>>     A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   R   S   T   U   W   Z     <<

SPHINX - zintegrowany pakiet sztucznej inteligencji rozwijany od 1990 roku przez firmę AITECH Artificial Intelligence Laboratory. W skład pakietu wchodzą następujące elementy:
  • system PC-Shell - szkieletowy system ekspertowy,
  • system Neuronix - symulator sieci neuronowej,
  • system CAKE - system komputerowego wspomagania inżynierii wiedzy,
  • system HybRex - system do budowy inteligentnych aplikacji,
  • system Predyktor - system prognostyczny,
  • system deTreex - indukcyjny system pozyskiwania wiedzy,
  • system demoViewer - system do prezentacji aplikacji pakietu AitechSPHINX.
Pakiet wyposażony jest we własny język reprezentacji wiedzy oraz translator do niego. Ma charakter narzędziowy, zatem nie jest zorientowany dziedzinowo. System PC-Shell jest systemem hybrydowym, zawierającym elementy architektury tablicowej (ang. blackboard systems). Obecnie jest wykorzystywany w dydaktyce i pracach badawczych na polskich uczelniach oraz w firmach komercyjnych, między innymi w zakładach energetycznych oraz bankach.
Sieci radialne - odmiana iteracyjnych sztucznych sieci neuronowych. W radialnych s.s.n. odwzorowanie zbioru wejściowego w wyjściowy jest realizowane przez dopasowanie wielu pojedynczych funkcji aproksymujących do wartości zadanych, ważne jedynie w wąskim obszarze przestrzeni wielowymiarowej.
Neuron w warstwie ukrytej realizuje funkcję zmieniającą się radialnie wokół wybranego centrum c i przyjmującą wartości niezerowe tylko w otoczeniu tego centrum. Funkcję taką oznaczamy w postaci fi(x) = fi( | | x - c | | ) i nazywamy radialną funkcją bazową. Neuron ma za zadanie odwzorować radialną przestrzeń wokół jednego zadanego punktu lub grupy punktów stanowiących klaster. Superpozycja sygnałów od wszystkich neuronów ukrytych, dokonywana przez neuron wyjściowy, pozwala uzyskać odwzorowanie całej przestrzeni wielowymiarowej. Architektura sieci radialnych ma strukturę analogiczną do struktury wielowarstwowej sieci sigmoidalnej o jednej warstwie ukrytej, która to reprezentuje odwzorowanie nieliniowe realizowane przez neurony o radialnej funkcji bazowej.
Najprostsza sieć radialna działa na zasadzie wielowymiarowej interpolacji, która odwzorowuje p różnych wektorów wejściowych xi (i=1,2...p) z przestrzeni wejściowej N-wymiarowej w zbiór p liczb rzeczywistych di (i=1,2...p). Odpowiada to przyjęciu p neuronów radialnych w warstwie ukrytej i określenie funkcji odwzorowania F(x), dla której spełnione są warunki interpolacji F(x) = di.
Sieci radialne znalazły zastosowanie w rozwiązywaniu problemów klasyfikacyjnych, zadaniach aproksymacji funkcji wielu zmiennych, jak i zagadnieniach predykcji. Na ogół uważa się (Kosko, 1988), że sieci radialne nadają się do wykrywania uszkodzeń w różnego rodzaju systemach rozpoznawania wzorców itp.
Sieć neuronowa - (sztuczna sieć neuronowa) ogólna nazwa struktur matematycznych i ich programowych lub sprzętowych modeli, realizujących obliczenia lub przetwarzanie sygnałów poprzez rzędy elementów, zwanych neuronami, wykonujących pewną podstawową operację na swoim wejściu. Oryginalną inspiracją takiej struktury była budowa naturalnych układów nerwowych, w szczególności mózgu.
Czasem mianem sztuczne sieci neuronowe określa się interdyscyplinarną dziedzinę wiedzy zajmującą się konstrukcją, trenowaniem i badaniem możliwości tego rodzaju sieci.
Współcześnie nie ma wątpliwości, że sztuczne sieci neuronowe nie stanowią dobrego modelu mózgu, choć różne ich postaci wykazują cechy charakterystyczne dla biologicznych układów neuronowych: zdolność do uogólniania wiedzy, uaktualniania kosztem wcześniej poznanych wzorców, dawanie mylnych odpowiedzi po przepełnieniu. Mimo uproszczonej budowy, sztuczne sieci neuronowe stosuje się czasem do modelowania schorzeń mózgu.
