ESI/WN

From WikiZMSI

< ESI

Spis treści

Treści programowe

Treści programowe do przedmiotu Elementy Sztucznej Inteligencji na studiach niestacjonarych obejmują następujące zagadnienia:

  1. Sztuczna inteligencja - czym się zajmuje, podział na silną i słabą SI Zasygnalizowanie jaka problematyka będzie omawiana na wykładach. Zarys historyczny.
  2. Metody przeszukiwania przestrzeni stanów: zdefiniowanie pojęcia przestrzeni stanów, typowe problemy, algorytmy "ślepe", heurystyka.
  3. Heurystyczne algorytmy przeszukiwania: metoda największego wzrostu, symulowane wyżarzanie, Best-First, A*.
  4. Metody reprezentacji wiedzy. Czym jest wiedza, jak można ją gromadzić w systemach SI. Logika predykatów. Regułowa reprezentacja wiedzy, programowanie logiczne.
  5. Reprezentacja wiedzy w modelach niepełnych i nieokreślonych. Logika we wnioskowaniu niemonotonicznym. Algorytmy w modelach niepełnych.
  6. Wnioskowanie statystyczne. Sieci Bayes'a. Reprezentacja obiektowa wiedzy: sieci semantyczne i ramy.
  7. Logika rozmyta. Definicje zbiorów rozmytych. Systemy wnioskowania rozmytego.
  8. Uczenie się: metody zdobywania wiedzy; uczenie się indukcyjne.
  9. Sieci neuronowe. Podstawowe modele sieci: jednokierunkowe, Hopfielda.
  10. Algorytmy uczenia się sieci neuronowych. Zastosowania na przykładach.

Wykład 1 - Inteligentny agent. Agent problem-solving.

  1. Slajdy prezentowane na wykładzie
  1. Linki związane z tematem wykładu:
    1. Artykuł Allana Turniga
    2. Home Page of The Loebner Prize in Artificial Intelligence
    3. A chat with an Artificial Intelligence AI bot
    4. Wortal naukowy poświęcony tematyce umysłu, mózgu i sztucznej inteligencji.
  2. Przykłady zadań, które można rozwiązywać metodami przeszukiwania:
    1. Cryptarithmetic Puzzle Solver
    2. Gry logiczne
    3. Sudoku
    4. Problem komiwojażera

Wykład 2 --- Strategie przeszukiwania ślepe i heurystyczne

  1. Slajdy prezentowane na wykładzie
  2. Linki związane z tematem wykładu:
    1. Java PathFinder --- Przykład zastosowania metod przeszukiwania do sprawdzania modeli programów napisanych w Javie.
    2. Applet demonstrujący działanie różnych algorytmów przeszukiwania na przykładzie układanki.

Wykład 3 --- Strategie przeszukiwania lokalnego i problemy optymalizacji

  1. Slajdy prezentowane na wykładzie
  2. Linki związane z tematem wykładu
    1. Aplety demonstrujące działanie algorytmów ewolucyjnych
    2. Wstęp do algorytmów genetycznych
    3. Przykład ewolucji sztucznych organizmów
    4. Przykład symulowanego wyżarzania

Wykład 4 --- Agent wnioskujący. Rachunek zdań.

  1. Slajdy prezentowane na wykładzie
  2. Linki związane z tematem wykładu
    1. Rachunek zdań - teoria
    2. Aplet pozwala na wprowadzanie dowolnych formuł zdaniowych, konwersje na postać CNF, wnioskowanie rezolucją i generowanie tablicy prawdy. Dodatkowo teoria.

Wykład 5 --- Logika rozmyta

  1. Slajdy prezentowane na wykładzie
  2. Linki związane z tematem wykładu
    1. Fuzzy Anti-Lock Brake System Solution
    2. fuzzyTECH-the world leading family of software development tools for fuzzy logic and neural-fuzzy solutions
    3. Investor Profiler Applet
    4. Fuzzy inference engine demo

Wykład 6 --- Sieci neuronowe (uczenie nadzorowane)

  1. Slajdy prezentowane na wykładzie
  2. Linki związane z tematem wykładu
    1. Sieci neuronowe by Statsoft
    2. Strona poświęcona SZTUCZNYM SIECIOM NEURONOWYM.
    3. Na slajdach prezentowane są programy demonstracyjne z Matlaba z toolboxa Neural Network Design. Uruchomienie komendą: nnd w Matlabie. Dodatkowo można skorzystać z teoretycznego opisu, którego część jest umieszczona na [1]
    4. Aplet do uczenia i testowania sieci neuronowych

Wykład 7 --- Sieci neuronowe (uczenie nienadzorowane)

Przedstawiony materiał był prezentowany na wykładzie.

  1. Slajdy prezentowane na wykładzie
  2. Linki związane z tematem wykładu
    1. Hopfield Network Applet
    2. 3D Kohonen Feature Map