wyklad AI konspekt, uczenie maszynowe, AI
[ Pobierz całość w formacie PDF ]
//-->WykładSztuczna inteligencja i systemy ewolucyjneKonspektLiteraturaS.J. Russell, P.Norvig,Artificial Intelligence. A Modern Approach,Prentice-Hall, New Jersey, 1995G. Luger,Artificial intelligence,Addison-Wesley, 2008N.L.Nilsson,Principles of Artificial Intelligence,Tioga Publ.,1980Z. Michalewicz, D.Fogel,Jak to rozwiązać, czyli nowoczesna heurystyka,Wydawnictwa Naukowo-Techniczne, Warszawa 2006L.Bolc, J.Cytowski,Metody przeszukiwania heurystycznego,PWN, 1989J.Arabas, P.Cichosz,Sztuczna inteligencja(materiały dydaktyczne MIMUW na studiainformatyczne)J. Arabas,Wykłady z algorytmów ewolucyjnych,WNT, Warszawa 20011:WstępInteligentne techniki obliczenioweInteligencja – definicje, badaniaSztuczna inteligencja – definicjemyśleć jak ludzie, działać jak ludzie, myśleć racjonalnie, działać racjonalnieZakres badań nad sztuczną inteligencjąNauki „bazowe”filozofia, matematyka, psychologia, lingwistyka, informatyka, teoria sterowania, ekonomiaOgraniczenia dotyczące systemów AIKrótka historia AIZadania sztucznej inteligencjiprzeszukiwanie, wnioskowanie, uczenie się, planowanieObszary zastosowań sztucznej inteligencjigry, automatyczne wnioskowanie i dowodzenie twierdzeń, systemy ekspertowe,przetwarzanie języka naturalnego, rozpoznawanie obrazów, planowanie działań i robotyka,automatyczne (maszynowe) uczenie się2:Przeszukiwanie przestrzeni stanów. Algorytmy ślepePrzeszukiwanierozwiązywanie innych zadań AI jako przeszukiwanie: wnioskowanie, uczenie się,planowanieproblemy trudne dla przeszukiwaniaZadanie przeszukiwaniasformułowanie celu, zdefiniowanie problemu, poszukiwanie, realizacjaPoszukiwanie rozwiązania przez przeszukiwanie drzewaAlgorytmy przeszukiwania drzewaimplementacja: ogólny algorytm przeszukiwania drzewamiary efektywności algorytmów: zupełność, optymalność, złożoność czasowa, złożonośćpamięciowaalgorytm przeszukiwania zbioru węzłów do odwiedzeniaŚlepe strategie przeszukiwaniastrategia „w głąb”, strategia „wszerz”, własności strategii, porównaniemetoda równomiernego kosztu3:Przeszukiwanie przestrzeni stanów. Algorytmy heurystycznePodstawowe pojęcia teorii grafów przeszukiwaniaFunkcja ocenyStrategie heurystycznestrategie pierwszy najlepszy, poprawianie iteracyjnePrzeszukiwanie zachłannePrzeszukiwanie A*wybór heurystyk, heurystyki dopuszczalne, heurystyki spójne, heurystyki dominującePrzeszukiwanie lokalneprzeszukiwanie lokalne zachłanne (hill-climbing), unikanie optimów lokalnych, symulowanewyżarzanie, poszukiwanie z tabu4:Algorytmy ewolucyjneModele ewolucjiewolucja darwinowska, ewolucja jako inspiracja dla rozwiązywania problemówoptymalizacyjnych, terminologia biologiczna, podstawowe pojęcia obliczeń ewolucyjnychOgólny schemat metody ewolucyjnejinicjalizacja, ocena przystosowania, selekcja osobników, operacje genetyczne, warunkizatrzymaniaPodstawowe typy algorytmów ewolucyjnychklasyczny algorytm genetyczny (SGA), strategie ewolucyjne, programowanie ewolucyjneSposoby kodowaniakodowanie binarne, logarytmiczne, rzeczywistoliczbowe, całkowitoliczbowe, permutacyjneSelekcjaproporcjonalna, rankingowa, progowa, turniejowa, elitarnaRekombinacjakrzyżowanie jedno- i wielopunktowe, równomierne, rekombinacja arytmetyczna,uśredniającaMutacjadla kodowania binarnego i rzeczywistoliczbowegoDynamika adaptacji lokalnej i globalnejkrajobraz adaptacyjny funkcji przystosowania, typowe krajobrazy, nacisk selektywny,dynamika lokalna i globalna, eksploracja i eksploatacja5:Algorytmy heurystyczne inspirowane naturąInteligencja grupowa/rojowa – algorytmy mrówkowe, optymalizacja wielocząsteczkowaSystemy immunologiczne - naturalne i sztuczne systemy immunologiczne, algorytm selekcjiklonalnej, algorytm selekcji negatywnejEwolucja różnicowa6:Przeszukiwanie przestrzeni stanów. GryEtykietowanie węzłów drzewaStrategiaminimaxStrategiacięć alpha-betha7. Wnioskowanie formalne.Elementy rachunku zdań: syntaktyka i semantykaInterpretacjaWnioskowanie - reguły
[ Pobierz całość w formacie PDF ]