This HTML5 document contains 81 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dctermshttp://purl.org/dc/terms/
yago-reshttp://yago-knowledge.org/resource/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-eshttp://es.dbpedia.org/resource/
n20https://global.dbpedia.org/id/
yagohttp://dbpedia.org/class/yago/
dbthttp://dbpedia.org/resource/Template:
dbpedia-ukhttp://uk.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
freebasehttp://rdf.freebase.com/ns/
dbpedia-fahttp://fa.dbpedia.org/resource/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
n15https://en.cppreference.com/w/cpp/algorithm/
dbpedia-frhttp://fr.dbpedia.org/resource/
wikipedia-enhttp://en.wikipedia.org/wiki/
dbchttp://dbpedia.org/resource/Category:
dbphttp://dbpedia.org/property/
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
goldhttp://purl.org/linguistics/gold/
wikidatahttp://www.wikidata.org/entity/
dbrhttp://dbpedia.org/resource/

Statements

Subject Item
dbr:Program_optimization
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Error-correcting_codes_with_feedback
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Glossary_of_artificial_intelligence
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Constant_false_alarm_rate
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Chosen-plaintext_attack
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Adaptive_algorithm
rdf:type
yago:PsychologicalFeature100023100 yago:Algorithm105847438 yago:Rule105846932 yago:YagoPermanentlyLocatedEntity yago:Event100029378 dbo:Software yago:Procedure101023820 yago:Act100030358 yago:Activity100407535 yago:WikicatAlgorithms yago:Abstraction100002137
rdfs:label
Algoritmo adaptativo Adaptive algorithm Algorithme adaptatif Адаптивний алгоритм
rdfs:comment
An adaptive algorithm is an algorithm that changes its behavior at the time it is run, based on information available and on a priori defined reward mechanism (or criterion). Such information could be the story of recently received data, information on the available computational resources, or other run-time acquired (or a priori known) information related to the environment in which it operates. An example of an adaptive algorithm in radar systems is the constant false alarm rate (CFAR) detector. Un algorithme adaptatif est un algorithme qui est capable de changer automatiquement son comportement en fonction de son contexte d’exécution pour atteindre des performances optimales. Les changements peuvent être sur les données manipulées par l’algorithme, des paramètres de configurations de l’environnement d’exécution et de l'occupation des ressources. Ces algorithmes sont des algorithmes au sens classique, le terme adaptatif est ici utilisé pour souligner le fait que le comportement de l'algorithme peut varier de façon importante selon l'environnement. Los algoritmos adaptativos son aquellos que modifican su conducta de forma automática durante su ejecución,​ atendiendo a los cambios que se producen en su entorno o en el propio programa. También puede modificar su comportamiento basado en la información disponible y en un mecanismo (o criterio) de recompensa definido a priori. Dicha información puede ser la historia de los datos recibidos recientemente, información sobre los recursos computacionales disponibles, u otra información adquirida en tiempo de ejecución relacionada con el entorno en el que opera. Адаптивний алгоритм — алгоритм, зміст якого змінюється з урахуванням вхідної інформації. Застосовується, як правило, в .
dcterms:subject
dbc:Algorithms
dbo:wikiPageID
8286430
dbo:wikiPageRevisionID
1055313223
dbo:wikiPageWikiLink
dbr:Algorithm dbr:Stable_partition dbr:AdaBoost dbr:Machine_learning dbr:Constant_false_alarm_rate dbr:Adaptive_optimization dbr:Adaptive_Huffman_coding dbr:Least_mean_squares_filter dbr:Adaptive_grammar dbc:Algorithms dbr:Adaptive_filter dbr:Stochastic_gradient_descent dbr:Learning_rate dbr:Adaptive_coordinate_descent dbr:Radar dbr:Prediction_by_partial_matching dbr:Adaptive_coding dbr:Adaptive_simulated_annealing dbr:Adaptive_sort dbr:Adaptive_Transform_Acoustic_Coding dbr:C++_Standard_Library dbr:Optimization dbr:Adaptation_(computer_science) dbr:Adaptive_quadrature dbr:MiniDisc dbr:Signal_processing dbr:Data_compression
dbo:wikiPageExternalLink
n15:stable_partition
owl:sameAs
yago-res:Adaptive_algorithm freebase:m.026z2cs dbpedia-fa:الگوریتم‌های_تطبیقی dbpedia-es:Algoritmo_adaptativo n20:u2kB wikidata:Q1988072 dbpedia-uk:Адаптивний_алгоритм dbpedia-fr:Algorithme_adaptatif
dbp:wikiPageUsesTemplate
dbt:Refimprove dbt:Reflist dbt:Soft-eng-stub
dbo:abstract
Адаптивний алгоритм — алгоритм, зміст якого змінюється з урахуванням вхідної інформації. Застосовується, як правило, в . Los algoritmos adaptativos son aquellos que modifican su conducta de forma automática durante su ejecución,​ atendiendo a los cambios que se producen en su entorno o en el propio programa. También puede modificar su comportamiento basado en la información disponible y en un mecanismo (o criterio) de recompensa definido a priori. Dicha información puede ser la historia de los datos recibidos recientemente, información sobre los recursos computacionales disponibles, u otra información adquirida en tiempo de ejecución relacionada con el entorno en el que opera. Un ejemplo de ellos es el algoritmo de ordenamiento , que al principio ordena los elementos utilizando el algoritmo quicksort, y que cambia a heapsort si percibe que se demora más de lo habitual (quicksort suele ordenar un array de elementos en O(n·log n) aunque tiene un orden de O(n2) en su peor caso). Los algoritmos adaptativos se usan en multitud de campos como, por ejemplo, el