- •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)
455. Стандартизація предикативних формул (Основні моделі висновку)
Предикатом називається деяка логічна функція від довільного числа аргументів, яка приймає одне з двох можливих значень - ―істина‖ або ―хибність‖. З кожним предикатом може бути пов‘язаний квантор – елемент, який визначає, за яких умов предикат перетворюється на істинне висловлювання. Розрізняють квантор узагальнення () і квантор існування ().В логіці предикатів елементарним об`єктом, який має значення ―істина‖, є атомарна формула (літерал). Вірно побудована формула отримується в результаті комбінування атомарних формул за допомогою логічних зв`язок. Фразою Хорна називається диз‘юнкція довільної кількості атомарних формул, з яких позитивною є не більш ніж одна (тобто у фразі Хорна лише одна атомарна формула може не стояти під знаком заперечення). Пренексною нормальною формулою називається запис логічної формули у вигляді K1x1 K2x2 … Knxn M,де Ki - один з кванторів (існування чи узагальнення), M - деяка кон‘юнктивна нормальна форма, тобто кон‘юнкція деякої кількості диз‘юнктів. Після отримання пренексної нормальної форми необхідно усунути у цій формі квантори існування та узагальнення.Квантори існування можна усунути зі збереженням несуперечливості формули. Вони усуваються шляхом введення так званих констант Сколема і функцій Сколема. Як зазначалося раніше, логічна формула, записана за допомогою імплікацій та тотожностей, може бути переписана в термінах кон‘юнкцій, диз‘юнкцій та заперечень. Розглянемо, як твердження числення предикатів перетворюється в спеціальну уніфіковану фразову форму. Дія 1. Видалення імплікацій та тотожностей. Дія 2. Втягнення заперечення всередину. Після другої дії у наших формулах залишаться лише заперечення, прив'язані до конкретних формул. Часткові твердження з або без '~' попереду ми називаємо точними. В наступних декількох діях ми поводимемося з точними твердженнями як з простими одиницями. Дія 3. Заміна змінних. Наступна дія включає видалення існуючих кванторів. Це робиться вставленням нових константних символів, на місце, де були змінні, що представляють існуючі квантори. Ця дія є не повністю еківалентною, але вона має одну важливу властивість. Існує інтерпретація символів формули, яка справджує формулу тільки якщо існує інтерпретація для сколемівської версії. Дія 4 - Переміщення квантору узагальнення назовні. Оскільки кожна змінна тепер звязана квантором узагальнення ззовні формули то квантори узагальнення більше не несуть додаткової інформації. Дія 5 - Перенесення "&" через "". Логічна формула повинна бути зведена до особливої форми – нормальної конь‘юнктивної формули, в якій кон‘юнкції не зявляються посеред диз‘юнкцій. Елементи цієї множини, називаються фразами. Тепер формула остаточно досягла фразової форми. Отже, фразова форма логіки предикатів задає такий спосіб запису формул, який використовує тільки з`єднувачі типу , , .
457. Структура фрейма (Представлення знань)
Фрейми – це інша схема представлення, в багато чому представлена, в багато чому орієнтована на включення в суворо організаційні структури даних неявних інформаційних зв‘язків, існуючих в предметній області. Ці представлення підтримують організацію знань в більш складні одиниці, які відображують структуру об‘єктів цієї області. Кожний окремий фрейм можна розглядати як структуру даних, в багато чому подібну до звичайного «запису», з інформацією, відповідаючою стереотипним сутностям. Чарунки фрейму утримують таку інформацію: 1) Данні для ідентифікації фрейму. 2) Взаємозв‘язок цього фрейму з іншими фреймами. 3) Дескриптори вимог для фрейму. 4) Процедурна інформація про використання описаної структури. Важливою особливістю фреймів є можливість приєднати до чарунки процедурним код. 5) Інформація за замовчуванням. Це значення чарунки, які повинні бути істинними, якщо не знайдені протилежні. 6) Інформація для нового екземпляру. Багато чарунок фрейму можуть залишатися незаповненими, поки не вказано значення для окремого екземпляру або поки вони не знадобляться для деякого аспекту вирішення задачі. Фрейми розширюють можливості семантичних мереж рядом важливих відмінностей. Фрейми дозволяють організувати ієрархію знань. У мережі кожне поняття представляється вузлами і зв‘язками на одному і тому же рівні деталізації. Однак дуже часто для одних цілей об‘єкт необхідно розглядати як єдину сутність, а для інших – враховувати деталі його внутрішньої структури. Процедурні вкладення є важливою особливістю фреймів, так як вони дозволяють зв‘язати фрагменти програмного коду з відповідними сутностями фреймового представлення. Наприклад, в базу знань можна включити можливість генерувати графічні образи. Для цього більш підходить графічний язик ніж мережевий. За допомогою процедурних вкладень можна створювати демони. Демон – це процедура, яка є побічним ефектом деякої іншої дії в базі знань. Системи фреймів підтримують спадкування класів. Фрейми розширюють можливості семантичних мереж, дозволяючи представити складні об‘єкти не у вигляді великої семантичної структури, а у вигляді єдиної сутності (фрейму).