- po wybraniu hasła nastąpi przejście do rozdziału, w którym dany termin jest zdefiniowany.
A
algorytm ewolucyjny - ogólna nazwa różnych metod wykorzystujących mechanizmy ewolucji
algorytm genetyczny - klasyczny algorytm ewolucyjny z kodowaniem binarnym
algorytm hybrydowy - połączenie algorytmu heurystycznego (np. zachłannego) z algorytmem genetycznym ustalającym parametry części heurystycznej
algorytm wspinaczki - algorytm poszukujący optymalnego rozwiązania poprzez poszukiwanie lepszych rozwiązań w sąsiedztwie aktualnie rozpatrywanego
algorytm wstecznej propagacji błędu - metoda uczenia sieci wielowarstwowej, w której błąd ostatniej warstwy jest przesyłany wstecz i wykorzystywany do zmiany wartości wag w poprzednich warstwach.
algorytm wychładzania (wyżarzania) - metoda optymalizacji pozwalająca omijać maksima lokalne
algorytm zachłanny - algorytm konstruujacy rozwiązanie z lokalnie najlepszych fragmentów
algorytmy Las Vegas - algorytmy zrandomizowane dające zawsze poprawny wynik, w których randomizacja usprawnia ich działanie (np. poprzez unikanie "trudnych" przypadków danych wejściowych)
algorytmy Monte Carlo - algorytmy zrandomizowane dające wynik optymalny z prawdopodobieństwem dowolnie bliskim 1 (w zależności od czasu działania)
algorytmy mrówkowe - randomizowana metoda optymalizacji polegająca na stopniowym wzmacnianiu komponentów dobrych rozwiązań
algorytmy zrandomizowane - algorytmy, których działanie uzależnione jest od czynników losowych
B
bariery reprodukcyjne - ograniczenia pozwalające krzyżować się tylko niektórym osobnikom
C
centroid - średnia arytmetyczna współrzędnych punktów w grupie (czyli cech obiektów).
chromosom - miejsce przechowywania genotypu osobnika
D
dane treningowe - znane przykłady, na podstawie których próbujemy znaleźć zasadę ogólną
deterministyczna maszyna Turinga - uproszczony model obliczeń odpowiadający deterministycznemu komputerowi
diploidalny kod genetyczny - podwójny zestaw genów, rozkodowywany podczas liczenia funkcji celu za pomocą reguł recesywności; modyfikacja klasycznego algorytmu genetycznego skuteczna w przypadku zmieniającej się w czasie funkcji celu
drzewo decyzyjne - reprezentacja wiedzy (lub sposobu działania algorytmu klasyfikującego) w postaci drzewa warunków logicznych.
F
fenotyp - cechy osobnika podlegające ocenie za pomocą funkcji przystosowania
funkcja celu - optymalizowana funkcja rzeczywista
funkcja przynależności - funkcja charakterystyczna zbioru rozmytego.
funkcja przystosowania (fitness) - funkcja określająca szansę przeżycia danego osobnika
G
genotyp - kompletny i jednoznaczny opis osobnika zawarty w jego genach, zakodowany (np. binarnie) opis punktu z przestrzeni stanów
grupowanie pojęciowe - problem podziału zbioru danych na podstawie wzajemnego podobieństwa obiektów na możliwie wzajemnie odległe grupy.
H
hipoteza o cegiełkach - założenie, że optymalne rozwiązanie zadania da się złożyć z niewielkich, ponadprzeciętnych fragmentów chromosomu (schematów)
I
inwersja - technika samoadaptacyjna polegająca na zmianie kolejności bitów w chromosomie, co ułatwia tworzenie silnych, zwartych schematów ("cegiełek")
K
klasa złożoności NP - problemy, dla których istnieje wielomianowe rozwiązanie przez NDTM
klasa złożoności P - problemy, dla których istnieje wielomianowe rozwiązanie przez DTM
klasyfikator - algorytm przypisujący dany obiekt do jednej z klas decyzyjnych na podstawie jego cech.
