных на знаниях .
рекуррентная нейронная сеть (RNN): Класс искусственных нейронных сетей, в которых связи между узлами образуют ориентированный граф во временной последовательности. Это позволяет ему демонстрировать динамическое поведение во времени. В отличие от нейронных сетей прямого распространения, RNN могут использовать свое внутреннее состояние (память) для обработки последовательностей входных данных. Это делает их применимыми для таких задач, как несегментированное связанное распознавание рукописного ввода или распознавание речи .
исчисление региональных подключений
обучение с подкреплением (RL): Область машинного обучения касается того , как программное обеспечение , агенты должны принимать меры в среде так, чтобы максимизировать некоторое представление о совокупной награды. Обучение с подкреплением - это одна из трех основных парадигм машинного обучения, наряду с обучением с учителем и обучением без учителя . Оно отличается от обучения с учителем тем, что не нужно представлять помеченные пары ввода / вывода и не нужно явно корректировать неоптимальные действия. Вместо этого основное внимание уделяется поиску баланса между исследованием (неизведанной территории) и эксплуатацией (текущих знаний).
пластовые вычисления: Каркас для вычислений, который можно рассматривать как расширение нейронных сетей . Обычно входной сигнал подается в фиксированную (случайную) динамическую систему, называемую резервуаром, и динамика резервуара отображает входные данные в более высокое измерение. Затем простой механизм считывания обучается считывать состояние резервуара и отображать его на желаемый результат. Основное преимущество состоит в том, что обучение выполняется только на этапе считывания, а резервуар фиксируется. Машины с жидкостным состоянием и сети эхо-состояний - это два основных типа вычислений резервуара.
Структура описания ресурсов (RDF): Семейство спецификаций Консорциума Всемирной паутины (W3C), изначально разработанных как модель данных метаданных . Он стал использоваться в качестве общего метода концептуального описания или моделирования информации, реализованной в веб-ресурсах , с использованием различных синтаксических обозначений и форматов сериализации данных. Он также используется в приложениях для управления знаниями .
ограниченная машина Больцмана (RBM): Порождающая стохастическая искусственная нейронная сеть , которая может узнать распределение вероятностей над своим набором входов.
Алгоритм Rete: Сопоставление с образцом алгоритм для реализации систем на основе правил . Алгоритм был разработан для эффективного применения множества правил или шаблонов ко многим объектам или фактам в базе знаний . Он используется для определения того, какое из правил системы должно срабатывать, на основе его хранилища данных, его фактов.
робототехника: Междисциплинарная отрасль науки и техники, включающая машиностроение , электронную инженерию , информационную инженерию , информатику и другие. Робототехника занимается проектированием, конструированием, эксплуатацией и использованием роботов , а также компьютерных систем для их управления, сенсорной обратной связи и обработки информации .
система, основанная на правилах: В информатике система, основанная на правилах, используется для хранения знаний и управления ими для полезной интерпретации информации. Он часто используется в приложениях и исследованиях искусственного интеллекта. Обычно термин « система, основанная на правилах» применяется к системам, включающим наборы правил, созданные человеком или специально подобранные. Системы на основе правил, построенные с использованием автоматического вывода правил, такие как машинное обучение на основе правил , обычно исключаются из этого типа систем.

