Sztuczna inteligencja: Różnice pomiędzy wersjami
Z Studia Informatyczne
Przejdź do nawigacjiPrzejdź do wyszukiwania (→Moduły) |
(→Moduły) |
||
| Linia 39: | Linia 39: | ||
* [[Sztuczna_inteligencja/SI Moduł 1 - O czym jest ten przedmiot| O czym jest ten przedmiot]] ([[Sztuczna_inteligencja/SI Ćwiczenia 1|Ćwiczenia]]) | * [[Sztuczna_inteligencja/SI Moduł 1 - O czym jest ten przedmiot| O czym jest ten przedmiot]] ([[Sztuczna_inteligencja/SI Ćwiczenia 1|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/SI Moduł 2 - Od logiki do wnioskowania| Od logiki do wnioskowania]] ([[Sztuczna_inteligencja/SI Ćwiczenia 2|Ćwiczenia]]) | * [[Sztuczna_inteligencja/SI Moduł 2 - Od logiki do wnioskowania| Od logiki do wnioskowania]] ([[Sztuczna_inteligencja/SI Ćwiczenia 2|Ćwiczenia]]) | ||
| − | * [[Sztuczna_inteligencja/SI Moduł 3 - Wnioskowanie w PROLOG-u| Wnioskowanie w PROLOG | + | * [[Sztuczna_inteligencja/SI Moduł 3 - Wnioskowanie w PROLOG-u| Wnioskowanie w PROLOG-u]] ([[Sztuczna_inteligencja/SI Ćwiczenia 3|Ćwiczenia]]) |
* [[Sztuczna_inteligencja/SI Moduł 4 - Wnioskowanie na podstawie wiedzy niepewnej i niepełnej| Wnioskowanie na podstawie wiedzy niepewnej i niepełnej]] ([[Sztuczna_inteligencja/SI Ćwiczenia 4|Ćwiczenia]]) | * [[Sztuczna_inteligencja/SI Moduł 4 - Wnioskowanie na podstawie wiedzy niepewnej i niepełnej| Wnioskowanie na podstawie wiedzy niepewnej i niepełnej]] ([[Sztuczna_inteligencja/SI Ćwiczenia 4|Ćwiczenia]]) | ||
* [[Sztuczna_inteligencja/SI Moduł 5 - Wnioskowanie jako metoda przeszukiwania| Wnioskowanie jako metoda przeszukiwania]] ([[Sztuczna_inteligencja/SI Ćwiczenia 5|Ćwiczenia]]) | * [[Sztuczna_inteligencja/SI Moduł 5 - Wnioskowanie jako metoda przeszukiwania| Wnioskowanie jako metoda przeszukiwania]] ([[Sztuczna_inteligencja/SI Ćwiczenia 5|Ćwiczenia]]) | ||
Aktualna wersja na dzień 21:56, 28 sty 2008
Forma zajęć
Wykład (30 godzin) + projekt (15 godzin)
Opis
Celem wykładu jest zarysowanie podstawowych technik sztucznej inteligencji i ujęcie ich w kontekście algorytmicznym. Omówione będą w skrócie metody wnioskowania dedukcyjnego i indukcyjnego. Po zakończeniu wykładu słuchacz powinien biegle posługiwać się 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 dostarczanych w niekomercyjnych środowiskach testowych (np. R, Octave, OpenOffice)
Sylabus
Autorzy
- Jarosław Arabas — Politechnika Warszawska
- Paweł Cichosz — Politechnika Warszawska
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 właściwości 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 właściwości 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 - sformułowanie zadania, dyskusja funkcji wartości, uczenie ze wzmocnieniem jako metoda aproksymacji funkcji wartości
Literatura
- G. Luger, Artificial intelligence, Wydawnictwa Naukowo-Techniczne, w przygotowaniu (lub wersja angielska).
- P. Cichosz, Systemy uczące się, Wydawnictwa Naukowo-Techniczne, Warszawa 2000.
- S. Osowski, Sieci neuronowe w ujęciu algorytmicznym, Wydawnictwa Naukowo-Techniczne, Warszawa 1999.
- J. Arabas, Wykłady z algorytmów ewolucyjnych, Wydawnictwa Naukowo-Techniczne, Warszawa 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)
- Wnioskowanie indukcyjne (Ćwiczenia)
- Zadanie i metody klasyfikacji (Ćwiczenia)
- Zadanie i metody regresji (Ćwiczenia)
- Sieci neuronowe (Ćwiczenia)
- Uczenie się ze wzmocnieniem (Ćwiczenia)