control o el procesado de señal. Entre los algoritmos adaptativos más utilizados también está el Filtro de mínimos cuadrados medios, que representa una clase de algoritmos estocásticos de ascenso de gradiente utilizados en el filtrado adaptativo y el aprendizaje automático. En el filtrado adaptativo, el LMS se utiliza para imitar un filtro deseado encontrando los coeficientes del filtro que se relacionan con la producción del menor cuadrado medio de la señal de error (diferencia entre la señal deseada y la real). Otro tipo de algoritmos adaptativos serían los filtros digitales adaptitivos que podrán ser tanto FIR como IIR que seránaquellos cuyos coeficientes no permanezcan constantes sino que son actualizados periódicamente por un algoritmo adaptativo. En general, un filtro digital adaptativo consta de dos partes: un filtro digital pero de coeficientes variables que procesa las señales deseadas, y un algoritmo adaptativo encargado de ajustar los coeficientes de dicho filtro. Otro ejemplo de algoritmo adaptativo en los sistemas de radar es el índice de falsa alarma constante (CFAR). En aprendizaje automático y optimización, muchos algoritmos son adaptativos o tienen variantes adaptativas, lo que suele significar que los parámetros del algoritmo como la se ajustan automáticamente en función de las estadísticas sobre la optimización hasta el momento (por ejemplo ).​ En la compresión de datos, los algoritmos de como la o la pueden tomar un flujo de datos como entrada, y adaptar su técnica de compresión basándose en los símbolos que ya han encontrado. ​ En procesamiento de señales, el (ATRAC) utilizado en las grabadoras de MiniDisc se denomina "adaptativo" porque la longitud de la ventana (el tamaño de un "trozo" de audio) puede cambiar según la naturaleza del sonido que se comprime, para intentar conseguir la estrategia de compresión que mejor suene. An adaptive algorithm is an algorithm that changes its behavior at the time it is run, based on information available and on a priori defined reward mechanism (or criterion). Such information could be the story of recently received data, information on the available computational resources, or other run-time acquired (or a priori known) information related to the environment in which it operates. Among the most used adaptive algorithms is the Widrow-Hoff’s least mean squares (LMS), which represents a class of stochastic gradient-descent algorithms used in adaptive filtering and machine learning. In adaptive filtering the LMS is used to mimic a desired filter by finding the filter coefficients that relate to producing the least mean square of the error signal (difference between the desired and the actual signal). For example, , using no additional memory is O(n lg n) but given O(n) memory, it can be O(n) in time. As implemented by the C++ Standard Library, stable_partition is adaptive and so it acquires as much memory as it can get (up to what it would need at most) and applies the algorithm using that available memory. Another example is adaptive sort, whose behavior changes upon the presortedness of its input. An example of an adaptive algorithm in radar systems is the constant false alarm rate (CFAR) detector. In machine learning and optimization, many algorithms are adaptive or have adaptive variants, which usually means that the algorithm parameters such as learning rate are automatically adjusted according to statistics about the optimisation thus far (e.g. the rate of convergence). Examples include adaptive simulated annealing, adaptive coordinate descent, adaptive quadrature, AdaBoost, Adagrad, Adadelta, RMSprop, and Adam. In data compression, adaptive coding algorithms such as Adaptive Huffman coding or Prediction by partial matching can take a stream of data as input, and adapt their compression technique based on the symbols that they have already encountered. In signal processing, the Adaptive Transform Acoustic Coding (ATRAC) codec used in MiniDisc recorders is called "adaptive" because the window length (the size of an audio "chunk") can change according to the nature of the sound being compressed, to try to achieve the best-sounding compression strategy. Un algorithme adaptatif est un algorithme qui est capable de changer automatiquement son comportement en fonction de son contexte d’exécution pour atteindre des performances optimales. Les changements peuvent être sur les données manipulées par l’algorithme, des paramètres de configurations de l’environnement d’exécution et de l'occupation des ressources. Ces algorithmes sont des algorithmes au sens classique, le terme adaptatif est ici utilisé pour souligner le fait que le comportement de l'algorithme peut varier de façon importante selon l'environnement. On parle par exemple d'apprentissage adaptatif pour le boosting en apprentissage automatique (par exemple l'algorithme Adaboost), de filtrage adaptatif en traitement du signal et en géométrie algorithmique.
gold:hypernym
dbr:Algorithm
prov:wasDerivedFrom
wikipedia-en:Adaptive_algorithm?oldid=1055313223&ns=0
dbo:wikiPageLength
4116
foaf:isPrimaryTopicOf
wikipedia-en:Adaptive_algorithm
Subject Item
dbr:Learning_rate
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Adaptive_architecture
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Adaptive_grammar
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Hilbert–Huang_transform
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Phosh
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
dbr:Swathi_Weapon_Locating_Radar
dbo:wikiPageWikiLink
dbr:Adaptive_algorithm
Subject Item
wikipedia-en:Adaptive_algorithm
foaf:primaryTopic
dbr:Adaptive_algorithm