Zarys uczenia maszynowego - Outline of machine learning
Część serii na |
Uczenie maszynowe i eksploracja danych |
---|
Poniższy zarys stanowi omówienie i tematyczny przewodnik po uczeniu maszynowym . Uczenie maszynowe to poddziedzina miękkich obliczeń w informatyce, która wyewoluowała z badania rozpoznawania wzorców i teorii uczenia się obliczeniowego w sztucznej inteligencji . W 1959 roku Arthur Samuel zdefiniował uczenie maszynowe jako „dziedzinę nauki, która daje komputerom możliwość uczenia się bez wyraźnego programowania”. Uczenie maszynowe zajmuje się badaniem i konstruowaniem algorytmów, które mogą uczyć się na podstawie danych i przewidywać na ich podstawie . Takie algorytmy działają poprzez budowanie modelu z przykładowego zestawu uczącego obserwacji wejściowych w celu dokonywania prognoz lub decyzji opartych na danych wyrażonych jako dane wyjściowe, zamiast wykonywania ściśle statycznych instrukcji programu.
Jaki rodzaj rzeczy jest uczenie maszynowe?
- Dyscyplina akademicka
- Gałąź nauki
- Applied Science
- Poddziedzina informatyki
- Gałąź sztucznej inteligencji
- Poddziedzina soft computing
- Zastosowanie statystyk
- Poddziedzina informatyki
- Applied Science
Gałęzie uczenia maszynowego
Poddziedziny uczenia maszynowego
- Teoria uczenia komputerowego – nauka projektowania i analizy algorytmów uczenia maszynowego .
- Indukcja gramatyczna
- Meta nauka
Dziedziny interdyscyplinarne obejmujące uczenie maszynowe
Zastosowania uczenia maszynowego
- Zastosowania uczenia maszynowego
- Bioinformatyka
- Informatyka biomedyczna
- Wizja komputerowa
- Zarządzanie relacjami z klientami –
- Eksploracja danych
- Filtrowanie poczty e-mail
- Wahadło odwrócone – równowaga i układ równowagi.
- Przetwarzanie języka naturalnego (NLP)
- Rozpoznawanie wzorców
-
System rekomendacji
- Filtrowanie zespołowe
- Filtrowanie oparte na treści
- Hybrydowe systemy rekomendujące (filtrowanie zespołowe i oparte na treści)
- Wyszukiwarka
- Inżynieria społeczna
Sprzęt do uczenia maszynowego
Narzędzia do uczenia maszynowego
Ramy uczenia maszynowego
Zastrzeżone frameworki uczenia maszynowego
- Uczenie maszynowe Amazon
- Microsoft Azure Machine Learning Studio
- DistBelief – zastąpiony przez TensorFlow
Platformy uczenia maszynowego typu open source
Biblioteki uczenia maszynowego
Algorytmy uczenia maszynowego
- Almeida-Pineda nawracająca propagacja wsteczna
- ALOPEX
- Propagacja wsteczna
- Agregacja Bootstrap
- Algorytm CN2
- Konstruowanie drzewek umiejętności
- Model Dehaene-Changeux
- Mapa dyfuzji
- Podejście do zbioru przybliżonego oparte na dominacji
- Dynamiczne zakrzywienie czasu
- Nauka sterowana błędami
- Ewolucyjna optymalizacja multimodalna
- Algorytm oczekiwania-maksymalizacji
- FastICA
- Algorytm naprzód-wstecz
- GeneRec
- Algorytm genetyczny do tworzenia zestawów reguł
- Rosnąca samoorganizująca się mapa
- Sieć funkcji hiperbazowych
- IDodległość
- Algorytm K-najbliższych sąsiadów
- Metody jądra dla wyjścia wektorowego
- Analiza głównych składników jądra
- Leabra
- Algorytm Linde-Buzo-Gray
- Lokalny czynnik odstający
- Maszyna do uczenia się logiki
- LogitBoost
- Wyrównanie kolektora
- Sieć Markowa Monte Carlo (MCMC)
- Wybór funkcji minimalnej redundancji
- Mieszanka ekspertów
- Wielokrotne uczenie się jądra
- Nieujemna faktoryzacja macierzy
- Uczenie maszynowe online
- Błąd braku worka
- Pamięć robocza zwojów podstawy kory przedczołowej
- PVLV
- Q-learning
- Kwadratowa nieograniczona optymalizacja binarna
- Funkcja na poziomie zapytania
- Quickprop
- Radialna sieć funkcji bazowej
- Algorytm losowej większości ważonej
- Nauka wzmacniania
- Powtarzane przyrostowe przycinanie w celu redukcji błędów (RIPPER)
- Rprop
- Uczenie maszynowe oparte na regułach
- Łączenie umiejętności
- Rzadki PCA
- Państwo-akcja-nagroda-stan-akcja
- Stochastyczne zejście gradientowe
- Strukturalny kNN
- Rozproszone stochastyczne osadzanie sąsiadów w układzie T
- Nauka różnic czasowych
- Algorytm budzenia i uśpienia
- Algorytm ważonej większości (uczenie maszynowe)
Metody uczenia maszynowego
Algorytm oparty na instancjach
