Наступна >

ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ ВСТУПЧАСТИНА I ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ, ЗАСНОВАНІ НА ЗНАННЯХГлава 1 ОСНОВИ ЛОГІЧНОГО ПРОГРАММУВАННЯ1.1. історичний огляд1.2. ПРИНЦИПИ ЛОГІЧНОГО ПРОГРАМУВАННЯ1.2.1. Основи математичної логіки1.2.2. ІМПЕРАТИВНИЙ І ДЕКЛАРАТИВНИЙ ПРИНЦИПИ ПРОГРАМУВАННЯ1.3. МОВА PROLOG ЯК СЕРЕДОВИЩЕ ЛОГІЧНОГО ПРОГРАМУВАННЯ1.3.1. ПОНЯТТЯ ЛОГІЧНОГО ПРОГРАМУВАННЯ1.3.2. ПРОПОЗІЦІОНАЛЬНАЯ ЛОГІКА В МОВІ PROLOG1.3.3. ОБЧИСЛЕННЯ ПРЕДИКАТІВ І МОВА PROLOG1.3.4. PROLOG І ЧИСТЕ ЛОГІЧНЕ ПРОГРАМУВАННЯ1.4. PROLOG І АВТОМАТИЧНЕ ДОВЕДЕННЯ ТЕОРЕМ1.4.1. Логічний висновок на основі імплікацій1.4.2. СИМВОЛЬНІ ОБЧИСЛЕННЯ В SWI-PROLOG1.4.3. ЗАСТОСУВАННЯ МОВИ SWI-PROLOG ДЛЯ АВТОМАТИЧНОГО ДОВЕДЕННЯ ТЕОРЕМЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАГЛАВА 2 МЕТОДИ ПОШУКУ НА ДЕРЕВІ РІШЕНЬ2.1. Завдання, які вирішуються перебором варіантів2.1.1. Програмістський підхід2.1.2. УНІВЕРСАЛЬНИЙ ПІДХІД2.2. МЕТОДИ СПУСКУ ПО ДЕРЕВУ РІШЕНЬ2.2.1. Неінформірованнимі пошук2.2.2. ІНФОРМОВАНЕ ПОШУК2.2.3. ПОШУК В УМОВАХ ПРОТИДІЇ2.2.4. ШАХОВІ ПРОГРАМИЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАГЛАВА 3 ЕКСПОНЕНЦІАЛЬНО СКЛАДНІСТЬ ПОШУКУ НА ДЕРЕВІ РІШЕНЬ І МЕТОДИ ЇЇ РЕДУКУВАННЯ3.1. Наївний логічний пошук і завдання реального світу3.1.1. Модель наївного логічного висновку3.2. АЛГОРИТМІЧНІ МЕТОДИ ПРИСКОРЕННЯ ПОШУКУ3.2.1. Алгоритми RETEі TREAT3.2.2. ІНДЕКСАЦІЯ І ПОПЕРЕДНІЙ ВІДБІР ФАКТІВ3.3. ТЕОРЕТИКО-МНОЖИННІ МЕТОДИ ПРИСКОРЕННЯ ПОШУКУ3.3.1. Обробка безлічі фактів методами реляційної алгебри3.3.2. РЕАЛІЗАЦІЯ ШВИДКОГО ЛОГІЧНОГО ВИСНОВКУ В СЕРЕДОВИЩІ PROLOG3.4. МЕТОДИ ПОШУКУ, ЗАСНОВАНІ НА ПРЕЦЕДЕНТАХ3.4.1. Антропоморфний підхід до пошуку рішень3.4.2. ВИКОРИСТАННЯ ПРЕЦЕДЕНТІВ ДЛЯ РЕДУКУВАННЯ ДЕРЕВА РІШЕНЬЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАЧАСТИНА II ОСНОВИ МАШИННОГО НАВЧАННЯГлава 4 ВСТУП В МАШИННЕ НАВЧАННЯ. ЕТАПИ ВИРІШЕННЯ ЗАВДАНЬ МАШИННОГО НАВЧАННЯ4.1. Цілі і завдання машинного навчання4.1.1 Завдання машинного навчання4.1.2. ФОРМАЛЬНА ПОСТАНОВКА ЗАДАЧІ МАШИННОГО НАВЧАННЯ4.2. ЧИСТІ ДАНІ І ВИБІР ОЗНАК4.2.1. Передобробка даних4.2.2. РЕКОМЕНДАЦІЇ ДО ВИБОРУ ОЗНАК4.3. ПОБУДОВА МОДЕЛІ ТА ЗВЕДЕННЯ НАВЧАННЯ ДО ЗАДАЧІ ОПТИМІЗАЦІЇ4.4. ОЦІНКА ЯКОСТІ РОБОТИ АЛГОРИТМУ МАШИННОГО НАВЧАННЯ4.4.1. Методи оцінки якості4.4.2. ПРОБЛЕМА ПЕРЕНАВЧАННЯ4.5. ПРОЦЕС ВПРОВАДЖЕННЯ АЛГОРИТМУ МАШИННОГО НАВЧАННЯ В ЕКСПЛУАТАЦІЮЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАГЛАВА 5 НАВЧАННЯ З УЧИТЕЛЕМ5.1. Лінійна