Скачать книгу

потому что он разветвляется на разные разделы данных; узлы переменных являются ветвями41,42.

      Алгоритм любого времени (Anytime algorithm) – это алгоритм, который может дать частичный ответ, качество которого зависит от объема вычислений, которые он смог выполнить. Ответ, генерируемый алгоритмами anytime, является приближенным к правильному. Большинство алгоритмов выполняются до конца: они дают единственный ответ после выполнения некоторого фиксированного объема вычислений. Однако в некоторых случаях пользователь может захотеть завершить алгоритм до его завершения. Эта особенность алгоритмов anytime моделируется такой теоретической конструкцией, как предельная машина Тьюринга (Бургин, 1992; 2005)43.

      Алгоритм обучения (Learning Algorithm) – это фрагменты кода, которые помогают исследовать, анализировать и находить смысл в сложных наборах данных. Каждый алгоритм представляет собой конечный набор однозначных пошаговых инструкций, которым машина может следовать для достижения определенной цели. В модели машинного обучения цель состоит в том, чтобы установить или обнаружить шаблоны, которые люди могут использовать для прогнозирования или классификации информации. Они используют параметры, основанные на обучающих данных – подмножестве данных, которое представляет больший набор. По мере расширения обучающих данных для более реалистичного представления мира, алгоритм вычисляет более точные результаты44.

      Алгоритм оптимизации Адам (Adam optimization algorithm) – это расширение стохастического градиентного спуска, который в последнее время получил широкое распространение для приложений глубокого обучения в области компьютерного зрения и обработки естественного языка45.

      Алгоритм оптимизации роя светлячков (Glowworm swarm optimization algorithm) – это метаэвристический алгоритм без производных, имитирующий поведение свечения светлячков, который может эффективно фиксировать все максимальные мультимодальные функции46.

      Алгоритм Персептрона (Perceptron algorithm) – это линейный алгоритм машинного обучения для задач бинарной классификации. Его можно считать одним из первых и одним из самых простых типов искусственных нейронных сетей. Это определенно не «глубокое» обучение, но это важный строительный блок. Как и логистическая регрессия, он может быстро изучить линейное разделение в пространстве признаков для задач классификации двух классов, хотя, в отличие от логистической регрессии, он обучается с использованием алгоритма оптимизации стохастического градиентного спуска и не предсказывает калиброванные вероятности47.

      Алгоритм поиска (Search algorithm) – это любой алгоритм, который решает задачу поиска, а именно извлекает информацию, хранящуюся в некоторой структуре данных или вычисленную в пространстве поиска проблемной области, либо с дискретными, либо с непрерывными значениями48.

      Алгоритм

Скачать книгу


<p>41</p>

Junction tree algorithm (also Clique Tree) [Электронный ресурс] https://ai.stanford.edu URL: https://ai.stanford.edu/~paskin/gm-short-course/lec3.pdf (дата обращения: 27.03.2023)

<p>42</p>

Junction tree algorithm (also Clique Tree) [Электронный ресурс] https://en.wikipedia.org URL: https://en.wikipedia.org/wiki/Junction_tree_algorithm#cite_note-:1-1 (дата обращения: 27.03.2023)

<p>43</p>

Anytime algorithm [Электронный ресурс] https://dic.academic.ru URL: https://dic.academic.ru/dic.nsf/eng_rus/423258/anytime (дата обращения: 27.01.2022)

<p>44</p>

Алгоритм обучения [Электронный ресурс] https://azure.microsoft.com URL: https://azure.microsoft.com/en-gb/overview/machine-learning-algorithms/#overview (дата обращения: 07.07.2022)

<p>45</p>

Adam optimization algorithm [Электронный ресурс] https://archive.org URL: https://archive.org/details/riseofexpertcomp00feig (дата обращения: 11.03.2022)

<p>46</p>

Glowworm swarm optimization algorithm (GSO) Applied Mechanics and Materials Vol. 421 (2013) pp 507—511© (2013) Trans Tech Publications, Switzerland doi: 10.4028 www.scientific.net/AMM.421.507 Glowworm Swarm Optimization (GSO) Algorithm for Optimization Problems: A State-of-the-Art Review (дата обращения: 11.01.2022)

<p>47</p>

Perceptron algorithm [Электронный ресурс] https://machinelearningmastery.com URL: https://machinelearningmastery.com/perceptron-algorithm-for-classification-in-python/ (дата обращения: 07.07.2022)

<p>48</p>

Search algorithm [Электронный ресурс] https://www.wikidata.org URL: https://www.wikidata.org/wiki/Q755673 (дата обращения: 27.03.2023)