- Algorytm K-najbliższych sąsiadów (KNN)
- Nauka kwantyzacji wektorowej (LVQ)
- Mapa samoorganizująca się (SOM)
Analiza regresji
- Regresja logistyczna
- Regresja zwyczajnych najmniejszych kwadratów (OLSR)
- Regresja liniowa
- Regresja krokowa
- Wielowymiarowe krzywe regresji adaptacyjnej (MARS)
- Algorytm regularyzacji
- Regresja grzbietowa
- Operator najmniejszego skurczu i wyboru (LASSO)
- Elastyczna siatka
- Regresja najmniejszego kąta (LARS)
- Klasyfikatory
Redukcja wymiarowości
- Kanoniczna analiza korelacji (CCA)
- Analiza czynników
- Ekstrakcja funkcji
- Wybór funkcji
- Niezależna analiza składników (ICA)
- Liniowa analiza dyskryminacyjna (LDA)
- Skalowanie wielowymiarowe (MDS)
- Nieujemna faktoryzacja macierzy (NMF)
- Regresja częściowych najmniejszych kwadratów (PLSR)
- Analiza głównych składników (PCA)
- Regresja głównych składowych (PCR)
- Pogoń za projekcją
- Mapowanie Sammona
- t-rozproszone stochastyczne osadzanie sąsiadów (t-SNE)
Nauka zespołowa
- AdaBoost
- Wzmacnianie
- Agregacja Bootstrap (Bagging)
- Uśrednianie zbiorowe – proces tworzenia wielu modeli i łączenia ich w celu uzyskania pożądanego efektu, w przeciwieństwie do tworzenia tylko jednego modelu. Często zestaw modeli działa lepiej niż jakikolwiek pojedynczy model, ponieważ różne błędy modeli „uśredniają się”.
- Wzmocnione gradientem drzewo decyzyjne (GBDT)
- Gradientowa maszyna wzmacniająca (GBM)
- Losowy Las
- Uogólnienie skumulowane (mieszanie)
Meta nauka
Nauka wzmacniania
Nadzorowana nauka
- AOD
- Sztuczna sieć neuronowa
- Algorytmy uczenia reguł asocjacyjnych
- Uzasadnienie w oparciu o przypadki
- Regresja procesu Gaussa
- Programowanie ekspresji genów
- Grupowy sposób obsługi danych (GMDH)
- Programowanie logiki indukcyjnej
- Nauka oparta na instancjach
- Leniwa nauka
- Automaty do nauki
- Nauka kwantyzacji wektorowej
- Logistyczne drzewo modelu
- Minimalna długość komunikatu (drzewa decyzyjne, grafy decyzyjne itp.)
- Prawdopodobnie w przybliżeniu poprawne uczenie się (PAC) uczenie się
- Ripple down zasad , metodologia pozyskiwania wiedzy
- Symboliczne algorytmy uczenia maszynowego
- Wsparcie maszyn wektorowych
- Losowe lasy
-
Zespoły klasyfikatorów
- Agregacja Bootstrap (pakowanie)
- Wzmocnienie (metaalgorytm)
- Klasyfikacja porządkowa
- Rozmyte sieci informacyjne (IFN)
- Warunkowe pole losowe
- ANOVA
- Klasyfikatory kwadratowe
- k-najbliższy sąsiad
-
Wzmacnianie
- SPRINT
- Sieci bayesowskie
- Ukryte modele Markowa
Bayesowski
- Bayesowska baza wiedzy
- Naiwny Bayes
- Gaussowski naiwny Bayes
- Bayes wielomianowy naiwny
- Uśrednione estymatory jednozależnościowe (AODE)
- Bayesowska Sieć Wierzeń (BBN)
- Sieć Bayesowska (BN)
Algorytmy drzew decyzyjnych
Algorytm drzewa decyzyjnego
- Drzewo decyzyjne
- Drzewo klasyfikacji i regresji (CART)
- Iteracyjny dychotomizer 3 (ID3)
- Algorytm C4.5
- Algorytm C5.0
- Automatyczne wykrywanie interakcji chi-kwadrat (CHAID)
- Kikut decyzji
- Warunkowe drzewo decyzyjne
- algorytm ID3
- Losowy las
- SLIQ
Klasyfikator liniowy
- Liniowy dyskryminator Fishera
- Regresja liniowa
- Regresja logistyczna
- Wielomianowa regresja logistyczna
- Naiwny klasyfikator Bayesa
- Perceptron
- Maszyna wektorów nośnych
Nauka nienadzorowana
- Algorytm maksymalizacji oczekiwań
- Kwantyzacja wektorowa
- Generacyjna mapa topograficzna
- Metoda wąskiego gardła informacyjnego
Sztuczne sieci neuronowe
- Sieć neuronowa ze sprzężeniem do przodu
- Rekurencyjna sieć neuronowa
- Maszyna do uczenia się logiki
- Samoorganizująca się mapa
Nauka reguł asocjacyjnych
Klastrowanie hierarchiczne
Analiza skupień
- BRZOZOWY
- DBSCAN
- Maksymalizacja oczekiwań (EM)
- Grupowanie rozmyte
- Klastrowanie hierarchiczne
- Grupowanie K-średnich
- K-mediany
- Średnia zmiana
- Algorytm OPTYKA
Wykrywanie anomalii
Nauka częściowo nadzorowana
- Aktywne uczenie – szczególny przypadek częściowo nadzorowanego uczenia się, w którym algorytm uczący jest w stanie interaktywnie wysyłać zapytania do użytkownika (lub innego źródła informacji) w celu uzyskania pożądanych wyników w nowych punktach danych.