klika - zbiór wierzchołków grafu połączonych "każdy z każdym"
k-means - jedna z metod grupowania obiektów.
kodowanie permutacji - w przypadku algorytmu genetycznego: metoda polegająca na tym, że chromosomem danego osobnika jest permutacja. Mutacja i krzyżowanie tak zbudowanych osobników wymaga użycia specjalnych operatorów.
kodowanie rozwiązań - sposób zapisania rozwiązania problemu w postaci genotypu osobnika
koło ruletki - metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
komputery DNA - rozwiązania techniczne umożliwiające prowadzenie obliczeń na DNA
krzyżowanie - wymiana części genotypu między dwoma osobnikami
L
logika rozmyta - zasady działania na wartościach logicznych będących liczbami z przedziału [0,1].
M
metaheurystyka - ogólny schemat konstruowania metod optymalizacji, uniwersalny dla wielu różnych problemów; np. algoryty ewolucyjne
metoda eliminacji - jedna z metod uzyskiwania liczby losowej o zadanym rozkładzie
metoda tabu - rozszerzenie metody wspinaczki o możliwość wychodzenia z maksimów lokalnych
model wyspowy - podział populacji na równolegle przetwarzane podzbiory, sporadycznie wymieniające zestawy najlepszych osobników
mutacja - niewielka, losowa zmiana genotypu danego osobnika
N
neuron - według konwencji przyjetej na tym wykładzie, perceptron daje w wyniku 0 lub 1, a neuron - dowolną liczbę z przedziału [0,1] (dzięki np. sigmoidalnej funkcji aktywacji)
niedeterministyczna maszyna Turinga - uproszczony model obliczeń odpowiadający hipotetycznemu komputerowi dokonujacemu niedeterministycznych (zawsze poprawnych) wyborów
O
obliczenia na DNA - sprzętowo-algorytmiczna metoda obliczeniowa, wykorzystująca fizyczne własności DNA do rozwiązywania problemów kombinatorycznych
odwracanie dystrybuanty - jedna z metod uzyskiwania liczby losowej o zadanym rozkładzie
operatory genetyczne - operatory modyfikujące genotyp osobnika lub całą populację, np. mutacja, krzyżowanie, selekcja
osobnik - podstawowa jednostka podlegająca ewolucji, odpowiada przykładowemu rozwiązaniu problemu (punktowi z przestrzeni stanów)
P
perceptron - prosty model naturalnego neuronu, jego działanie polega na ważonym sumowaniu sygnałów wejściowych i nieliniowym (np. progowym) przekształceniu ich w wartość wyjściową
populacja - zespół osobników zamieszkujących wspólne środowisko i konkurujących o jego zasoby
problem NP-trudny - problem równie trudny, jak problemy NP-zupełne, jednak niekoniecznie należący do klasy NP
problem NP-zupełny - problem uniwersalny (najtrudniejszy) w klasie NP
problem SAT - problem istnienia wartościowania spełniającego daną formułę logiczną
programowanie genetyczne - algorytm ewolucyjny, w którym osobniki opisane są chromosomami zawierającymi program (zwykle w uproszczonym języku, w formie drzewa) lub inną złożoną strukturę, np. wyrażenie logiczne; ocena osobnika polega na symulacji zastosowania programu w zmiennym środowisku testowym
przestrzeń stanów - zbiór wszystkich możliwych rozwiązań zadania, wśród których szukamy najlepszego
przeszukiwanie wiązkowe - rozszerzenie metody zachłannej o możliwość sprawdzania wielu ścieżek rozwiązania
R
rozpoznawanie wzorców - dziedzina sztucznej inteligencji obejmująca takie problemy jak rozpoznawanie dźwięków i obrazów, klasyfikacja obiektów, grupowanie i odtwarzanie wzorców itp.