S

выполнимость: В математической логике выполнимость и валидность являются элементарными понятиями семантики . Формула является выполнимой , если это возможно , чтобы найти интерпретацию ( модель ) , что делает формулу верно. Формула действительна, если все интерпретации делают ее верной. Противоположностями этих концепций являются неудовлетворительность и недействительность, то есть формула неудовлетворительна, если ни одна из интерпретаций не делает формулу истинной, и недействительной, если какая-то такая интерпретация делает формулу ложной. Эти четыре понятия связаны друг с другом таким образом , совершенно аналогично Аристотеля «s квадрат оппозиции .
алгоритм поиска: Любой алгоритм , который решает задачу поиска , а именно, для получения информации , хранящейся в пределах некоторой структуры данных, или рассчитываются в пространстве поиска в виде проблемной области , либо с дискретным или непрерывным значениями .
отбор: Этап генетического алгоритма, на котором отдельные геномы выбираются из популяции для последующего разведения (с использованием оператора кроссовера ).
самоуправление: Процесс, с помощью которого компьютерные системы управляют своей работой без вмешательства человека.
семантическая сеть: База знаний , которая представляет семантические отношения между понятиями в сети. Это часто используется как форма представления знаний . Это ориентированный или неориентированный граф, состоящий из вершин , которые представляют концепции , и ребер , которые представляют семантические отношения между концепциями, отображением или соединением семантических полей .
семантический рассуждающий: Часть программного обеспечения, способная делать логические выводы из набора утвержденных фактов или аксиом . Понятие семантического логического аргумента обобщает понятие механизма вывода , предоставляя более богатый набор механизмов для работы. Эти правила вывода обычно определяется посредством языка онтологий , и часто описание логики языка. Многие авторы рассуждений используют логику предикатов первого порядка для выполнения рассуждений; логический вывод обычно осуществляется путем прямого и обратного вывода .
семантический запрос: Позволяет выполнять запросы и аналитику ассоциативного и контекстного характера. Семантические запросы позволяют извлекать как явно, так и неявно полученную информацию на основе синтаксической, семантической и структурной информации, содержащейся в данных. Они предназначены для получения точных результатов (возможно, для четкого выбора одного единственного фрагмента информации) или для ответа на более расплывчатые и широко открытые вопросы с помощью сопоставления с образцом и цифровых рассуждений .
семантика: В теории языков программирования семантика - это область, связанная со строгим математическим изучением значения языков программирования . Это достигается путем оценки значения синтаксически допустимых строк, определенных конкретным языком программирования, с указанием задействованных вычислений. В таком случае, если оценка будет содержать синтаксически недопустимые строки, результатом будет невычисление. Семантика описывает процессы, которым следует компьютер при выполнении программы на этом конкретном языке. Это можно показать, описав взаимосвязь между вводом и выводом программы или объяснив, как программа будет выполняться на определенной платформе , создав таким образом модель вычислений .
сенсор слияния: Комбинирование сенсорных данных или данных, полученных из разрозненных источников, так что результирующая информация имеет меньшую неопределенность, чем это было бы возможно при использовании этих источников по отдельности.
логика разделения: Расширение логики Хоара , способ рассуждать о программах. Язык утверждений логики разделения - это частный случай логики сгруппированных импликаций (BI).
изучение подобия: Область контролируемого машинного обучения в области искусственного интеллекта. Он тесно связан с регрессией и классификацией , но цель состоит в том, чтобы извлечь уроки из функции подобия, которая измеряет, насколько похожи или связаны два объекта. У него есть приложения для ранжирования , в системах рекомендаций , отслеживания визуальной идентификации, проверки лица и проверки говорящего.
имитация отжига (SA): Вероятностный метод для аппроксимации глобального оптимума данной функции . В частности, это метаэвристика для аппроксимации глобальной оптимизации в большом пространстве поиска для задачи оптимизации .
ситуативный подход: В исследованиях искусственного интеллекта ситуативный подход создает агентов, которые предназначены для эффективного поведения в своей среде. Это требует разработки ИИ «снизу вверх», сосредоточив внимание на основных перцептивных и моторных навыках, необходимых для выживания. Ситуационный подход дает гораздо меньший приоритет абстрактным рассуждениям или навыкам решения проблем.
ситуационное исчисление: Логический формализм предназначен для представления и рассуждения о динамических доменах.
Выборочное линейное разрешение с определенным предложением: Основное правило вывода, используемое в логическом программировании . Это уточнение резолюции , которое одновременно является обоснованным и полным опровержением для оговорок Горна .
программное обеспечение: Набор данных или компьютерных инструкций, которые говорят компьютеру, как работать. Это контрастирует с физическим оборудованием , из которого система построена и фактически выполняет работу. В информатике и разработке программного обеспечения компьютерное программное обеспечение - это вся информация, обрабатываемая компьютерными системами , программами и данными . Компьютерное программное обеспечение включает компьютерные программы , библиотеки и связанные с ними неисполняемые данные , такие как онлайн-документация или цифровые носители .
программная инженерия: Применение техники к разработке в программном обеспечении систематического метода.
пространственно-временные рассуждения: Область искусственного интеллекта, основанная на компьютерных науках , когнитивных науках и когнитивной психологии . Теоретическая цель - с познавательной стороны - включает представление и рассуждение пространственно-временного знания в уме. Прикладная цель - со стороны вычислений - включает разработку высокоуровневых систем управления автоматами для навигации и понимания времени и пространства.