- Modele generatywne
- Separacja o niskiej gęstości
- Metody oparte na wykresach
- Współszkolenie
- Transdukcja
Głęboka nauka
- Głębokie sieci wierzeń
- Maszyny głębokie Boltzmann
- Głębokie konwolucyjne sieci neuronowe
- Głębokie, rekurencyjne sieci neuronowe
- Hierarchiczna pamięć czasowa
- Sieci generatywnych przeciwników
- Głęboka maszyna Boltzmanna (DBM)
- Autokodery ułożone w stos
Inne metody i problemy z uczeniem maszynowym
- Wykrywanie anomalii
- Zasady stowarzyszenia
- Dylemat bias-wariancja
- Klasyfikacja
- Grupowanie
- Wstępne przetwarzanie danych
- Minimalizacja ryzyka empirycznego
- Inżynieria funkcji
- Nauka funkcji
- Nauka rangi
- Nauka Occam
- Uczenie maszynowe online
- Nauka PAC
- Regresja
- Nauka wzmacniania
- Nauka częściowo nadzorowana
- Nauka statystyczna
- Prognoza strukturalna Structure
- Nauka nienadzorowana
- Teoria VC
Badania nad uczeniem maszynowym
Historia uczenia maszynowego
Projekty uczenia maszynowego
Projekty uczenia maszynowego
Organizacje uczące maszynowego
Organizacje uczące maszynowego
Konferencje i warsztaty dotyczące uczenia maszynowego
- Sztuczna inteligencja i bezpieczeństwo (AISec) (warsztaty zlokalizowane razem z CCS)
- Konferencja nt. Neuronowych Systemów Przetwarzania Informacji (NIPS)
- ECML PKDD
- Międzynarodowa konferencja na temat uczenia maszynowego (ICML)
- ML4ALL (Uczenie maszynowe dla wszystkich)
Publikacje dotyczące uczenia maszynowego
Książki o uczeniu maszynowym
Książki o uczeniu maszynowym
Dzienniki uczenia maszynowego
Osoby mające wpływ na uczenie maszynowe
- Alberto Broggi
- Andriej Knyazjew
- Andrzeja McCalluma
- Andrzej Ng
- Anuraag Jain
- Armin B. Cremers
- Ayanna Howard
- Barney Pell
- Ben Goertzel
- Ben Taskar
- Bernhard Schölkopf
- Brian D. Ripley
- Christopher G. Atkeson
- Corinna Cortes
- Demis Hassabis
- Douglas Lenat
- Eric Xing
- Ernst Dickmanns
- Geoffrey Hinton – współtwórca algorytmów treningu wstecznej propagacji i kontrastywnej dywergencji
- Hans-Peter Kriegel
- Hartmut Neven
- Heikki Mannila
- Ian Goodfellow – Ojciec sieci generatywnych i przeciwników
- Jacek M. Zurada
- Jaime Carbonell
- Jeremy Słowak
- Jerome H. Friedman
- John D. Lafferty
- John Platt – wymyślił SMO i skalowanie Platta
- Julie Beth Lovins
- Jürgen Schmidhuber
- Karl Steinbuch
- Katia Sycara
- Leo Breiman – wymyślił workowanie i losowe lasy
- Lise Getoor
- Luca Maria Gambardella
- Leon Bottou
- Marcus Hutter
- Mehryar Mohri
- Michael Collins
- Michael I. Jordan
- Michael L. Littman
- Nando de Freitas
- Oferta Dekel
- Oren Etzioni
- Pedro Domingos
- Piotr Flach
- Pierre Baldi
- Pushmeet Kohli
- Ray Kurzweil
- Rayid Ghani
- Ross Quinlan
- Salvatore J. Stolfo
- Sebastian Thrun
- Selmer Bringsjord
- Sepp Hochreiter
- Shane Legg
- Stephen Muggleton
- Steve Omohundro
- Tom M. Mitchell
- Trevor Hastie
- Vasant Honavar
- Vladimir Vapnik – współtwórca teorii SVM i VC
- Yann LeCun – wynalazł konwolucyjne sieci neuronowe
- Yasuo Matsuyama
- Joshua Bengio
- Zoubin Ghahramani
Zobacz też
- Zarys sztucznej inteligencji
- Zarys robotyki
- Paradoks dokładności
- Nauka modelu działania
- Funkcja aktywacji
- Rozpoznawanie aktywności
- ADALINE
- Adaptacyjny neurorozmyty system wnioskowania
- Adaptacyjna teoria rezonansu
- Wygładzanie addytywne
- Skorygowane wzajemne informacje
- AIVA
- AIXI
- AlchemiaAPI
- AlexNet
- Wybór algorytmu
- Wnioskowanie algorytmiczne
- Algorytmiczna teoria uczenia się
- AlphaGo
- AlphaGo Zero
- Naprzemienne drzewo decyzyjne
- Nauka zawodu
- Przyczynowy stan Markowa
- Konkurencyjne uczenie się
- Nauka koncepcji
- Nauka drzewa decyzyjnego
- Programowanie różniczkowe
- Teoria uczenia się dystrybucji
- Chętny do nauki
- Kompleksowe uczenie się wzmacniające
- Tolerancja błędu (uczenie PAC)
- Nauka oparta na wyjaśnieniach
