Slovar pojmov

Metode Monte Carlo

Kaj je Metode Monte Carlo?

Metode Monte Carlo so računske tehnike, ki z zelo velikim številom naključnih vzorcev približno določijo rezultate, ki jih je analitično težko izračunati. Sistem se tisočkrat simulira z naključno spreminjanimi predpostavkami, nato pa se analizira porazdelitev izidov. Organizacije jih uporabljajo za analizo tveganj, načrtovanje projektov ali vrednotenje portfeljev. Na področju UI se metode med drugim uporabljajo pri spodbujevalnem učenju in pri drevesnem iskanju v igrah.

Teme

simulacija
statistika
analiza tveganj

Preizkusite KI.ordo

Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.

Začni predstavitev

← Vsi pojmi

Sorodni pojmi

Bayesove mreže

Bayesove mreže so grafični modeli, ki spremenljivke predstavijo kot vozlišča, njihove verjetnostne odvisnosti pa kot usmerjene puščice. S pomočjo Bayesovega izreka pokažejo, kako nova opažanja spremenijo verjetnost drugih dogodkov. Primer je podpora pri diagnostiki: ocena najverjetnejšega vzroka na podlagi opaženih simptomov. Njihove prednosti so preglednost in zmožnost obravnave negotovih ali nepopolnih podatkov.

Verjetnost
Grafični modeli
+1

Spodbujevalno učenje (RL)

Spodbujevalno učenje je veja strojnega učenja, pri kateri se agent uči s poskusi in napakami. Deluje v okolju, za dobre izide prejema nagrade, za slabe pa kazni, in tako razvije strategijo, ki največ poveča njegovo skupno nagrado. Znani primeri so programi, ki obvladajo družabne igre, kot je go, vodenje robotov in natančno uravnavanje jezikovnih modelov na podlagi človeških ocen.

učna metoda
nagrada
+1

Napovedno modeliranje

Napovedno modeliranje je tehnično jedro napovedne analitike: iz primerov podatkov z znanimi izidi se zgradi model, ki za nove primere napove vrednost ali razred. Pogoste metode so regresija, odločitvena drevesa, naključni gozdovi in nevronske mreže. Model lahko na primer oceni ceno nepremičnine na podlagi površine, lokacije in leta izgradnje. Pred uvedbo se preizkusi na zadržanih podatkih, da se odkrije preveliko prileganje.

modeliranje
napoved
+1

Skriti Markovljev model (HMM)

Skriti Markovljev model (hidden Markov model, HMM) je statistični model za zaporedja, pri katerem so dejanska stanja skrita in jih je mogoče sklepati le iz opazljivih signalov. Opisuje verjetnost, da eno stanje sledi drugemu in da vsako stanje ustvari določeno opazovanje. HMM-ji so bili dolgo standard pri prepoznavanju govora in označevanju besednih vrst; danes se še vedno uporabljajo na primer v bioinformatiki in analizi časovnih vrst.

Statistika
Sekvenčni modeli
+1