SPARQL: Язык RDF запроса , то есть к семантический язык запросов для баз данных -able для извлечения и обработки данных , хранящихся в Resource Description Framework (RDF) формате.
распознавание речи: Междисциплинарное подразделение компьютерной лингвистики, которое разрабатывает методологии и технологии, позволяющие распознавать и переводить разговорный язык в текст с помощью компьютеров. Это также известно как автоматическое распознавание речи (ASR), компьютерное распознавание речи или преобразование речи в текст (STT). Он включает в себя знания и исследования в области лингвистики , информатики и электротехники .
пиковая нейронная сеть (SNN): Искусственная нейронная сеть , которая более точно имитирует естественную нейронную сеть. В дополнение к нейрональному и синаптическому состоянию, SNN включают понятие времени в свою операционную модель .
государственный: В информационных технологиях и информатике программа описывается как сохраняющая состояние, если она предназначена для запоминания предшествующих событий или взаимодействий с пользователем; запомненная информация называется состоянием системы.
статистическая классификация: В машинном обучении и статистике классификация - это проблема определения того, к какому из набора категорий (подгрупп) принадлежит новое наблюдение, на основе обучающего набора данных, содержащих наблюдения (или экземпляры), принадлежность которых к категории известна. Примеры: отнесение данного электронного письма к классу «спам» или «не спам» и постановка диагноза данному пациенту на основе наблюдаемых характеристик пациента (пол, артериальное давление, наличие или отсутствие определенных симптомов и т. Д.) . Классификация - это пример распознавания образов .
статистическое реляционное обучение (SRL): Поддисциплина искусственного интеллекта и машинного обучения, которая связана с моделями предметной области, которые демонстрируют как неопределенность (с которой можно справиться с помощью статистических методов), так и сложную реляционную структуру. Обратите внимание, что в литературе SRL иногда называют реляционным машинным обучением (RML). Как правило, формализмы представления знаний, разработанные в SRL, используют (подмножество) логики первого порядка для описания реляционных свойств предметной области в общем виде ( универсальная количественная оценка ) и опираются на вероятностные графические модели (такие как байесовские сети или сети Маркова ) для моделировать неопределенность; некоторые также основываются на методах индуктивного логического программирования .
стохастическая оптимизация (СО): Любой метод оптимизации, который генерирует и использует случайные величины . Для стохастических задач случайные величины появляются в формулировке самой задачи оптимизации, которая включает случайные целевые функции или случайные ограничения. К методам стохастической оптимизации также относятся методы со случайными итерациями. Некоторые методы стохастической оптимизации используют случайные итерации для решения стохастических задач, объединяя оба значения стохастической оптимизации. Методы стохастической оптимизации обобщают детерминированные методы для детерминированных задач.
стохастический семантический анализ: Подход, используемый в информатике как семантический компонент понимания естественного языка . Стохастические модели обычно используют определение сегментов слов в качестве основных семантических единиц для семантических моделей, а в некоторых случаях включают двухуровневый подход.
Решение проблем Стэнфордского исследовательского института (STRIPS)
Эксперт предметной области
сверхразум: Гипотетический агент , обладающий интеллектом, намного превосходящим интеллект самых ярких и одаренных людей. Суперинтеллект может также относиться к свойству систем решения проблем (например, сверхразумных переводчиков языков или инженеров), независимо от того, воплощены ли эти интеллектуальные компетенции высокого уровня в агентах, которые действуют в физическом мире. Сверхразум может быть создан или не создан взрывом интеллекта и быть связан с технологической сингулярностью .
контролируемое обучение: Задача машинного обучения по изучению функции, которая сопоставляет входные данные с выходными на основе примеров пар вход-выход. Он выводит функцию изразмеченные обучающие данные, состоящие из набораобучающих примеров. При обучении с учителем каждый пример представляет собойпару,состоящую из входного объекта (обычно вектора) и желаемого выходного значения (также называемогоконтрольным сигналом). Алгоритм обучения с учителем анализирует данные обучения и создает предполагаемую функцию, которую можно использовать для отображения новых примеров. Оптимальный сценарий позволит алгоритму правильно определять метки классов для невидимых экземпляров. Это требует от алгоритма обучения «разумного» обобщения обучающих данных на невидимые ситуации (см.Индуктивное смещение).
машины опорных векторов: В машинном обучении машины опорных векторов (SVM, также сети опорных векторов) представляют собой контролируемые модели обучения со связанными алгоритмами обучения , которые анализируют данные, используемые для классификации и регрессионного анализа .
интеллект роя (SI): Коллективное поведение в децентрализована , самоорганизующиеся системы, естественного или искусственного. Выражение было введено в контексте клеточных робототехнических систем.
символический искусственный интеллект: Термин, обозначающий совокупность всех методов исследования искусственного интеллекта , основанных на высокоуровневых «символических» (удобочитаемых) представлениях проблем, логике и поиске .
синтетический интеллект (SI): Альтернативный термин для искусственного интеллекта, который подчеркивает, что интеллект машин не обязательно должен быть имитацией или каким-либо образом искусственным; это может быть подлинная форма интеллекта.
системная нейробиология: Поддисциплина нейробиологии и системной биологии , изучающая структуру и функции нейронных цепей и систем. Это обобщающий термин, охватывающий ряд областей исследования, связанных с тем, как нервные клетки ведут себя, когда они соединяются вместе, образуя нейронные пути , нейронные цепи и более крупные сети мозга .