- Funkcja
- Rękawica
- Hiperparametr
- Centrum uczenia maszynowego IBM
- Inferencyjna teoria uczenia się
- Uczenie się automatów
- Nauka systemu klasyfikatorów
- Nauka zasady
- Nauka z błędami
- Teoria M (struktura uczenia się)
- Sterowanie uczeniem maszynowym
- Uczenie maszynowe w bioinformatyce
- Margines
- Geostatystyka łańcucha Markowa
- Sieć Markowa Monte Carlo (MCMC)
- Źródło informacji Markowa
- Sieć logiczna Markowa
- Model Markowa
- Losowe pole Markowa
- Dyskryminacja Markowska
- Model Markowa o maksymalnej entropii
- Wieloręki bandyta
- Nauka wielozadaniowa
- Wieloliniowe uczenie się podprzestrzeni
- Nauka multimodalna
- Uczenie wielu instancji
- Uczenie wieloinstancyjne
- Niekończąca się nauka języka
- Nauka offline
- Nauka parzystości
- Przyrostowe uczenie się oparte na populacji
- Predykcyjne uczenie się
- Nauka preferencji
- Proaktywne uczenie się
- Proksymalne metody gradientowe do nauki
- Analiza semantyczna
- Nauka podobieństwa
- Rzadkie uczenie się słownika
- Stabilność (teoria uczenia się)
- Statystyczna teoria uczenia się
- Statystyczne uczenie relacyjne
- Tanagra
- Transfer nauki
- Model Markowa o zmiennym rzędzie
- Nauka przestrzeni wersji
- Gofry
- Weka
-
Funkcja strat
- Funkcje strat do klasyfikacji
- Błąd średniokwadratowy (MSE)
- Średniokwadratowy błąd przewidywania (MSPE)
- Funkcja utraty Taguchi
- Adaptacyjna hierarchia klastrowania o niskim zużyciu energii
Inny
- Anna O'Tate
- Algorytmy optymalizacji kolonii mrówek
- Antoniego Lewandowskiego
- Antyunifikacja (informatyka)
- Apache Flume
- Żyrafa Apacza
- Apache Mahout
- Apache SINGA
- Apache Spark
- Apache SystemML
- Aphelion (oprogramowanie)
- Arabski Korpus Mowy
- Analiza archetypowa
- Artur Zimek
- Sztuczne mrówki
- Algorytm sztucznej kolonii pszczół
- Sztuczny rozwój
- Sztuczny układ odpornościowy
- Astrostatystyka
- Uśrednione estymatory jednozależnościowe
- Model worka słów
- Zrównoważone grupowanie
- Drzewo kulkowe
- Stopa bazowa
- Algorytm nietoperzy
- Algorytm Bauma-Welcha
- Bayesowskie modelowanie hierarchiczne
- Bayesowska interpretacja regularyzacji jądra
- Optymalizacja bayesowska
- Bayesowskie strukturalne szeregi czasowe
- Algorytm pszczół
- Grupowanie behawioralne
- Schemat Bernoulliego
- Kompromis między odchyleniami a wariancją
- Grupowanie
- BigML
- Klasyfikacja binarna
- Przewiduje Bing
- Komputery inspirowane biologią
- Optymalizacja oparta na biogeografii
- Biplot
- Twierdzenie Bondy'ego
- Problem Bongarda
- Model Bradleya-Terry'ego
- BrownBoost
- Brązowe grupowanie
- Błąd serii
- CBCL (MIT)
- Portal społeczności CIML
- CMA-ES
- Algorytm grupowania danych CURE
- Model języka pamięci podręcznej
- Kalibracja (statystyki)
- Kanoniczna analiza korespondencji
- Algorytm grupowania Canopy
- Klasyfikatory kaskadowe
- Kategoria użyteczność
- Poznawanie komórek
- Ewolucyjny algorytm komórkowy
- Automatyczne wykrywanie interakcji chi-kwadrat
- Chromosom (algorytm genetyczny)
- Łańcuchy klasyfikatorów
- Sprytny robot
- Algorytm selekcji klonów
- Modelowanie ważone klastrem
- Grupowanie danych wielowymiarowych
- Iluzja klastrowania
- CoBoosting
- Pajęczyna (klastrowanie)
- Komputer kognitywny
- Robotyka poznawcza
- Analiza kolokacyjna
- Wariancja wspólnej metody
- Grupowanie z pełnym powiązaniem
- Projektowanie zautomatyzowane komputerowo
- Klasa koncepcyjna
- Dryf koncepcji
- Konferencja na temat sztucznej inteligencji ogólnej
- Konferencja na temat odkrywania wiedzy i eksploracji danych
- Analiza czynnikiem potwierdzającym
- Macierz pomyłek
- Współczynnik zgodności
- Połącz (system komputerowy)
- Klastrowanie konsensusu
- Ograniczone grupowanie
- Ograniczony model warunkowy
- Konstruktywna koewolucja spółdzielcza
- Grupowanie korelacji
- Analiza korespondencji
- Cortica
