Редактирование: Искусственный интеллект
Перейти к навигации
Перейти к поиску
Правка может быть отменена. Пожалуйста, просмотрите сравнение версий ниже, чтобы убедиться, что это нужная вам правка, и запишите страницу ниже, чтобы отменить правку.
Текущая версия | Ваш текст | ||
Строка 179: | Строка 179: | ||
===Вероятностные методы для неопределенного рассуждения=== | ===Вероятностные методы для неопределенного рассуждения=== | ||
Основные статьи: ''[[Байесовская сеть]], [[Скрытая Марковская модель]], [[Фильтр Калмана]], [[Фильтр частиц]], [[Теория решений]] и [[Теория полезности]]'' | Основные статьи: ''[[Байесовская сеть]], [[Скрытая Марковская модель]], [[Фильтр Калмана]], [[Фильтр частиц]], [[Теория решений]] и [[Теория полезности]]'' | ||
Многие проблемы ИИ (в рассуждении, планировании, обучении, восприятии и робототехнике) требуют от агента оперировать неполной или неопределенной информацией. Исследователи ИИ разработали ряд мощных инструментов для решения этих проблем с использованием методов теории вероятностей и экономики. | Многие проблемы ИИ (в рассуждении, планировании, обучении, восприятии и робототехнике) требуют от агента оперировать неполной или неопределенной информацией. Исследователи ИИ разработали ряд мощных инструментов для решения этих проблем с использованием методов теории вероятностей и экономики. | ||
Байесовские сети очень общий инструмент, который может быть использован для большого количества проблем: рассуждения (с использованием байесовского вывода алгоритма),[196] обучение (с помощью ожидания-максимизации алгоритм),[Ф] планирования (используя решение сетей) и восприятия (с использованием динамических байесовских сетей).Вероятностные алгоритмы могут также использоваться для фильтрации, предсказания, сглаживания и нахождения объяснений потоков данных, помогая системам восприятия анализировать процессы, которые происходят в течение долгого времени (например, скрытые модели Маркова или фильтры Калмана ). По сравнению с символической логикой формальный Байесовский вывод требует больших вычислительных затрат. Для того чтобы вывод был поддающимся обработке, большинство наблюдений должны быть условно независимыми друг от друга. Сложные графики с алмазами или другими" петлями " (неориентированные циклы ) могут потребовать сложного метода , такого как цепь Маркова Монте-Карло, которая распространяет ансамбль случайных ходоков по всей байесовской сети и пытается сходиться к оценке условных вероятностей. Байесовские сети используются на Xbox Live для оценки и сопоставления игроков; победы и потери являются "доказательством" того, насколько хорош игрок. AdSense использует байесовскую сеть с более чем 300 миллионами ребер, чтобы узнать, какие объявления обслуживать. | Байесовские сети очень общий инструмент, который может быть использован для большого количества проблем: рассуждения (с использованием байесовского вывода алгоритма),[196] обучение (с помощью ожидания-максимизации алгоритм),[Ф] планирования (используя решение сетей)[199] и восприятия (с использованием динамических байесовских сетей).Вероятностные алгоритмы могут также использоваться для фильтрации, предсказания, сглаживания и нахождения объяснений потоков данных, помогая системам восприятия анализировать процессы, которые происходят в течение долгого времени (например, скрытые модели Маркова или фильтры Калмана ).[200] По сравнению с символической логикой формальный Байесовский вывод требует больших вычислительных затрат. Для того чтобы вывод был поддающимся обработке, большинство наблюдений должны быть условно независимыми друг от друга. Сложные графики с алмазами или другими" петлями " (неориентированные циклы ) могут потребовать сложного метода , такого как цепь Маркова Монте-Карло, которая распространяет ансамбль случайных ходоков по всей байесовской сети и пытается сходиться к оценке условных вероятностей. Байесовские сети используются на Xbox Live для оценки и сопоставления игроков; победы и потери являются "доказательством" того, насколько хорош игрок. AdSense использует байесовскую сеть с более чем 300 миллионами ребер, чтобы узнать, какие объявления обслуживать. | ||
Ключевым понятием в экономической науке является "полезность": мера того, насколько что-то ценно для интеллектуального агента. Были разработаны точные математические инструменты, которые анализируют, как агент может делать выбор и планировать , используя теорию решений, анализ решений и теорию ценности информации .Эти инструменты включают модели, такие как Марковские процессы принятия решений, динамические сети принятия решений, теория игр и проектирование механизмов . | Ключевым понятием в экономической науке является "полезность": мера того, насколько что-то ценно для интеллектуального агента. Были разработаны точные математические инструменты, которые анализируют, как агент может делать выбор и планировать , используя теорию решений, анализ решений и теорию ценности информации .Эти инструменты включают модели, такие как Марковские процессы принятия решений, динамические сети принятия решений, теория игр и проектирование механизмов . | ||
===Классификаторы и статистические методы обучения=== | ===Классификаторы и статистические методы обучения=== | ||
Основные статьи: ''классификатор (математика), статистическая классификация и машинное обучение'' | Основные статьи: ''классификатор (математика), статистическая классификация и машинное обучение'' |