Obliczenia inteligentne

Z Wikipedii, wolnej encyklopedii
Przejdź do nawigacji Przejdź do wyszukiwania

Obliczenia inteligentne (także Metody inteligencji obliczeniowej) – część działu sztucznej inteligencji. Obliczenia inteligentne to grupa heurystycznych algorytmów, takich jak: systemy oparte na logice rozmytej oraz sztuczne sieci neuronowe i obliczenia ewolucyjne. Ponadto do metod inteligencji obliczeniowej zaliczyć można uczenie maszynowe, metody regresji i estymacji, statystykę, teorię filtrów adaptacyjnych, modelowanie Bayesowskie, logikę rozmytą, teorię zbiorów przybliżonych, algorytmy ewolucyjne, metody drążenia danych, modelowanie koneksjonistyczne, neuroinformatykę. Większość modeli obliczeniowych wyrosłych z powyższych dziedzin ma wspólną cechę, a mianowicie są to "metody uczenia się z danych".

Twierdzenie Bayesa (od nazwiska Thomasa Bayesa) to twierdzenie teorii prawdopodobieństwa, wiążące prawdopodobieństwa warunkowe zdarzeń A | B {displaystyle A|B;} oraz B | A {displaystyle B|A;} . Na przykład jeśli A {displaystyle A;} jest zdarzeniem „u pacjenta występuje wysoka gorączka”, a B {displaystyle B;} jest zdarzeniem „pacjent ma grypę”, twierdzenie Bayesa pozwala przeliczyć znany odsetek gorączkujących wśród chorych na grypę P ( A | B ) {displaystyle P(A|B);} i znane odsetki gorączkujących P ( A ) {displaystyle P(A);} i chorych na grypę P ( B ) {displaystyle P(B);} w całej populacji, na prawdopodobieństwo, że ktoś jest chory na grypę, gdy wiemy, że ma wysoką gorączkę P ( B | A ) {displaystyle P(B|A);} . Twierdzenie stanowi podstawę teoretyczną sieci bayesowskich, stosowanych w eksploracji danych.Ontogeniczne sieci neuronowe – sztuczne sieci neuronowe posiadające zdolność do samoregulacji i zmieniania swej struktury w czasie działania.

Obliczenia inteligentne są nazywane również obliczeniową sztuczną inteligencją lub z ang. soft-computing.

Zobacz też[ | edytuj kod]

  • Ontogeniczne sieci neuronowe


  • Podstrony: 1 [2] [3]




    Warto wiedzieć że... beta

    Sieć neuronowa (sztuczna sieć neuronowa) – ogólna nazwa struktur matematycznych i ich programowych lub sprzętowych modeli, realizujących obliczenia lub przetwarzanie sygnałów poprzez rzędy elementów, zwanych sztucznymi neuronami, wykonujących pewną podstawową operację na swoim wejściu. Oryginalną inspiracją takiej struktury była budowa naturalnych neuronów, łączących je synaps, oraz układów nerwowych, w szczególności mózgu.
    Logika rozmyta (ang. fuzzy logic), jedna z logik wielowartościowych (ang. multi-valued logic), stanowi uogólnienie klasycznej dwuwartościowej logiki. Została zaproponowana przez Lotfi Zadeha, jest ściśle powiązana z jego teorią zbiorów rozmytych. W logice rozmytej między stanem 0 (fałsz) a stanem 1 (prawda) rozciąga się szereg wartości pośrednich, które określają stopień przynależności elementu do zbioru.
    Neuroinformatyka – interdyscyplinarna dziedzina nauki starająca się stosować w neurobiologii metody pomiarów, analizy i modelowania pochodzących z nauk fizycznych. Jest to dziedzina powstająca na pograniczu nauk o mózgu, informatyki, biologii, kognitywistyki, neurokognitywistyki, medycyny, fizyki i matematyki.
    W informatyce obliczenia ewolucyjne są częścią sztucznej inteligencji (a w szczególności obliczeń inteligentnych).
    Sztuczna inteligencja (ang. Artificial Intelligence – AI) – nauka obejmująca zagadnienia logiki rozmytej, obliczeń ewolucyjnych, sieci neuronowych, sztucznego życia i robotyki. Sztuczna inteligencja to dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań i – w rezultacie – programów komputerowych symulujących te zachowania. Można ją też zdefiniować jako dział informatyki zajmujący się rozwiązywaniem problemów, które nie są efektywnie algorytmizowalne. Termin wymyślił John McCarthy.

    Reklama