- Połączony uczeń wzoru
- Metoda entropii krzyżowej
- Weryfikacja krzyżowa (statystyki)
- Crossover (algorytm genetyczny)
- Poszukiwanie kukułki
- Algorytm kulturowy
- Teoria konsensusu kulturowego
- Przekleństwo wymiarowości
- DADiSP
- Program LAGR DARPA
- Ciemny las
- Warsztaty Dartmouth
- DarwinTunes
- Rozszerzenia do eksploracji danych
- Eksploracja danych
- Wstępne przetwarzanie danych
- Grupowanie strumieni danych
- Dataiku
- Indeks Daviesa-Bouldina
- Granica decyzji
- Lista decyzji
- Model drzewa decyzyjnego
- Klasyfikator dedukcyjny
- DeepArt
- DeepDream
- Technologie głębokiej sieci
- Definiowanie długości
- Dendrogram
- Model stanu niezawodności
- Saldo szczegółowe
- Określanie liczby klastrów w zbiorze danych
- Zahamowana analiza korespondencji
- Robotyka rozwojowa
- Diffbot
- Ewolucja różnicowa
- Dyskretna dystrybucja typu fazowego
- Model dyskryminacyjny
- Prasa zdysocjowana
- Rozproszony R
- Dlib
- Klasyfikacja dokumentów
- Dokumentowanie nienawiści
- Adaptacja domeny
- Model podwójnie stochastyczny
- Ewolucja dwufazowa
- Indeks Dunna
- Dynamiczna sieć bayesowska
- Dynamiczna kompresja Markowa
- Dynamiczny model tematyczny
- Dynamiczny model nieobserwowanych efektów
- EDLUT
- ELKI
- Operator rekombinacji krawędzi
- Efektywna sprawność
- Elastyczna mapa
- Elastyczne dopasowanie
- Metoda łokcia (klastrowanie)
- Wschodzący (oprogramowanie)
- Enkog
- Szybkość entropii
- Erkki Oja
- Eurisko
- Europejska Konferencja na temat Sztucznej Inteligencji
- Ocena klasyfikatorów binarnych
- Strategia ewolucji
- Okno ewolucji
- Algorytm ewolucyjny do wykrywania punktów orientacyjnych
- Algorytm ewolucyjny
- Sztuka ewolucyjna
- Muzyka ewolucyjna
- Programowanie ewolucyjne
- Ewolucja (informatyka)
- Rozwinięta antena
- Ewolwer (oprogramowanie)
- Rozwijająca się funkcja klasyfikacji
- Propagacja oczekiwań
- Eksploracyjna analiza czynnikowa
- Wynik F1
- Grupowanie FLAME
- Analiza czynnikowa mieszanych danych
- Wykres czynnikowy
- Model regresji czynnikowej
- Uwzględniony model języka
- Najdalej-pierwsze przejście
- Drzewa szybkie i oszczędne
- Przybornik wyboru funkcji
- Haszowanie funkcji
- Skalowanie funkcji
- Wektor funkcji
- Algorytm świetlika
- Estymator pierwszej różnicy
- Uczeń indukcyjny pierwszego rzędu
- Wyszukiwanie szkół ryb
- Jądro Fisher
- Przybliżenie sprawności
- Sprawność fizyczna
- Wybór proporcjonalny do sprawności
- Biegły
- Składanie@dom
- Analiza koncepcji formalnej
- Algorytm do przodu
- Indeks Fowlkesa-Mallows
- Fryderyk Jelinek
- Frrole
- Analiza głównych składowych funkcjonalnych
- GATTO
- OGIENEK
- Gary Bryce Fogel
- Adaptacja Gaussa
- Proces Gaussa
- Emulator procesu Gaussa
- Przewidywanie genów
- Ogólna architektura inżynierii tekstu
- Błąd generalizacji
- Uogólniona korelacja kanoniczna
- Uogólnione filtrowanie
- Uogólnione skalowanie iteracyjne
- Uogólnione skalowanie wielowymiarowe
- Sieć generatywnych przeciwników
- Model generatywny
- Algorytm genetyczny
- Planowanie algorytmów genetycznych
- Algorytmy genetyczne w ekonomii
- Genetyczne systemy rozmyte
- Pamięć genetyczna (informatyka)
- Operator genetyczny
- Programowanie genetyczne
- Reprezentacja genetyczna
- Klaster geograficzny
- Język opisu gestów
- Geworkbench
- Słowniczek sztucznej inteligencji
- Glottochronologia
- Golem (ILP)
- Matryca Google
- Szczepienie (drzewa decyzyjne)
- Macierz gramiana
- Ewolucja gramatyczna
- Obliczenia granularne
- GraphLab
- Jądro wykresu
- Gremlin (język programowania)
- Funkcja wzrostu
- Algorytm HUMANT (HUMANoid ANT)
- Twierdzenie Hammersleya-Clifforda
- Wyszukiwanie harmonii
- Teoria Hebbowska
- Ukryte pole losowe Markowa
- Ukryty model semi-Markowa
- Hierarchiczny ukryty model Markowa
- Analiza czynnikowa wyższego rzędu
- Sieć autostrad
- Utrata zawiasu
