Zdrojové kódy a další podklady pro cvičení jsou na ftp://kbi-db.fbmi.cvut.cz/protected/EUI
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
17PBIEUI | Z,ZK | 3 | 2P+1C | česky |
Otázka definice umělé inteligence. „Umělé“ systémy a „inteligence“ systémů. (Inteligentní) chování živých organizmů. Algoritmy umělé inteligence a jejich míra schopnosti napodobovat (inteligentní) chování živých organizmů. Předmět je zaměřen na metody, které jsou zmiňovány v souvislosti s umělou inteligencí, a jejich aplikace v medicíně. Detailně jsou probírány pojmy jako systém se zpětnou vazbou, stavový prostor a jeho prohledávání, matematická logika (zejména metoda rezoluce), rozpoznávání a klasifikace a dále takové globální pojmy jako je strojové učení, distribuovaná umělá inteligence, multiagentní systémy, evoluční výpočetní techniky a umělé neuronové sítě.
Definice umělé inteligence. Systémy a modely, zpětná vazba, adaptace. Stav a stavový prostor, prohledávání stavového prostoru - informované metody (gradientní algoritmy, metoda větví a mezí, A*) a neinformované metody (prohledávání do hloubky a do šířky). Matematická logika (výroková a predikátová), dokazování tvrzení pomocí rezoluce. Rozpoznávání - příznakové a strukturální metody, klasifikace, kritérium minimální vzdálenosti a minimální chyby. Strojové učení, rozhodovací stromy. Znalostní a expertní systémy (diagnostické, plánovací, hybridní). Extrakce znalostí pro znalostní systémy. Distribuovaná umělá inteligence, multiagentní systémy (reaktivní, intencionální, sociální agenti), koordinace, kooperace, komunikace. Evoluční výpočetní techniky, genetické algoritmy, evoluční programování, genetické programování, gramatická evoluce. Neuronové sítě, klasifikátory, aproximátory, vícevrstvá peceptronová síť, metody učení a vybavování. Fuzzy systémy. Analýza, syntéza a zpracování řeči. Robotika.
Požadavky ke zkoušce:
- znalosti z probrané látky na přednáškách a cvičeních
- zkouška bude písemná s případným ústním dozkoušením
K získání zápočtu je potřeba odevzdat 3 domácí úkoly a je povolena maximálně 1 absence na cvičení.
1. Definice umělé inteligence. Systémy a modely, zpětná vazba, adaptace.
2. Stav a stavový prostor, prohledávání stavového prostoru - informované metody (gradientní algoritmy, metoda větví a mezí, A*) a neinformované metody (prohledávání do hloubky a do šířky).
3. Matematická logika (výroková a predikátová), dokazování tvrzení pomocí rezoluce.
4. Rozpoznávání - příznakové a strukturální metody, klasifikace, kritérium minimální vzdálenosti a minimální chyby.
5. Strojové učení, rozhodovací stromy.
6. Znalostní a expertní systémy (diagnostické, plánovací, hybridní). Extrakce znalostí pro znalostní systémy.
7. Distribuovaná umělá inteligence, multiagentní systémy (reaktivní, intencionální, sociální agenti), koordinace, kooperace, komunikace.
8. Evoluční výpočetní techniky, genetické algoritmy, evoluční programování, genetické programování, gramatická evoluce.
9. Neuronové sítě, klasifikátory, aproximátory
10. Vícevrstvá peceptronová síť, metody učení a vybavování.
11. Fuzzy systémy.
12. Analýza, syntéza a zpracování řeči.
13. Využití umělé inteligence v robotice.
14. Nové přístupy v umělé inteligenci.
1. Implementace základních metod prohledávání stavového prostoru (do hloubky, do šířky, A*) na úloze „souboje hadů“.
2. Rozhodovací úlohy - ovládání automobilu, závod.
3. Implementace klasických metod pro klasifikaci dat a rozpoznávání (zejména k NN a Bayesův klasifikátor) na obrazech z kamery.
4. Ovládání autonomního virtuálního robota v prostoru.
5. Implementace algoritmů umělé inteligence pro rozhodování virtuálního robota v prostoru.
6. Neprocedurální programovací jazyky (Prolog) - řešení sourozeneckých vztahů, Einsteinova hádanka.
7. Implementace jednoduchého expertního systému.
Studenti se seznámí s metodami, které jsou zminovány v souvislosti s umelou inteligencí, a jejich aplikace v medicíne, algoritmy umelé inteligence a jejich mírou schopnosti napodobovat (inteligentní) chování zivych organizmu.
[1] Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence 1-4, Academia, Praha, 1993-2004
[2] Pokorný M.: Umělá inteligence v modelování a řízení, BEN, Praha, 1996
[3] Vondrák I.: Umělá inteligence, Univerzita Palackého, Olomouc, 1991
[4] Sedláček V.: Umělá inteligence: Úvod, metody řešení úloh, rezoluční metoda, Státní pedagogické nakladatelství, Praha, 1987
[5] Zbořil F., Hanáček P.: Umělá inteligence, Edič. střed. VUT, Brno, 1990
[6] Šíma J., Neruda R.: Teoretické otázky neuronových sítí, Matfyzpress, 1996
[7] Zelinka I.: Umělá inteligence. Neuronové sítě a genetické algoritmy, VUTIUM, Brno, 1998
[8] J. Zvárová a kol.: Systémy pro podporu lékařského rozhodování III., Univerzita Karlova, Karolinum, Praha 2009
[9] Kelemen. J.; Kubík, A.; Lenharčík, I.; Mikulecký, P. Tvorba expertních systémů v prostředí CLIPS. Praha: GRADA Publishing, 1999. ISBN 80-7169-501-7.
Příloha | Velikost |
---|---|
1. Základy umělé inteligence | 809.5 KB |
2. Prohledávání stavového prostoru | 1.24 MB |
3. Výběr příznaků | 631.5 KB |
4. - 5. Klasifikace | 2.14 MB |
6. Expertní systémy - úvod | 494.5 KB |
7. Tvorba Expertního systému | 655 KB |
8. Znalostní modelování a ontologie | 670.5 KB |
9. Neuronové sítě | 1.07 MB |
10. Fuzzy množiny I | 2.54 MB |
11. Fuzzy množiny II | 959.5 KB |
12. Multiagentní systémy | 1.04 MB |
Balíček přednášek z minulých let | 29.6 MB |
Příloha | Velikost |
---|---|
harmonogram1617_P_17PBIEUI | 64.3 KB |
harmonogram1617_C_17PBIEUI | 56.51 KB |