регресія5.1.1. Постановка завдання відновлення лінійної регресії5.1.2. МЕТОД ГРАДІЄНТНОГО СПУСКУ ДЛЯ НАВЧАННЯ МОДЕЛІ ЛІНІЙНОЇ РЕГРЕСІЇ5.1.3. ПЕРЕХІД ДО НЕЛІНІЙНОЇ РЕГРЕСІЇ5.2. ЛОГІСТИЧНА РЕГРЕСІЯ5.2.1. Лінійні класифікатори5.2.2. ЗВ'ЯЗОК З НЕЙРОМЕРЕЖЕВИМИ МОДЕЛЯМИ5.2.3. АЛГОРИТМ НАВЧАННЯ ЛОГІСТИЧНОЇ РЕГРЕСІЇ5.3. МЕТОД ПАРЗЕНОВСКОГО ВІКНА5.3.1. Байєсівський підхід до класифікації5.3.2. АЛГОРИТМ ПАРЗЕНА - РОЗЕНБЛАТТА5.4. ДЕРЕВА ПРИЙНЯТТЯ РІШЕНЬ5.4.1. Використання ентропії в деревах прийняття рішень5.4.2. ПОБУДОВА ДЕРЕВА ПРИЙНЯТТЯ РІШЕНЬ5.4.3. КЛАСИФІКАЦІЯ НОВИХ ДАНИХ ЗА ДОПОМОГОЮ ДЕРЕВА ПРИЙНЯТТЯ РІШЕНЬ5.5. НЕЙРОННІ МЕРЕЖІ5.5.1. Штучні нейронні мережі простого типу5.5.2. НАВЧАННЯ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ ПРОСТОГО ТИПУ (НЕРСЕПТРОНА)5.5.3. БАГАТОШАРОВІ ШТУЧНІ НЕЙТРОННІ МЕРЕЖІ5.5.4. ФУНКЦІЇ АКТИВАЦІЇ ДЛЯ БАГАТОШАРОВИХ ПЕРСЕПТРОНОВ5.5.5. РОЗРАХУНОК ВІДПОВІДІ ДЛЯ БАГАТОШАРОВОГО ПЕРСЕПТРОНА НА ОСНОВІ АЛГОРИТМУ ПРЯМОГО ПОШИРЕННЯ5.5.6. НАВЧАННЯ БАГАТОШАРОВОГО ПЕРСЕПТРОНА НА ОСНОВІ АЛГОРИТМУ ЗВОРОТНОГО ПОШИРЕННЯЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАГЛАВА 6 НАВЧАННЯ БЕЗ ВЧИТЕЛЯ6.1. Кластеризація / г-середніми6.1.1. Постановка завдання кластеризації6.1.2. ОЦІНКА ЯКОСТІ КЛАСТЕРИЗАЦІЇ6.1.3. АЛГОРИТМ КЛАСТЕРИЗАЦІЇ6.2. ІЄРАРХІЧНА КЛАСТЕРИЗАЦІЯ6.2.1. Постановка завдання ієрархічної кластеризації6.2.2. АЛГОРИТМ ІЄРАРХІЧНОЇ КЛАСТЕРИЗАЦІЇ6.3. КЛАСТЕРИЗАЦІЇ ЗА ДОПОМОГОЮ КАРТ КОХОНЕНА6.3.1. Опис моделі карти Кохонена6.3.2. АЛГОРИТМ НАВЧАННЯ КАРТИ КОХОНЕНА6.4. ПОШУК АСОЦІАЦІЙ В ДАНИХ6.4.1. Постановка завдання пошуку асоціацій в даних6.4.2. АЛГОРИТМ APRIORIЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАЧАСТИНА III ОБРОБКА ПРИРОДНОЇ МОВИ ТА МАШИННИЙ АНАЛІЗ ТЕКСТІВГлава 7 ОБРОБКА ПРИРОДНОЇ МОВИ7.1. Природні і штучні мови. Проблема нерегулярності природних мов7.2. ФОРМАЛЬНІ І НЕФОРМАЛЬНІ МОВИ. ПРОБЛЕМА ФОРМАЛІЗАЦІЇ ПРИРОДНИХ МОВ7.3. ПРЕДМЕТ, МЕТА І ЗАВДАННЯ ОБРОБКИ ПРИРОДНОЇ МОВИЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАГЛАВА 8 МАШИННИЙ АНАЛІЗ ТЕКСТІВ ПРИРОДНОЮ МОВОЮ8.1. Тексти на природній мові. Базові властивості текстів8.2. МАШИННИЙ АНАЛІЗ ТЕКСТІВ. ПРОБЛЕМА РОЗУМІННЯ ПРИРОДНИХ МОВ8.3. ЕТАПИ МАШИННОГО АНАЛІЗУ ТЕКСТІВ. ПРОБЛЕМА БАГАТОЗНАЧНОСТІ ПРИРОДНИХ МОВЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРАГЛАВА 9 МОДЕЛЮВАННЯ ТЕКСТІВ ПРИРОДНОЮ МОВОЮ9.1. Векторна модель представлення текстів9.2. ЛАТЕНТНИЙ СЕМАНТИЧНИЙ АНАЛІЗ9.3. АВТОМАТИЧНА КАТЕГОРИЗАЦІЯ ТЕКСТІВЗАПИТАННЯ І ЗАВДАННЯПРАКТИКУМРЕКОМЕНДОВАНА ЛІТЕРАТУРА

 

Наступна >