Т

технологическая особенность: Гипотетический момент в будущем , когда технологический рост становится неуправляемым и необратимым, в результате непостижимых изменений в человеческую цивилизацию.
обучение разнице во времени: Класс модель свободного обучения с подкреплением методов , которые учатся по самозагрузке из текущей оценки значения функции. Эти методы выбирают из среды, как методы Монте-Карло , и выполняют обновления на основе текущих оценок, как методы динамического программирования .
теория тензорных сетей: Теория функции мозга (особенно мозжечка ), которая обеспечивает математическую модель преобразования сенсорных пространственно-временных координат в моторные координаты и наоборот нейронными сетями мозжечка . Теория была разработана как геометризация функции мозга (особенно центральной нервной системы ) с помощью тензоров .
TensorFlow: Бесплатно и с открытым исходным кодом библиотеки программного обеспечения для потока данных и дифференцируемого программирования в целом ряде задач. Это символьная математическая библиотека, которая также используется для приложений машинного обучения, таких как нейронные сети .
теоретическая информатика (TCS): Подмножество общих компьютерных наук и математики, которое фокусируется на более математических темах вычислений и включает теорию вычислений .
теория вычислений: В теоретической информатике и математике теория вычислений - это раздел, который занимается тем, насколько эффективно задачи могут быть решены на модели вычислений с использованием алгоритма . Поле разделено на три основные ветви: теория автоматов и языков, теории вычислимости и теории сложности вычислений , которые связаны с вопросом: «Каковы основные возможности и ограничения компьютеров».
Выборка Томпсона: Эвристика для выбора действия, адреса разведка-добыча дилеммой в нескольких вооруженных бандита проблемы. Он заключается в выборе действия, которое максимизирует ожидаемую награду по отношению к случайно выбранному убеждению.
временная сложность: Вычислительная сложность , которая описывает количество времени, которое требуется для запуска алгоритма . Временная сложность обычно оценивается путем подсчета количества элементарных операций, выполняемых алгоритмом, предполагая, что каждая элементарная операция требует фиксированного количества времени для выполнения. Таким образом, количество затраченного времени и количество элементарных операций, выполняемых алгоритмом, различаются не более чем на постоянный коэффициент .
трансгуманизм: Международное философское движение, которое выступает за изменение условий жизни человека путем разработки и широкого распространения сложных технологий для значительного улучшения человеческого интеллекта и физиологии.
переходная система: В теоретической информатике понятие переходной системы используется при изучении вычислений . Он используется для описания потенциального поведения дискретных систем . Он состоит из состояний и переходов между состояниями, которые могут быть помечены метками, выбранными из набора; одна и та же метка может появляться более чем на одном переходе. Если набор меток является одноэлементным , система по существу не имеет меток, и возможно более простое определение, в котором метки отсутствуют.
обход дерева: Форма обхода графа и относится к процессу посещения (проверки и / или обновления) каждого узла в древовидной структуре данных ровно один раз. Такие обходы классифицируются по порядку посещения узлов.
истинная количественная логическая формула: В теории сложности вычислений язык TQBF - это формальный язык, состоящий из истинных количественных булевых формул. (Полностью) количественная логическая формула - это формула количественной пропозициональной логики, где каждая переменная количественно определяется (или ограничивается ) с использованием либо экзистенциальных, либо универсальных кванторов в начале предложения. Такая формула эквивалентна истинному или ложному (поскольку нет свободных переменных). Если такая формула истинна, то эта формула написана на языке TQBF. Он также известен как QSAT (Quantified SAT ).
Машина Тьюринга
Тест Тьюринга: Тест способности машины демонстрировать разумное поведение, эквивалентное поведению человека или неотличимое от него, разработанный Аланом Тьюрингом в 1950 году. Тьюринг предположил, что оценщик-человек будет оценивать разговоры на естественном языке между человеком и машиной, предназначенной для генерации человека. -подобные ответы. Оценщик должен знать, что один из двух участников разговора - это машина, и все участники будут отделены друг от друга. Разговор будет ограничен только текстовым каналом, таким как компьютерная клавиатура и экран, поэтому результат не будет зависеть от способности машины преобразовывать слова в речь. Если оценщик не может достоверно отличить машину от человека, говорят, что машина выдержала испытание. Результаты тестирования не зависят от способности машины давать правильные ответы на вопросы, а зависят только от того, насколько точно ее ответы напоминают ответы человека.
система типов: В языках программирования - набор правил, которые присваивают свойство, называемое типом, различным конструкциям компьютерной программы , таким как переменные , выражения , функции или модули . Эти типы формализуют и применяют неявные категории, которые программист использует для алгебраических типов данных, структур данных или других компонентов (например, «строка», «массив с плавающей запятой», «функция, возвращающая логическое значение»). Основная цель системы типов - уменьшить вероятность ошибок в компьютерных программах путем определения интерфейсов между различными частями компьютерной программы, а затем проверки того, что эти части были соединены согласованным образом. Эта проверка может происходить статически (во время компиляции ), динамически (во время выполнения ) или как комбинация статической и динамической проверки. Системы типов имеют и другие цели, такие как выражение бизнес-правил, включение определенных оптимизаций компилятора, разрешение множественной отправки , предоставление формы документации и т. Д.

