Sztuczna inteligencja: Różnice pomiędzy wersjami
Z Studia Informatyczne
Przejdź do nawigacjiPrzejdź do wyszukiwania
→Moduły: Lista pozostałych modułów |
Tytuły modułów |
||
| Linia 9: | Linia 9: | ||
==Opis== | ==Opis== | ||
Celem wykładu jest zarysowanie podstawowych technik sztucznej inteligencji i ujęcie ich w kontekście algorytmicznym. Omówione będa w skrócie metody wnioskowania dedukcyjnego i indukcyjnego. Po zakończeniu wykładu słuchacz powinien biegle się posługiwać technikami sztucznej inteligencji we wspieraniu procesów podejmowania decyzji, takich jak np. prognozowanie, planowanie, diagnostyka, sterowanie. W ramach projektu słuchacze będą samodzielnie implementować jeden z omawianych algorytmów lub badać właściwości algorytmów dla różnych danych testowych korzystając z gotowych implementacji dosarczanych w niekomercyjnych środowiskach testowych (np. R, Octave, OpenOffice) | Celem wykładu jest zarysowanie podstawowych technik sztucznej inteligencji i ujęcie ich w kontekście algorytmicznym. Omówione będa w skrócie metody wnioskowania dedukcyjnego i indukcyjnego. Po zakończeniu wykładu słuchacz powinien biegle się posługiwać technikami sztucznej inteligencji we wspieraniu procesów podejmowania decyzji, takich jak np. prognozowanie, planowanie, diagnostyka, sterowanie. W ramach projektu słuchacze będą samodzielnie implementować jeden z omawianych algorytmów lub badać właściwości algorytmów dla różnych danych testowych korzystając z gotowych implementacji dosarczanych w niekomercyjnych środowiskach testowych (np. R, Octave, OpenOffice) | ||
==Wymagania wstępne== | |||
==Sylabus== | |||
===Wymagania wstępne=== | |||
*Analiza matematyczna | *Analiza matematyczna | ||
*Logika matematyczna | *Logika matematyczna | ||
*Programowanie | *Programowanie | ||
== | ===Zawartość=== | ||
*Znaczenie inteligencji, inteligencja naturalna i sztuczna, zakres badań nad sztuczną inteligencją | *Znaczenie inteligencji, inteligencja naturalna i sztuczna, zakres badań nad sztuczną inteligencją | ||
*Wnioskowanie - sformułowanie zadania, składnia i semantyka języka logiki, budowa systemu automatycznego wnioskowania | *Wnioskowanie - sformułowanie zadania, składnia i semantyka języka logiki, budowa systemu automatycznego wnioskowania | ||
| Linia 28: | Linia 31: | ||
*Sieci neuronowe, problem uczenia perceptronu wielowarstwowego | *Sieci neuronowe, problem uczenia perceptronu wielowarstwowego | ||
*Uczenie ze wzmocnieniem - sfromułowanie zadania, dyskusja funkcji wartości, uczenie ze wzmocnieniem jako metoda aproksymacji funkcji wartości | *Uczenie ze wzmocnieniem - sfromułowanie zadania, dyskusja funkcji wartości, uczenie ze wzmocnieniem jako metoda aproksymacji funkcji wartości | ||
==Literatura== | ===Literatura=== | ||
*G. Luger, Artificial intelligence, WNT, w przygotowaniu (lub wersja angielska). | *G. Luger, Artificial intelligence, WNT, w przygotowaniu (lub wersja angielska). | ||
*P. Cichosz. Systemy uczące się. WNT, 2000. | *P. Cichosz. Systemy uczące się. WNT, 2000. | ||
| Linia 36: | Linia 39: | ||
==Moduły== | ==Moduły== | ||
* [[Sztuczna_inteligencja/SI Moduł 1| O czym jest ten przedmiot]] ([[SI Ćwiczenia 1|Ćwiczenia]]) | * [[Sztuczna_inteligencja/SI Moduł 1| O czym jest ten przedmiot]] ([[SI Ćwiczenia 1|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/SI Moduł 2| | * [[Sztuczna_inteligencja/SI Moduł 2| Od logiki do wnioskowania]] ([[SI Ćwiczenia 2|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 3| Wnioskowanie w PROLOG'u]] ([[SI Ćwiczenia | * [[Sztuczna_inteligencja/Moduł 3| Wnioskowanie w PROLOG'u]] ([[SI Ćwiczenia 3|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 4| | * [[Sztuczna_inteligencja/SI Moduł 4| Wnioskowanie na podstawie wiedzy niepewnej i niepełnej]] ([[SI Ćwiczenia 4|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 5| | * [[Sztuczna_inteligencja/SI Moduł 5| Wnioskowanie jako metoda przeszukiwania]] ([[SI Ćwiczenia 5|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 6| | * [[Sztuczna_inteligencja/SI Moduł 6| Strategie przeszukiwania z funkcją oceny]] ([[SI Ćwiczenia 6|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 7| | * [[Sztuczna_inteligencja/SI Moduł 7| Metody przeszukiwania losowego]] ([[SI Ćwiczenia 7|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 8| | * [[Sztuczna_inteligencja/SI Moduł 8| Gry dwuosobowe]] ([[SI Ćwiczenia 8|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 9| Moduł]] ([[SI Ćwiczenia | * [[Sztuczna_inteligencja/SI Moduł 9| Moduł]] ([[SI Ćwiczenia 9|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 10| | * [[Sztuczna_inteligencja/SI Moduł 10| Klasyfikacja]] ([[SI Ćwiczenia 10|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 11| | * [[Sztuczna_inteligencja/SI Moduł 11| Aproksymacja]] ([[SI Ćwiczenia 11|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 12| | * [[Sztuczna_inteligencja/SI Moduł 12| Sieci neuronowe]] ([[SI Ćwiczenia 12|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/Moduł 13| | * [[Sztuczna_inteligencja/SI Moduł 13| Uczenie się ze wzmocnieniem]] ([[SI Ćwiczenia 13|Ćwiczenia]]) | ||
Wersja z 06:47, 1 lip 2006
Autor sylabusa
dr inż. Jarosław Arabas
jarabas@ise.pw.edu.pl
Nazwa zajęć
Wstęp do sztucznej inteligencji
Typ zajęć
wykład (30 godz.) + projekt (15 godz.)
