- •405. Адаптивний лінійний елемент (Розпізнавання образів і навчання)
- •406. Активні контурні моделі. (Комп'ютерний зір)
- •407. Алгоритм ebl і навчання на рівні знань (Машинне навчання, засноване на символьному представленні інформації)
- •408. Алгоритм Meta-dendral (Машинне навчання, засноване на символьному представленні інформації)
- •411. Алгоритм використовування розумних агентів (Intelligent agent)
- •412. Алгоритм зворотного розповсюдження у нейронних багатошарових мережах.
- •410. Алгоритм виключення кандидата (Машинне навчання, засноване на символьному представленні інформації)
- •409. Алгоритм Web-агента по Алан Кей (Alan Kay)
- •413. Алгоритм кластеризації Гроссберга і Карпентера.
- •414. Алгоритм методу мурашки. (Ant algorithms), оптимізація, за принципом мурашиної колонії (алгоритму (Marco Dorigo)).
- •417. Алгоритм програми використання внутрішньої бази фактів підприємства.
- •421. Використування та розробка Web-агента, поняття Кріса Лангтона (Chris Langton), структура програмного агента
- •420. Байесовській метод розпізнавання (Розпізнавання образів і навчання)
- •424. Геометричний метод розпізнавання (Розпізнавання образів і навчання)
- •425. Індуктивний алгоритм побудови дерева рішень id3 (Машинне навчання, засноване на символьному представленні інформації)
- •426. Індуктивний поріг і можливості навчання (Машинне навчання, засноване на символьному представленні інформації)
- •427. Інтерпретація контурних малюнків (Комп'ютерний зір)
- •428. Компоненти навчання з підкріпленням (Машинне навчання, засноване на символьному представленні інформації)
- •432. Моделі нейронних елементів (Розпізнавання образів і навчання)
- •433. Модель мови (Обробка природної мови)
- •434. Моделювання роботи людського інтелекту (Штучний інтелект: історія розвитку)
- •435. Навчання без вчителя шнм , засновані на правилі навчання Хебба (Розпізнавання образів! навчання)
- •436. Неповнота знань і немонотонний висновок (Основні моделі висновку)
- •437. Визначення управляючих параметрів синтезаторів мови (Обробка природної мови)
- •438. Операція узагальнення і простір понять (Машинне навчання, засноване на символьному представленні інформації)
- •439. Основні відомості про розпізнавання образів. (Розпізнавання образів і навчання)
- •440. Планування переміщень робот (Основні моделі висновку)
- •441. Попередня обробка і розпізнавання звуків. (Обробка природної мови)
- •442. Пошук при виділенні контурних сегментів (Комп'ютерний зір)
- •443. Правила висновку в численні предикатів (Представлення знань)
- •444. Принцип резолюції і система strips (Основні моделі висновку)
- •445. Програма граматичного розібрання списку на державній мові.
- •446. Програма з використанням селекторів зовнішніх баз даних.
- •447. Рекурентні алгоритми навчання розпізнаванню образів (Розпізнавання образів.І навчання)
- •448. Розпізнавання об'єктів в системах зору роботів (Комп'ютерний зір)
- •450. Семантичні мережі (Представлення знань)
- •451. Синтез мови по тексту (Обробка природної мови)
- •52. Система заснована на правилах архітектури зворотного висновку.
