Mój koszyk (0) 0,00 zł
Zaloguj się
Mój koszyk (0) 0,00 zł
Strona główna » Podstawy sztucznej inteligencji
Podstawy sztucznej inteligencji
Do koszyka
28,00 zł
Skrypt zawiera materiał wprowadzający do dziedziny sztuczna inteligencja. Jest podzielony na trzy części odpowiadające jej głównym działom: wnioskowaniu, przeszukiwaniu i uczeniu maszynowym. W opracowaniu sztuczna inteligencja jest przedstawiona jako zbiór metod współtworzących arsenał współczesnej informatyki. Prezentowanym technikom towarzyszą liczne przykłady ilustrujące ich zastosowanie.
Ilość stron 136 stron
Wydawnictwo Oficyna Wydawnicza Politechniki Warszawskiej
ISBN 978-83-7814-249-2
Data publikacji 2014-06-02
Język polski
Przedmowa 7
1. Wprowadzenie 9
1.1. Defnicja sztucznej inteligencji 9
1.2. Dzia!y sztucznej inteligencji 10
1.3. Historia sztucznej inteligencji 11
I Wnioskowanie logiczne i systemy eksperckie 15
2. Systemy wnioskujące oparte na logice zdań 17
2.1. Semantyka zdań 17
2.2. Zdania z!ożone 18
2.3. Klauzule i sprowadzanie wiedzy do zbioru klauzul 19
2.4. Wnioskowanie w przód 20
2.5. Wnioskowanie wstecz 24
2.6. Wnioskowanie przez rezolucję i zaprzeczenie 26
3. Systemy pos!ugujące się logiką predykatów 29
3.1. Język 30
3.2. Wiedza w postaci klauzul 34
3.3. Podstawianie i unifkacja 37
3.4. Wnioskowanie w przód 39
3.5. Wnioskowanie wstecz 40
3.6. Wnioskowanie przez rezolucję i zaprzeczenie 43
3.7. Poprawność wnioskowania 47
4. Logika rozmyta 55
4.1. Zbiory rozmyte 56
4.2. Rozmyte spójniki 58
4.3. Rozmyte reguły 58
4.4. Wyostrzanie 59
4.5. Konstrukcja systemu rozmytego 60
5. Systemy eksperckie 61
5.1. Tryby wnioskowania 62
5.2. Szkieletowe systemy eksperckie 63
5.3. Historyczne przyklady znaczących systemów eksperckich 65
II Przeszukiwanie 67
6. Algorytmy ewolucyjne 69
6.1. Ogólna idea i stosowana terminologia 69
6.2. Algorytm (1+1) 70
6.3. Algorytmy i strategie ewolucyjne 72
6.4. Algorytmy ewolucyjne w praktyce 75
7. Algorytmy genetyczne 78
7.1. Ogólny algorytm genetyczny 78
7.2. Kodowanie osobników 79
7.3. Reprodukcja 82
8. Przeszukiwanie przestrzeni stanów 84
8.1. Strategie nieinformowane 86
8.2. Strategie minimalizujące koszt 89
8.3. Strategie heurystyczne 91
9. Gry dwuosobowe 95
9.1. Model 95
9.2. Przegląd wyczerpujący 96
9.3. Strategia MIN-MAX 98
9.4. Przycinanie α-β 100
9.5. Inne techniki poprawiania efektywnosci gry 101
III Uczenie maszynowe 103
10. Sztuczne sieci neuronowe 105
10.1. Zagadnienie parametrycznej aproksymacji funkcji 106
10.2. Perceptron dwuwarstwowy i wielowarstwowy 108
10.3. Aproksymacja na zbiorze skończonym 116
10.4. Aproksymacja na zbiorze nieskończonym 121
11. Uczenie się ze wzmocnieniem 125
11.1. Proces Decyzyjny Markowa 125
11.2. Algorytmy Q-Learning i SARSA 127
11.3. Rozszerzenie algorytmów Q-Learning i SARSA do ciąglych przestrzeni stanów i decyzji 131
Literatura 135