S
samoadaptacja - mechanizm ewolucyjny, w którym pewne parametry działania algorytmu (np. sposób kodowania albo intensywność mutacji) również są regulowane ewolucyjnie
sąsiad - dwa rozwiązania problemu optymalizacyjnego uznajemy za sąsiednie, jeśli (według ustalonych kryteriów) niewiele się różnią
schemat - ciąg znaków równy długością chromosomowi, zawierający 0, 1 i * (gwiazdka oznacza, że na tej pozycji może stać zarówno 0, jak i 1)
selekcja - tworzenie kolejnego pokolenia osobników poprzez wybór i powielenie części z nich (zwykle lepiej przystosowanych)
separowalność liniowa - cecha zbiorów w przestrzeni Rn oznaczająca, że istnieje prosta (płaszczyzna itp.) rozdzielająca dwa zbiory
sieć Hopfielda - sieć neuronowa, w której wyjścia połączone są z wejściami.
sieć Kohonena - sieć węzłów realizująca ideę mapy samoorganizującej się, pozwalająca rozmieścić wielowymiarowe obiekty na dwuwymiarowej mapie.
sieć wielowarstwowa - sieć połączonych neuronów, w której neurony przesyłają sygnały wszystkim neuronom kolejnej warstwy (połączenie między warstwami: każdy z każdym)
skalowanie liniowe funkcji celu - metoda sterowania szybkością zbieżności algorytmu poprzez uwypuklanie lub łagodzenie różnic między wartościami funkcji celu osobników
strategia - sposób postępowania, funkcja która każdej sytuacji przypisuje decyzję odnośnie dalszego działania; np. funkcja wskazująca dla każdej możliwej sytuacji na planszy sposób wykonania kolejnego posunięcia
strategia elitarystyczna - metoda polegająca na przeniesieniu bez zmian najlepszych osobników do kolejnego pokolenia
strategie ewolucyjne - algorytm ewolucyjny, w którym osobnik zapisany jest jako wektor liczb rzeczywistych
systemy klasyfikujące - systemy komputerowe pozwalające automatycznie przypisywać obiekty do klas zdefiniowanych uprzednio na podstawie przykładów
systemy uczące się - systemy komputerowe mające zdolność do zdobywania doświadczeń i modyfikacji sposobu działania w interakcji z otoczeniem lub pod wpływem nowych danych
sztuczna inteligencja - dział informatyki (definiowany na wiele różnych sposobów) będący przedmiotem tego wykładu
T
temperatura - parametr algorytmu wychładzania regulujący szybkość wychodzenia algorytmu z maksimów lokalnych
test Turinga - klasyczne kryterium sztucznej inteligencji: komputer jest inteligentny, jeśli w rozmowie nie da się go odróżnić od człowieka
twierdzenie o schematach - twierdzenie szacujące średnią liczbę reprezentantów danego schematu w kolejnych pokoleniach
U
uczenie bez nadzoru - analiza danych, dla których nie znamy prawidłowego podziału na grupy.
uczenie z nadzorem - tworzenie algorytmów klasyfikujących na podstawie zbioru przykładów opatrzonych właściwymi odpowiedziami.
ukryta równoległość - ocena osobników w algorytmie genetycznym traktowana jako równoległa ocena wielu schematów, do których dane osobniki pasują
W
wagi połączeń - parametry perceptronu, przez które mnożymy wartość sygnałów wejściowych
wartość progowa - parametr perceptronu wyznaczający granicę, powyżej której perceptron jest wzbudzony (tzn. ma na wyjściu wartość 1)
Z
zadanie aproksymacji - zadanie polegające na odgadnięciu kształtu funkcji na podstawie zbioru jej przykładowych wartości
zadanie optymalizacji - zadanie polegające na szukaniu minimum lub maksimum pewnej funkcji
zbiór rozmyty - zbiór, którego funkcja charakterystyczna może przyjmować wartości z przedziału [0,1].
złożoność czasowa - liczba kroków algorytmu potrzebna do rozwiązania zadania
złożoność pamięciowa - liczba jednostek pamięci potrzebna do rozwiązania zadania