- Twierdzenie o schemacie Hollanda
- Statystyka Hopkinsa
- Algorytm Hoshena-Kopelmana
- Strata Hubera
- IRCF360
- Ian Goodfellow
- Ilastik
- Ilja Sutskever
- Immunokomputery
- Imperialistyczny algorytm rywalizacji
- Nieautentyczny tekst
- Przyrostowe drzewo decyzyjne
- Indukcja języków regularnych
- Błąd indukcyjny
- Prawdopodobieństwo indukcyjne
- Programowanie indukcyjne
- Diagram wpływów
- Zbieranie informacji
- Rozmyte sieci informacyjne
- Zdobywanie informacji w drzewach decyzyjnych
- Współczynnik wzmocnienia informacji
- Dziedziczenie (algorytm genetyczny)
- Wybór instancji
- Intel RealSense
- Interakcja systemu cząstek
- Interaktywne tłumaczenie maszynowe
- Międzynarodowa wspólna konferencja na temat sztucznej inteligencji
- Międzynarodowe spotkanie na temat metod inteligencji obliczeniowej dla bioinformatyki i biostatystyki
- Międzynarodowa Konferencja Sieci Semantycznej
- Zestaw danych kwiatu tęczówki
- Algorytm wyspowy
- Pozycja izotropowa
- Teoria odpowiedzi na przedmiot
- Iteracyjne dekodowanie Viterbiego
- JOONE
- Jabberwacki
- Indeks Jaccarda
- Szacunki wariancji scyzoryka dla losowego lasu
- Ewolucja gramatyczna Java
- Józef Nechvatal
- Jubatus
- Julia (język programowania)
- Algorytm drzewa połączeń
- K-SVD
- K-średnie++
- Grupowanie K-median
- K-medoidy
- KNIME
- KXEN Inc.
- K q-mieszkania
- Kaggle
- Filtr Kalmana
- Model wycofywania Katza
- Filtr adaptacyjny jądra
- Szacowanie gęstości jądra
- Głos własny jądra
- Osadzanie dystrybucji w jądrze
- Metoda jądra
- Perceptron jądra
- Losowy las jądra
- Kinect
- Klausa-Roberta Müllera
- Wygładzanie Knesera-Neya
- Skarbiec wiedzy
- Integracja wiedzy
- LIBSVM
- LPBoost
- Oznaczone dane
- JęzykWare
- Urządzenie do akwizycji języka (komputer)
- Identyfikacja języka w limicie
- Model języka
- Duży margines najbliższego sąsiada
- Utajona alokacja Dirichleta
- Utajony model klasy
- Utajona analiza semantyczna
- Zmienna ukryta
- Model zmiennej ukrytej
- Górnik kratowy
- Warstwowy ukryty model Markowa
- Ucząca się klasa funkcji
- Funkcja najmniejszych kwadratów obsługuje maszynę wektorową
- Pomiń jeden błąd
- Leslie P. Kaelbling
- Liniowe programowanie genetyczne
- Funkcja predyktora liniowego
- Oddzielność liniowa
- Lingyun Gu
- Linkurious
- Lior Ron (dyrektor biznesowy)
- Lista zastosowań algorytmów genetycznych
- Lista metaheurystyk opartych na metaforach
- Lista oprogramowania do eksploracji tekstu
- Lokalne pobieranie próbek do kontroli przypadków
- Lokalna niezależność
- Lokalne wyrównanie przestrzeni stycznych
- Hashowanie zależne od lokalizacji
- Model log-liniowy
- Drzewo modelu logistycznego
- Przybliżenie niskiej rangi
- Przybliżenia macierzy niskiego rzędu
- MATLAB
- MIMIC (immunologia)
- MXNet
- Mallet (projekt oprogramowania)
- Rozmaitość regularyzacji
- Zrelaksowany algorytm z marginesem
- Klasyfikator marży
- Mark V. Shaney
- Ogromna analiza online
- Regularyzacja macierzy
- Współczynnik korelacji Matthews
- Średnia zmiana
- Błąd średniokwadratowy
- Średniokwadratowy błąd przewidywania
- Niezmienność pomiaru
- Medoid
- MeeMix
- Melomika
- Algorytm memetyczny
- Metaoptymalizacja
- Meksykańska Międzynarodowa Konferencja na temat Sztucznej Inteligencji
- Michael Kearns (informatyk)
- MinHasz
- Model mieszany
- Mlpy
- Modele ewolucji DNA
- Wykres moralny
- Problem z autem górskim
- Movidius
- Wieloręki bandyta
- Klasyfikacja z wieloma etykietami
- Programowanie wielu wyrażeń
- Klasyfikacja wieloklasowa
- Analiza wielowymiarowa
- Wieloczynnikowa redukcja wymiarowości
- Wieloliniowa analiza głównych składowych
- Wielokrotna analiza korespondencji
- Wielokrotna analiza dyskryminacyjna
- Analiza wieloczynnikowa
- Wielokrotne dopasowanie sekwencji
- Metoda multiplikatywnej aktualizacji wagi
- Rozpoznawanie wzorców wielospektralnych
