Генети́ческий алгори́тм — эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе. Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование, мутации, отбор и кроссинговер. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.
Роба́стное управле́ние — совокупность методов теории управления, целью которых является синтез такого регулятора, который обеспечивал бы хорошее качество управления, если объект управления отличается от расчётного или его математическая модель неизвестна. Таким образом, робастность означает малое изменение выхода замкнутой системы управления при малом изменении параметров объекта управления. Системы, обладающие свойством робастности, называются робастными (грубыми) системами. Обычно робастные контроллеры применяются для управления объектами с неизвестной или неполной математической моделью, и содержащими неопределённости.
Data mining — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Термин введён Григорием Пятецким-Шапиро в 1989 году.
Под гибридной интеллектуальной системой (ГиИС) принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГиИС — это совокупность:
- аналитических моделей
- экспертных систем
- искусственных нейронных сетей
- нечётких систем
- генетических алгоритмов
- имитационных статистических моделей
Эволюционные алгоритмы — направление в искусственном интеллекте, которое использует и моделирует процессы естественного отбора.
Генетическое программирование — автоматическое создание или изменение программ с помощью генетических алгоритмов, развитие парадигмы эволюционного программирования. С помощью этой методологии «выращиваются» программы, всё лучше и лучше решающие поставленную вычислительную задачу.
Эволюционное моделирование использует признаки теории Дарвина для построения интеллектуальных систем. Является частью более обширной области искусственного интеллекта — вычислительного интеллекта.
Интеллектуальное управление — методы управления, которые используют различные подходы искусственного интеллекта, такие как искусственные нейронные сети, нечёткая логика, машинное обучение, эволюционные вычисления и генетические алгоритмы.
Вычислительный интеллект — ответвление искусственного интеллекта. Как альтернатива классическому искусственному интеллекту, основанному на строгом логическом выводе, он опирается на эвристические алгоритмы, используемые, например, в нечёткой логике, искусственных нейронных сетях и эволюционном моделировании. Кроме того, вычислительный интеллект охватывает такие области как роевой интеллект, фракталы и теория хаоса, искусственная иммунная система, вейвлеты и т. д.
Метод роя частиц (МРЧ) — метод численной оптимизации, для использования которого не требуется знать точного градиента оптимизируемой функции.
Эволюционная стратегия — эвристический метод оптимизации в разделе эволюционных алгоритмов, основанный на адаптации и эволюции. Метод разработан в 1964 году немецким учёным Инго Рехенбергом и развит в дальнейшем Ханс-Полом Швефелом и другими.
Ульянов Сергей Викторович — российский учёный.
Gerasim@Home — российский проект добровольных распределенных вычислений на платформе BOINC. Проект стартовал в тестовом режиме в феврале 2008 года. Отличительной особенностью серверной части проекта, разработанной С. Ю. Валяевым, является использование операционной системы Windows Server 2008 и связки Microsoft SQL Server с ASP.NET, в то время как стандартный набор приложений от разработчиков BOINC требует использования операционной системы Linux или Unix. По состоянию на 23 июля 2015 года в проекте приняли участие 1999 пользователей из 62 стран, обеспечивая производительность 1—5 терафлопс. Участвовать в проекте может любой желающий, обладающий компьютером с выходом в Интернет, установив на него программу BOINC Manager.
Семенкин, Евгений Станиславович — д.т. н., профессор кафедры системного анализа и исследования операций Сибирского государственного университета науки и технологий имени академика М. Ф. Решетнева (СибГУ), специалист в области системного анализа, методов оптимизации, эволюционных методов, машинного обучения и вычислительного интеллекта. Профессор Е. С. Семенкин является основателем и руководителем Красноярской научной школы по эволюционным методам моделирования и оптимизации сложных систем. Ему принадлежат более 350 научных и 15 учебно-методических работ, а также более 70 авторских свидетельств на программные системы. Под руководством Е. С. Семенкина защищено 3 докторских и более 20 кандидатских диссертаций по техническим, физико-математическим и экономическим наукам.
Глубокое обучение — совокупность методов машинного обучения, основанных на обучении представлениям, а не специализированных алгоритмах под конкретные задачи. Многие методы глубокого обучения были известны ещё в 1980-е, но результаты не впечатляли, пока продвижения в теории искусственных нейронных сетей и вычислительные мощности середины 2000-х годов не позволили создавать сложные технологические архитектуры нейронных сетей, обладающие достаточной производительностью и позволяющие решать широкий спектр задач, не поддававшихся эффективному решению ранее, например, в компьютерном зрении, машинном переводе, распознавании речи, причём качество решения во многих случаях теперь сопоставимо, а в некоторых превосходит эффективность человека.
Адаптивная сеть на основе системы нечеткого вывода или Адаптивная нейро-нечеткая система вывода, ANFIS — это искусственная нейронная сеть, основанная на нечеткой системе вывода Такаги-Сугено.
Безопасность туманных вычислений — меры безопасности, применяемые для предотвращения несанкционированного доступа, использования, раскрытия, искажения, изменения, исследования, записи или уничтожения информации, обрабатываемой в инфраструктуре туманных вычислений. Основная задача безопасности туманных вычислений — сбалансированная защита конфиденциальности, целостности и доступности данных, с учётом целесообразности применения и без какого-либо ущерба производительности инфраструктуры. Это достигается, в основном, посредством многоэтапного процесса управления рисками, который позволяет идентифицировать основные средства и нематериальные активы, источники угроз, уязвимости, потенциальную степень воздействия и возможности управления рисками. После определения критических проблем безопасности, характерных для конкретной реализации инфраструктуры туманных вычислений, вырабатываются необходимые политики безопасности, разрабатываются и реализуются стратегии с целью снижения вероятности реализации риска и минимизации возможных негативных последствий. Этот процесс сопровождается оценкой эффективности плана по управлению рисками.
Аркадий Никола́евич Борисов — советский и латвийский учёный в области нечётких систем и мягких вычислений.
