ÎNVĂȚAREA ȘI RAȚIONAMENTUL ÎN STRUCTURI HIBRIDE

Titlul original:

LEARNING & REASONING IN HYBRID STRUCTURE

Conținutul cărții:

Aplicațiile de inteligență artificială implică adesea gestionarea incertitudinii, cum ar fi un mediu parțial observat sau observații zgomotoase. Teoria probabilităților este o modalitate de modelare a incertitudinii, însă majoritatea modelelor probabilistice actuale sunt incapabile să facă față domeniilor numerice și logice hibride.

Modelele hibride continue/discrete existente sunt de obicei limitate, fără garanții privind eroarea de aproximare, astfel încât multe probleme din lumea reală sunt în afara razei de acțiune a sistemelor actuale. Această carte, Learning And Reasoning In Hybrid Structured Spaces, propune un formalism recent și general numit Weighted Model Integration (wmi), care permite modelarea probabilistică și inferența în domenii structurate hibride. Algoritmii de inferență bazați pe Wmi diferă față de majoritatea alternativelor prin faptul că probabilitățile sunt calculate în cadrul unui suport structurat care implică atât relații logice, cât și algebrice între variabile.

Cercetarea în acest domeniu se află încă într-un stadiu incipient, dar există un interes din ce în ce mai mare pentru studiul modelelor probabilistice hibride și simbolice și pentru dezvoltarea unor proceduri de inferență scalabile și a unor algoritmi de învățare eficienți, iar cartea prezintă un studiu privind raționamentul scalabil și tehnicile de învățare în contextul Wmi. Oferind o perspectivă asupra unei direcții importante de cercetare, cartea va fi de interes pentru cei care doresc să afle mai multe despre abilitarea inferenței probabilistice scalabile în aplicațiile de inteligență artificială - furnizat de editor.