強いAIと弱いAI - Wikipedia
強いAIと弱いAI（つよいエーアイとよわいエーアイ、英: strong AI and weak AI）は、人工知能（AI）が真の推論と問題解決の能力を身につけられるか否かをめぐる論争において用いられる用語である。 強いAIと弱いAIは哲学者のジョン・サールが考案した用語であり、彼は以下のように記述している。 …強いAIによれば、計算機（コンピュータ）は単なる道具ではなく、正しくプログラムされた計算機には精神が宿るとされる[1]。 サールは計算機と機械を区別している。彼は強いAIには批判的だが（例えば、中国語の部屋）、一方で「脳は機械であり、エネルギー転送によって意識を生じる」とも述べている[2]。 人工知能という言葉は、「人工」と「知能」の意味からいえば「強いAI」とほぼ同義と言える。しかし、初期の人工知能研究はパターン認識や自動計画といった狭い領域に集中しており、そういった研究が最終的に
エラトステネスの篩 - Wikipedia
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "エラトステネスの篩" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2019年6月) エラトステネスの篩 (エラトステネスのふるい、英: Sieve of Eratosthenes) は、指定された整数以下の全ての素数を発見するための単純なアルゴリズムである。古代ギリシアの科学者、エラトステネスが考案したとされるため、この名がついている。
数値解析 - Wikipedia
バビロニアの粘土板 YBC 7289 （紀元前1800-1600年頃）。2の平方根の近似値は六十進法で4桁、十進法では約6桁に相当する。1 + 24/60 + 51/602 + 10/603 = 1.41421296... [1]。(Image by Bill Casselman) 数値解析（すうちかいせき、英: numerical analysis）は、計算機代数（英語版）とは対照的に、数値計算によって解析学の問題を近似的に解く数学の一分野である。 （狭義には「数値解析」とは「数値計算方法」の数学的な解析・分析（mathematical analysis of numerical methods）のことであり，広義の意味＝数値を使って問題の解析・分析を行う（Analysis by numerical methods）・式でなく数値で計算を行う「数値計算」（numerical comput
階層分析法 - Wikipedia
階層分析法（かいそうぶんせきほう）は、意思決定における問題の分析において、人間の主観的判断とシステムアプローチとの両面からこれを決定する問題解決型の意思決定手法。AHP (Analytic Hierarchy Process) とも呼ばれる。ピッツバーグ大学のThomas L. Saatyが提唱した。 階層分析法の主な工程として、「階層構造の構築」、「一対比較」、「ウェイトの計算」、「総合評価値の計算」が挙げられる。 階層構造の構築では、問題の要素を「最終目標」、「評価基準」、「代替案」の3階層に分ける。これによって、明確に問題を捉えることができる。評価基準とは、代替案を評価する際の基準となるものである。具体的には、「価格」や「大きさ」、「デザイン」が挙げられるだろう。代替案は、最終目標を達成するために必要と思われる項目のことで、例えば問題が「ゲーム機の選定」であれば、各社のゲーム機が代替
)
木構造 (データ構造) - Wikipedia
この記事には参考文献や外部リンクの一覧が含まれていますが、脚注による参照が不十分であるため、情報源が依然不明確です。 適切な位置に脚注を追加して、記事の信頼性向上にご協力ください。（2023年1月） 木構造は、一般のグラフ構造と同様の、ノード（節点、頂点）とノード間を結ぶエッジ（枝、辺）あるいはリンクで表すこともできるが、木構造専用の、特に有向の根付き木となるような表現が使われることも多い。 データ構造として使われる木は、ほとんどの場合、根となるノードが決められた根付き木である。さらに、有向木であることも多い。[注 1] ノード間の関係は家系図に見立てた用語で表現される。木構造内の各ノードは、0個以上の子ノード (英: child node) を持ち、子ノードは木構造内では下方に存在する（木構造の成長方向は下とするのが一般的である）。子ノードを持つノードは、子ノードから見れば親ノード (英
モンテカルロ法 - Wikipedia
モンテカルロ法（モンテカルロほう、（英: Monte Carlo method、MC）とはシミュレーションや数値計算を乱数を用いて行う手法の総称。元々は、中性子が物質中を動き回る様子を探るためにスタニスワフ・ウラムが考案しジョン・フォン・ノイマンにより命名された手法。カジノで有名な国家モナコ公国の4つの地区（カルティ）の1つであるモンテカルロから名付けられた。ランダム法とも呼ばれる。 計算理論[編集] 計算理論の分野において、モンテカルロ法とは誤答する確率の上界が与えられる乱択アルゴリズム（ランダム・アルゴリズム）と定義される[1]。一例として素数判定問題におけるミラー-ラビン素数判定法がある。このアルゴリズムは与えられた数値が素数の場合は確実に Yes と答えるが、合成数の場合は非常に少ない確率ではあるが No と答えるべきところを Yes と答える場合がある。一般にモンテカルロ法は独立
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
