برنامه نویسی کودکان و نوجوانان

استدلال قیاسی در منطق، فرآیند اثبات یک گزار سایت های هوش مصنوعی برای کودکان ه جدید (نتیجه گیری) از گزاره های دیگر است که گفته می شود و درست فرض می شود (مقدمات).[83] پروف‌ها را می‌توان به‌عنوان درخت‌های اثبات ساختار داد، که در آن گره‌ها با جملات برچسب‌گذاری می‌شوند و گره‌های فرزند با قوانین استنتاج به گره‌های والد متصل می‌شوند.

با توجه به یک مسئله و مجموعه‌ای از مقدمات، حل م سایت های هوش مصنوعی برای کودکان سئله به جستجوی درخت اثباتی کاهش می‌یابد که گره ریشه آن با راه‌حل مسئله و گره‌های برگ آن با مقدمات یا بدیهیات برچسب‌گذاری شده‌اند. در مورد بندهای هورن، جستجوی حل مسئله را می توان با استدلال به جلو از مقدمات یا به عقب از مسئله انجام داد.[84] در حالت کلی‌تر شکل بند منطق مرتبه اول، تفکیک یک قاعده استنتاج واحد و بدون بدیهیات است که در آن یک مسئله با اثبات یک تناقض از مقدماتی که شامل نفی مسئله قابل حل است، حل می‌شود. [85]

استنتاج هم در منطق بند شاخ و هم در منطق مرتبه اول غ سایت های هوش مصنوعی برای کودکان یرقابل تصمیم گیری است و بنابراین غیرقابل حل است. با این حال، استدلال معکوس با بندهای هورن، که مبنای محاسبات در زبان برنامه نویسی منطقی Prolog است، تورینگ کامل است. علاوه بر این، کارایی آن قابل رقابت با محاسبات در سایر زبان های برنامه نویسی نمادین است.[86]

منطق فازی یک "درجه صدق" را بین 0 و 1 اختصاص مسایت های هوش مصنوعی برای کودکان ی دهد. بنابراین می تواند گزاره هایی را که مبهم و تا حدی درست هستند مدیریت کند.[87]

منطق های غیر یکنواخت، از جمله برنامه ریزی منطقی با نفی به عنوان شکست، برای مدیریت استدلال پیش فرض طراحی شده اند.[31] سایر نسخه های تخصصی منطق برای توصیف بسیاری از حوزه های پیچیده توسعه یافته اند (به نمایش دانش در بالا مراجعه کنید).

روش های احتمالی برای استدلال نامطمئن

یک شبکه بیزی ساده، با جداول احتمال شرطی مرتبط

بسیاری از مشکلات در هوش مصنوعی (از جمله در اس سایت های هوش مصنوعی برای کودکان تدلال، برنامه ریزی، یادگیری، ادراک و روباتیک) مستلزم این است که عامل با اطلاعات ناقص یا نامشخص کار کند. محققان هوش مصنوعی تعدادی ابزار برای حل این مشکلات با استفاده از روش‌هایی از نظریه احتمال و اقتصاد ابداع کرده‌اند.[88]

شبکه‌های بیزی[89] ابزاری بسیار کلی هستند که می‌توانند برای بسیاری از مسائل از جمله استدلال (با استفاده از الگوریتم استنتاج بیزی)، یادگیری [g][91] (با استفاده از الگوریتم حداکثرسازی انتظار)، [h][93] استفاده شوند. برنامه ریزی (با استفاده از شبکه های تصمیم گیری)[94] و ادراک (با استفاده از شبکه های پویا بیزی).[95]

الگوریتم‌های احتمالی همچنین می‌توانند برای فیلتر  آموزش برنامه نویسی کودکان و نوجوانان  کردن، پیش‌بینی، هموارسازی و یافتن توضیحات برای جریان داده‌ها، کمک به سیستم‌های ادراک برای تجزیه و تحلیل فرآیندهایی که در طول زمان رخ می‌دهند (مانند مدل‌های پنهان مارکوف یا فیلترهای کالمن) استفاده شوند.[95]