U

обучение без учителя: Тип самоорганизованного обучения Hebbian, который помогает находить ранее неизвестные закономерности в наборе данных без ранее существовавших меток. Он также известен как самоорганизация и позволяет моделировать плотности вероятности заданных входных данных. Это одна из трех основных категорий машинного обучения, наряду с обучением с учителем и обучением с подкреплением . Также было описано полу-контролируемое обучение, которое представляет собой гибридизацию контролируемых и неконтролируемых методов.

V

блок обработки изображений (ВПУ): Тип микропроцессора, предназначенный для ускорения задач машинного зрения . Выравнивание ценностей завершено - аналогично проблеме полного выравнивания ценностей, проблема полного выравнивания ценностей - это проблема, для решения которой необходимо полностью решить проблему управления искусственным интеллектом .

W

Watson: Вопрос, ответив компьютерная система способна отвечать на вопросы , заданные в естественном языке , разработанный в IBM проекта «s DeepQA исследовательской группой во главе с главным исследователем Дэвидом Ферруччи . Watson был назван в честь первого генерального директора IBM, промышленника Томаса Дж. Ватсона .
слабый ИИ: Искусственный интеллект , ориентированный на одну узкую задачу.
Консорциум World Wide Web (W3C): Основная международная организация по стандартизации для World Wide Web (сокращенно WWW или W3).

Смотрите также

Искусственный интеллект

Languages

In other projects

Глоссарий искусственного интеллекта - Glossary of artificial intelligence

А

B

C

D

E

F

грамм

ЧАС

я

J

K

L

M

N

О

п

Q

р

S

Т

U

V

W

Смотрите также

Рекомендации

Заметки