Sztuczne sieci neuronowe znajdują zastosowanie w rozpoznawaniu i klasyfikacji wzorców (przydzielaniu wzorcom kategorii), predykcji szeregów czasowych, analizie danych statystycznych, odszumianiu i kompresji obrazu i dźwięku oraz w zagadnieniach sterowania i automatyzacji.
Magazyn BYTE wymienia między innymi następujące zastosowania tych sieci:
  • diagnostyka układów elektronicznych
  • badania psychiatryczne
  • prognozy giełdowe
  • Sieć neuronowa
  • prognozowanie sprzedaży
  • poszukiwania ropy naftowej
  • interpretacja badań biologicznych
  • prognozy cen
  • analiza badań medycznych
  • planowanie remontów maszyn
  • planowanie postępów w nauce
  • analiza problemów produkcyjnych
  • optymalizacja działalności handlowej
  • analiza spektralna
  • optymalizacja utylizacji odpadów
  • dobór surowców
  • selekcja celów śledztwa w kryminalistyce
  • dobór pracowników
  • sterowanie procesów przemysłowych.
Najpopularniejsze obecnie zastosowanie sieci neuronowych:
  • w programach do rozpoznawania pisma (OCR)
  • na lotniskach do sprawdzania, czy prześwietlony bagaż zawiera niebezpieczne ładunki
  • do syntezy mowy
Silna sztuczna inteligencja - (ang. Strong AI) założenie, że pewne formy sztucznej inteligencji mogą posiadać wszystkie atrybuty dostępne umysłowi ludzkiemu. John Searle zdefiniował to pojęcie w następujący sposób (Behavioral and Brain Sciences, vol. 3, 1980):
Według silnej sztucznej inteligencji, komputer nie jest jedynie narzędziem do studiowania działania umysłu, raczej odpowiednio zaprogramowany komputer jest w rzeczywistości umysłem.
Istnieją różne podejścia do problemu silnej sztucznej inteligencji, jedno z nich to podejscie funkcjonalistyczne, próbujące znaleźć rozwiązanie w oparciu o studiowanie ludzkiego zachowania (podejście top-down). Drugie z podejść do problemu to podejście redukcjonistyczne, gdzie symulowany jest poziom fizjologiczny działania neuronów, kolumn neuronalnych i coraz większych struktur, aż do symulowania działania całego mózgu ludzkiego (podejście bottom-up). Drugie z podejść jest stosowane w projekcie "Blue Brain Project".
System ekspertowy - (funkcjonują też nazwy system ekspercki, system z bazą wiedzy) program, lub zestaw programów komputerowych wspomagający korzystanie z wiedzy i ułatwiający podejmowanie decyzji. Systemy ekspertowe mogą wspomagać bądź zastępować ludzkich ekspertów w danej dziedzinie, mogą dostarczać rad, zaleceń i diagnoz dotyczących problemów tej dziedziny. Dla lepszego odróżnienia tej klasy systemów od pozostałych niezbędne jest dodanie kilku unikatowych cech systemów ekspertowych [1,2]:
  • jawna reprezentacja wiedzy i oddzielenie wiedzy eksperckiej od procedur sterowania,
  • zdolność do wyjaśnień (ang. explanation facilities), w szczególności sposobu rozwiązania danego problemu, co jest w opozycji do modelu czarnej skrzynki, typowego dla konwencjonalnych programów,
  • system ekspertowy rozwiązuje problemy nie w oparciu o jawnie zapisany algorytm, lecz z wykorzystaniem różnych metod wnioskowania (rozumowania),
  • systemy ekspertowe wykorzystują w przeważającej mierze przetwarzanie symboli, w mniejszym zaś stopniu obliczenia numeryczne.
Szachy komputerowe - popularna nazwa dziedziny badań w zakresie sztucznej inteligencji polegająca na tworzeniu oprogramowania i specjalizowanych komputerów do gry w szachy.
Sztuczne życie - (AL z ang. Artificial Life) jest interdyscyplinarnym kierunkiem badań, zorientowanym na zrozumienie i wykorzystanie istoty życia.
Obejmuje m.in.: - symulacje ewolucji biologicznej za pomocą technik informatycznych, - symulacje innych procesów biologicznych, - badania i symulacje układów niebiologicznych, zachowujących się podobnie jak układy biologiczne (np. automatów komórkowych), - algorytmy ewolucyjne, - ewolucję programów komputerowych.
Powrót
O nas
Mapa Strony
Kontakt
 

TA STRONA UŻYWA COOKIE

X Nie pokazuj więcej
Dowiedz się więcej o celu ich używania w przeglądarce.
Korzystając ze strony wyrażasz zgodę na używanie cookie, zgodnie z aktualnymi ustawieniami przeglądarki