- Mutacja (algorytm genetyczny)
- MysteryVibe
- N-gram
- NOMINACJA (metoda skalowania)
- Identyfikacja w języku ojczystym
- Zestaw narzędzi do języka naturalnego
- Strategia naturalnej ewolucji
- Algorytm łańcucha najbliższego sąsiada
- Najbliższy klasyfikator centroid
- Wyszukiwanie najbliższego sąsiada
- Dołączenie sąsiada
- Laboratorium Nest
- NetMiner
- NetOwl
- Projektant neuronowy
- Obiekt inżynierii neuronowej
- Laboratorium neuronowe
- Pola modelowania neuronowego
- Oprogramowanie do sieci neuronowych
- NeuroRozwiązania
- Neurolaboratorium
- Neuroewolucja
- Neurof
- Niki.ai
- Głośny model kanału
- Zaszumiona analiza tekstu
- Nieliniowa redukcja wymiarowości
- Wykrywanie nowości
- Zmienna uciążliwości
- Numenta
- Klasyfikacja jednej klasy
- Onnx
- OpenNLP
- Optymalna analiza dyskryminacyjna
- Eksploracja danych Oracle
- Pomarańczowy (oprogramowanie)
- Ordynacja (statystyki)
- Dopasowanie
- PROGOL
- PSIPRED
- Przydział Pachinko
- PageRank
- Metaheurystyka równoległa
- Wskaźnik parzystości
- Oznaczanie części mowy
- Optymalizacja roju cząstek
- Zależność od ścieżki
- Język wzorca (języki formalne)
- Synapsy Peltariona
- Zakłopotanie
- Perski Korpus Mowy
- Pica (aplikacja)
- Pietro Perona
- Pilot rurociągu
- Pirania (oprogramowanie)
- Proces Pitman-Yor
- Zapis tablicowy
- Jądro wielomianowe
- Automatyzacja muzyki pop
- Proces populacji
- Przenośny format do analizy
- Język znaczników modelu predykcyjnego
- Predykcyjna reprezentacja państwa
- Regresja preferencji
- Przedwczesna konwergencja
- Główne analizy geodezyjne
- Wcześniejsza wiedza na temat rozpoznawania wzorców
- Prisma (aplikacja)
- Probabilistyczne Rdzenie Działania
- Probabilistyczna gramatyka bezkontekstowa
- Probabilistyczna ukryta analiza semantyczna
- Probabilistyczna miękka logika
- Dopasowanie prawdopodobieństwa
- Model probitowy
- Produkt ekspertów
- Programowanie z Big Data w R
- Właściwy uogólniony rozkład de
- Przycinanie (drzewa decyzyjne)
- Pushpak Bhattacharyja
- Metodologia Q
- Qloo
- Kontrola jakości i algorytmy genetyczne
- Laboratorium sztucznej inteligencji kwantowej
- Teoria kolejkowania
- Szybkie losowanie!
- R (język programowania)
- Rada Mihalcea
- Złożoność Rademachera
- Jądro promieniowej funkcji bazowej
- Indeks Rand
- Indeksowanie losowe
- Projekcja losowa
- Metoda podprzestrzeni losowej
- Ranking SVM
- RapidMiner
- GUI grzechotki
- Raymond Cattell
- System rozumowania
- Perspektywy regularyzacji na maszynach wektorów nośnych
- Eksploracja danych relacyjnych
- Kwadrat relacji
- Maszyna wektorów trafności
- Relief (wybór funkcji)
- Renjin
- Siatka repertuaru
- Twierdzenie o reprezentacji
- Wybór oparty na nagrodach
- Ryszard Zemel
- Prawo do wyjaśnienia
- RoboZiemia
- Solidna analiza głównych składników
- Sympozjum RuleML
- Indukcja reguł
- Rodzina systemów ekstrakcji reguł
- SAS (oprogramowanie)
- SNNS
- Modelarz SPSS
- PODKLUB
- Złożoność próbki
- Przykładowy wymiar wykluczenia
- Problem szlaku Santa Fe
- Technologia Savi
- Schemat (algorytmy genetyczne)
- Inżynieria oprogramowania oparta na wyszukiwaniu
- Selekcja (algorytm genetyczny)
- Samoobsługowy pakiet semantyczny
- Składanie semantyczne
- Mapowanie semantyczne (statystyki)
- Osadzanie półokreślone
- Sieci zmysłów
- Projekt Sensorium
- Etykietowanie sekwencji
- Sekwencyjna minimalna optymalizacja
- Rozbity zestaw
- Szogun (skrzynka z narzędziami)
- Sylwetka (klastrowanie)
- SimHash
- SimRank
- Miara podobieństwa
- Prosty współczynnik dopasowania
- Jednoczesna lokalizacja i mapowanie
- Statystyka Sinkowa
- Pokrojona regresja odwrotna
- Węże i drabiny
- Miękkie niezależne modelowanie analogii klas
- Algorytm Viterbiego z miękkim wyjściem
- Teoria wnioskowania indukcyjnego Solomonoffa
- Oprogramowanie SolveIT