- •453. Системи комп'ютерного зору (Комп'ютерний зір)
- •454. Способи опису семантичних мереж і логічний висновок (Представлення знань)
- •455. Стандартизація предикативних формул (Основні моделі висновку)
- •457. Структура фрейма (Представлення знань)
- •456. Статистичний підхід до розпізнавання мови (Обробка природної мови)
- •458. Структури нейронних мереж (Розпізнавання образів і навчання)
- •459. Числення висловів (Представлення знань)
- •460. Числення предикатів (Представлення знань)
- •415. Алгоритм моделі станів (Bigram Model)
- •429. Компоненти пм-снстсми (Обробка природної мови)
408. Алгоритм Meta-dendral (Машинне навчання, засноване на символьному представленні інформації)
Алгоритм Meta-DENDRAL - зто один з перших і кращих прикладів застосування знанні у дедуктивному навчанні. Алгоритм Meta-DENDRAL формулює правила, які використовуються програмою DENDRAL для спектрографічні аналізу даних. Ця програма відновлює структуру органічних молекул на основі хімічних формул і даних спектрографічні аналізу. У мас-спектрографії молекули піддаються бомбардуванні електронами, що приводить до розриву деяких хімічних зв'язків. Фахівці-хіміки вимірюють вагу залишилися фрагментів молекули і інтерпретують ці результати, щоб відновити вихідну структуру з'єднання. У програмі DENDRAL знання використовуються у формі правил інтерпретації мас- спектрографічних даних. Вихідним припущенням для правила служить граф відповідний певної молекулярної структурі. Висновком правила є граф з зазначенням місць розщеплення молекули. Алгоритм Meta-DENDRAL формує ці правила на основі результатів мас-спектрографічні дослідження молекул відомої структури. Вхідними даними алгоритму спектрографічні є структура відомих сполук, а також маса і відносна щільність фрагментів, отриманих в результаті спектрографічний обробки. На основі інтерпретації цих даних відновлюється вихідна структура молекули. Узагальнення даних про порушення структури конкретних молекул стає основою формування єдиних правил. При навчанні в профамми DENDRAL використовується "теорія полупорядка "з органічної хімії. Хоча ця теорія не дозволяє безпосередньо будувати правила виведення, вона підтримує інтерпретацію порушень структури відомих молекул. Теорія полупорядка складається з правил, обмежень і евристик наступного вигляду. Подвійні та потрійні зв'язку не розриваються. В експериментальних даних можна спостерігати лише фрагменти, розмір яких перевищує 2 атома вуглецю. На основі теорії полупорядка у програмі DENDRAL формуються пояснення структурних порушень, що вказують найбільш вірогідні місця розщеплення, а також напрямки можливого переміщення атомів уздовж ліній розривів. Інтерпретація даних становить основу навчання на основі пояснення.
411. Алгоритм використовування розумних агентів (Intelligent agent)
Алан Кей почавший першим продвигати теорію агентів визначив агента, як програму, яка після отримання завдання здатна поставити себе на місце користувача. Агенти можуть мати одне, або декілька властивостей. Одними з найважливіших властивостей являються: автономність, адаптивність, комунікації, здатність до співпраці, здатність до персоналізації, мобільність. Агент не обов‘язково повинен володіти всіма властивостями.Агент, використання якого залежить від завдання, застосовується для вирішення певної проблеми. Це може бути наприклад пошуковий агент в мережі Internet, розважальний агент – це агенти, які відносяться до типу, котрі використовуються для взаємодії в віртуальному світі, або представлення персонажа в якості інтерфейса для користувача. Агента можн зробити розумним, хоч це й складно, але існують методи якими можна користуватися, щоб надати агенту можливість прийняття розумних рішень.Прикладом може бути агент, який забезпечує сервіс фільтрації, тобто він повинен взаємодіяти зі службами новин в мережі Internet. Для цього WEB- агент використовує стандартні протоколи і пропонує користувачу інформацію через звичайний браузер. WEB-агент виконує роль програми, яка виконує взаємодію між користувачем і мережею Internet. Сенсорами агента являються стандартні протоколи, які дозволяють йому збирати потрібну інформацію по заданим критеріям пошуку. Збір даних здійснюється кожні 10 хвилин і поміщається в репозиторій. Потім використовуючи критерії пощуку програма зкорочує кількість даних, тобто видаляє статті, які не відповідають критеріям пошуку. WEB- агент використовує інтерфейс клієнта NNTP і інтерфейс клієнта HTTP. Задача клієнта протокола HTTP – моніторинг WEB-сайта, тобто програма повинна помічати зміни на сайті і повідомляти про них користувача. Клієнт NNTP реалізує набір інтерфейсів для взаємодії з новостними серверами. Ці інтерфейси дозволяють програмі зєднуватися з сервером новин, задавати групи новин по інтересам, переходити до заголовку статті, зчитувати всю статтю, аналізувати повідомлення, переривати зв'язок з сервером новин. Користувач за допомогою файла конфігурації може запропонувати WEB-агенту критерії фільтрації повідомлень. Після збору новин проходить їх фільтрація по критеріям вказаним користувачем. Далі створюється буфер для новостних повідомлень. Потім виконується цикл, який читає задану кількість повідомлень для певної групи, потім відбувається перевірка повідомлень і після завершення циклу програма звільняє буфер.