Opis
Celem wykładu jest zarysowanie podstawowych technik sztucznej inteligencji i ujęcie ich w kontekście algorytmicznym. Omówione będa w skrócie metody wnioskowania dedukcyjnego i indukcyjnego. Po zakończeniu wykładu słuchacz powinien biegle się posługiwać technikami sztucznej inteligencji we wspieraniu procesów podejmowania decyzji, takich jak np. prognozowanie, planowanie, diagnostyka, sterowanie. W ramach projektu słuchacze będą samodzielnie implementować jeden z omawianych algorytmów lub badać właściwości algorytmów dla różnych danych testowych korzystając z gotowych implementacji dosarczanych w niekomercyjnych środowiskach testowych (np. R, Octave, OpenOffice)
Sylabus
Wymagania wstępne
- Analiza matematyczna
- Logika matematyczna
- Programowanie
Zawartość
- Znaczenie inteligencji, inteligencja naturalna i sztuczna, zakres badań nad sztuczną inteligencją
- Wnioskowanie - sformułowanie zadania, składnia i semantyka języka logiki, budowa systemu automatycznego wnioskowania
- Język PROLOG jako przykładowy system wnioskowania, realizacja zasady wnioskowania automatycznego, przykładowe predykaty, PROLOG jako język deklaratywny
- Rola niedoskonałej wiedzy we wnioskowaniu - wnioskowanie Bayesowskie, logika rozmyta
- Wnioskowanie jako zadanie przeszukiwania przestrzeni, strategie przeszukiwania w głąb i wszerz
- Metoda przeszukiwania przestrzeni "najpierw najlepszy", rola i pożądane własciwości funkcji oceniającej i funkcji heurystycznej
- Przegląd wybranych strategii przeszukiwania przestrzeni - metoda wzrostu, błądzenia przypadkowego symulowanego wyżarzania
- Strategie gier dwuosobowych, algorytm MINMAX i przycinanie alfa-beta
- Zadanie wnioskowania indukcyjnego, dyskusja własciwości atrybutów warunkowych, zasada uczenia z nauczycielem, pojęcie funkcji błędu, problem generalizacji, rola zbioru trenującego i testowego
- Metody konstrukcji drzew decyzyjnych
- Regresja liniowa i nieliniowa, reguła delta
- Sieci neuronowe, problem uczenia perceptronu wielowarstwowego
- Uczenie ze wzmocnieniem - sfromułowanie zadania, dyskusja funkcji wartości, uczenie ze wzmocnieniem jako metoda aproksymacji funkcji wartości
Literatura
- G. Luger, Artificial intelligence, WNT, w przygotowaniu (lub wersja angielska).
- P. Cichosz. Systemy uczące się. WNT, 2000.
- S. Osowski. Sieci neuronowe w ujęciu algorytmicznym. WNT, 1999.
- J. Arabas. Wykłady z algorytmów ewolucyjnych. WNT, 2001.
Moduły
- O czym jest ten przedmiot (Ćwiczenia)
- Od logiki do wnioskowania (Ćwiczenia)
- Wnioskowanie w PROLOG'u (Ćwiczenia)
- Wnioskowanie na podstawie wiedzy niepewnej i niepełnej (Ćwiczenia)
- Wnioskowanie jako metoda przeszukiwania (Ćwiczenia)
- Strategie przeszukiwania z funkcją oceny (Ćwiczenia)
- Metody przeszukiwania losowego (Ćwiczenia)
- Gry dwuosobowe (Ćwiczenia)
- Moduł (Ćwiczenia)
- Klasyfikacja (Ćwiczenia)
- Aproksymacja (Ćwiczenia)
- Sieci neuronowe (Ćwiczenia)
- Uczenie się ze wzmocnieniem (Ćwiczenia)