- Klastrowanie widmowe
- Wybór zmiennej kolca i płyty
- Statystyczne tłumaczenie maszynowe
- Analiza statystyczna
- Semantyka statystyczna
- Stefano Soatto
- Stephen Wolfram
- Stochastyczny model blokowy
- Stochastyczny automat komórkowy
- Wyszukiwanie dyfuzji stochastycznej
- Gramatyka stochastyczna
- Macierz stochastyczna
- Stochastyczne pobieranie próbek uniwersalnych
- Majoryzacja stresu
- Jądro łańcuchowe
- Modelowanie równań strukturalnych
- Minimalizacja ryzyka strukturalnego
- Ustrukturyzowana regularyzacja rzadkości
- Strukturalna maszyna wektora nośnego
- Osiągalność podklasy
- Wystarczająca redukcja wymiarów
- Algorytm Sukhotina
- Suma różnic bezwzględnych
- Suma bezwzględnych różnic przekształconych
- Inteligencja roju
- Przełączanie filtra Kalmana
- Regresja symboliczna
- Synchroniczna gramatyka bezkontekstowa
- Rozpoznawanie wzorców składniowych
- TD-Gammon
- TIMIT
- Nauczanie wymiaru
- Teuvo Kohonen
- Tekstowe rozumowanie oparte na przypadkach
- Teoria pomiaru połączonego
- Thomas G. Dietterich
- Model turstonowski
- Model tematyczny
- Wybór turnieju
- Zestawy szkoleniowe, testowe i walidacyjne
- Transiogram
- Rozpoznawanie obrazu Trax
- Tagowanie trygramów
- Wybór skrócenia
- Rozkład Tuckera
- UIMA
- UPGMA
- Twierdzenie o brzydkim kaczątku
- Niepewne dane
- Jednostajna zbieżność prawdopodobieństwa
- Unikalny negatywny wymiar
- Uniwersalny algorytm portfela
- Analiza zachowań użytkowników
- Wymiar VC
- WIGRA
- Zestaw walidacyjny
- Teoria Vapnika-Chervonenkisa
- Sieć bayesowska o zmiennym rzędzie
- Estymacja zmiennej gęstości jądra
- Analiza reguł zmiennych
- Przekazywanie wiadomości wariacyjnych
- Rotacja Varimax
- Kwantyzacja wektorowa
- Zastępca (firma)
- Algorytm Viterbiego
- Wołpal Wabbit
- Algorytm grupowania WACA
- WPGMA
- Metoda Warda
- Program łasica
- Transformacja wybielająca
- Winnow (algorytm)
- Wygraj-zostań, przegraj-zmień
- Zestaw świadków
- Język Wolfram
- Wolfram Matematyka
- Niezmienny pisarz
- Xgboost
- Yooreeka
- Zero (oprogramowanie)
Dalsza lektura
- Trevor Hastie , Robert Tibshirani i Jerome H. Friedman (2001). Elementy statystycznego uczenia się , Springer. ISBN 0-387-95284-5 .
- Pedro Domingos (wrzesień 2015), The Master Algorithm , Basic Books, ISBN 978-0-465-06570-7
- Mehryar Mohri , Afshin Rostamizadeh, Ameet Talwalkar (2012). Podstawy uczenia maszynowego , The MIT Press. ISBN 978-0-262-01825-8 .
- Ian H. Witten i Eibe Frank (2011). Eksploracja danych: Praktyczne narzędzia i techniki uczenia maszynowego Morgan Kaufmann, 664 s., ISBN 978-0-12-374856-0 .
- Davida JC MacKaya . Teoria informacji, wnioskowanie i algorytmy uczenia Cambridge: Cambridge University Press, 2003. ISBN 0-521-64298-1
- Richard O. Duda , Peter E. Hart , David G. Stork (2001) Klasyfikacja wzorcowa (wydanie drugie), Wiley, New York, ISBN 0-471-05669-3 .
- Krzysztof Biskup (1995). Sieci neuronowe do rozpoznawania wzorców , Oxford University Press. ISBN 0-19-853864-2 .
- Władimir Wapnik (1998). Statystyczna teoria uczenia się . Wiley-Interscience, ISBN 0-471-03003-1 .
- Ray Solomonoff , An Induction Inference Machine , Rekord Konwencji IRE, Sekcja Teorii Informacji, część 2, s. 56-62, 1957.
- Ray Solomonoff , „ An Induction Inference Machine ” Prywatnie rozpowszechniany raport z letniej konferencji badawczej Dartmouth Summer Research Conference na temat sztucznej inteligencji w 1956 roku .
Bibliografia
Linki zewnętrzne
- Data Science: dane do wglądu z MIT (uczenie maszynowe)
- Popularny kurs online Andrew Ng na Coursera . Używa GNU Octave . Kurs jest darmową wersją kursu z Uniwersytetu Stanforda prowadzonego przez Ng, patrz.stanford.edu/Course/CS229 dostępny za darmo].
- mloss to akademicka baza danych oprogramowania do uczenia maszynowego typu open source.