UL/FRI/UNI-RI/UI

Iz E-študij, proste zakladnice študentskega znanja

< UL | FRI | UNI-RI

Skoči na: navigacija, iskanje

Abecedni seznam zapiskov

Predava:

Vaje vodi:

Povezave:

Izpitni roki:

Arhiv izpitov

dd.mm.2012
dd.mm.2012
dd.mm.2012
dd.mm.2012

(Za kolokvije ustvari stran)

Izpitni red: pisni in ustni

ustnega imajo samo tisti, ki slabo pišejo. (vedno tip potegne gaussa- zdej si pa predstavlji... enkrat sta baje samo 2 pisala in je enga vprašu enga pa ne)
časa je malo (dobro uro), tak da se splača zverzirat tista drevesa pa grafe delat

Ostalo:

VAJE PRI SADIKOVU (izbereš eno možnost)

Izmisliš ali izbereš si neko igro, ki jo potem rešiš z osnovnimi algoritmi preiskovanja, nardiš poročilo in to je to (to lahko delaš v parih ali sam).
Se prijaviš na tekmovanje (tu lahko sodeluješ le posamično).

VAJE PRI DEMŠARJU

Pari naj bi bili isti kot pri 1. sem. pri sadikovem, lahko pa jo delaš tudi sam.

Ključne besede: UI, umetna inteligenca, preiskovanje, strojno učenje, planiranje, verjetnostne mreže, kvalitativno modeliranje, evolucijski algoritmi, ekspertni sistemi, predstavitev znanja

Umetna inteligenca 1 in 2

Snov

Reševanje problemov in preiskovanje

State-space grafi

uniformne metode preiskovanja:
- iskanje v globino
- iskanje v širino
- omejeno iskanje v globino
- iterativno poglabljanje
- iskanje nazaj
- dvosmerno iskanje
informirane/hevristične metode preiskovanja
- A*
- IDA*
- LBFS/RBFS
- RTA*
- LRTA*

Primerjava algoritmov za preiskovanje

AND/OR grafi

Strojno učenje

Odločitvena drevesa
- Informacijski prispevek
- Informacijsko razmerje
- Gini indeks
- Binarizacija
- Subsetting
- Obravnava zveznih atributov
- Obravnava neznanih vrednosti
- Rezanje drevesa(Pruning)
Bayesov klasifikator
Vrednotenje klasifikacijskih metod

Planiranje po principu sredstev in ciljev

means-ends planning
regresiranje ciljev
delno urejeni plani
planiranje prostih poti

Kvalitativno modeliranje in sklepanje

probleme opišemo kvalitativno
Q-sim algoritem

Ekspertni sistemi in predstavitev znanja

zajem znanja (težko!)
predstavitev znanja z IF-THEN pravili
negotovost

Evolucijsko računanje

oponaša naravno evolucijo
populacija, selekcija (starši), križanje, mutacija, potomci, zamenjava

Verjetnostne mreže

verjetnostne = Bayesovske mreže
pristop k reševanju negotovosti v knowledge-based sistemih
verjetnostna teorija je matematično dobro podprta
v mreži so definirane verjetnostne odvisnosti
mreža je usmerjen acikličen graf
vozlišča predstavljajo spremenljivke
povezava pomeni: x ima direkten vpliv na y
vsako vozlišče ima definiran vpliv starša
verjetnosti bi bilo mogoče izračunati tudi z vsemi kombinacijami, kar pri n dogodkih predstavlja $2 n - 1$ kombinacij
verjetnostne mreže zmanjšajo število kombinacij do te mere, da je mogoče pristop uporabiti v praksi
kompleksnost sklepanja v mreži narašča eksponentno s številom vozlišč

Pravila sklepanja

če pogoj c vsebuje naslednike x, potem uporabi Bayesov teorem:
1. če je , kjer je $y$ naslednik $x$ , potem
če pogoj c ne vsebuje naslednikov x, potem
1. če $x$ nima staršev, potem $p (x | c) = p (x)$
2. sicer