ابزارهای ریاضی دقیقی ایجاد شده اند که آموزش برنامه نویسی کودکان و نوجوانان  تجزیه و تحلیل می کنند که چگونه یک عامل می تواند انتخاب کند و برنامه ریزی کند، با استفاده از تئوری تصمیم، تجزیه و تحلیل تصمیم، [96] و نظریه ارزش اطلاعات.[97] این ابزارها شامل مدل‌هایی مانند فرآیندهای تصمی سایت های هوش مصنوعی برای کودکان م مارکوف، [98] شبکه‌های تصمیم پویا، [95] نظریه بازی و طراحی مکانیسم هستند.[99]

خوشه‌بندی حداکثر انتظارات داده‌های فوران قدیمی وفادار از یک حدس تصادفی شروع می‌شود، اما سپس با موفقیت در یک خوشه‌بندی دقیق از دو حالت فیزیکی متمایز فوران همگرا می‌شود.

طبقه بندی کننده ها و روش های یادگیری آماری

ساده‌ترین برنامه‌های هوش مصنوعی را م سایت های هوش مصنوعی برای کودکان ی‌توان به دو نوع تقسیم کرد: طبقه‌بندی‌کننده (به عنوان مثال، «اگر براق است، پس الماس»)، از یک سو، و کنترل‌کننده‌ها (به‌عنوان مثال، «اگر الماس پس بگیر»)، از سوی دیگر. طبقه‌بندی‌کننده‌ها[100] توابعی هستند که از تطبیق الگو برای تعیین نزدیک‌ترین تطابق استفاده می‌کنند. آنها را می توان بر اساس نمونه های انتخابی با استفاده از یادگیری نظارت شده تنظیم کرد. هر الگو (که "مشاهده" نیز نامیده می شود) با یک کلاس از پیش تعریف شده مشخص برچسب گذاری می شود. همه  سایت های هوش مصنوعی برای کودکان مشاهدات همراه با برچسب های کلاس آنها به عنوان یک مجموعه داده شناخته می شوند. هنگامی که یک مشاهده جدید دریافت می شود، آن مشاهده بر اساس تجربه قبلی طبقه بندی می شود.[48]

انواع مختلفی از طبقه بندی کننده ها در حال استفاده هستند. درخت تصمیم ساده ترین و پرکاربردترین الگوریتم یادگیری ماشین نمادین است.[101] الگوریتم K نزدیکترین همسایه پرکاربردترین هوش مصنوعی قیاسی تا اواسط دهه 1990 بود، و روشهای هسته مانند ماشین بردار پشتیبان (SVM) k-نزدیکترین همسایه را  سایت های هوش مصنوعی برای کودکان در دهه 1990 جابجا کردند.[102] طبقه‌بندی‌کننده ساده بیز طبق گزارش‌ها «پرکاربردترین یادگیرنده»[103] در Google است که تا حدی به دلیل مقیاس‌پذیری آن است.[104] شبکه های عصبی نیز به عنوان طبقه بندی کننده استفاده می شوند.[105]

شبکه های عصبی مصنوعی

شبکه عصبی یک گروه به هم پیوسته از گره ه سایت های هوش مصنوعی برای کودکان ا است که شبیه به شبکه وسیع نورون ها در مغز انسان است.

یک شبکه عصبی مصنوعی مبتنی بر مجموعه‌ای از گره‌ها است که به عنوان نورون‌های مصنوعی نیز شناخته می‌شوند، که نورون‌ها را در یک مغز بیولوژیکی مدل‌سازی می‌کنند. برای تشخیص الگوها آموزش دیده است. پس از آموزش، می تواند آن الگوها را در داده های تازه تشخیص دهد. یک ورودی، حداقل یک لایه پنهان گره و یک خروجی وجود دارد. هر گره تابعی را اعمال می کند و هنگامی که وزن از آستانه تعیین شده خود عبور م Artificial intelligence sites for children ی کند، داده ها به لایه بعدی منتقل می شود. یک شبکه معمولاً یک شبکه عصبی عمیق نامیده می شود