Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Hasonló dokumentumok
Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

VII. Keretalapú ismeretábrázolás

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

za TANTÁRGY ADATLAPJA

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/364

A TANTÁRGY ADATLAPJA

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Az Előadások Témái. Mesterséges Intelligencia. A mesterséges intelligencia. ... trívia. Vizsga. Laborgyakorlatok: Bemutatók (5 20 pont)

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/364

Neurális hálózatok bemutató

Intelligens Rendszerek I. Tudásábrázolás szemantikus hálókkal, keretekkel és forgatókönyvvel

Objektum orientált programozás Bevezetés

Absztrakció. Objektum orientált programozás Bevezetés. Általános Informatikai Tanszék Utolsó módosítás:

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Magyar Matematika-Informatika Intézet Babeş Bolyai Tudományegyetem, Kolozsvár 2015/2016 1/370

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Fotódokumentáció. Projektazonosító: KMOP /

Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. A Wolfram Alpha tudásgép.

Az emberi emlékezet BME- 2008/2009; Tavaszi félév Albu Mónika malbu&cogsci.bme.hu

Közösség detektálás gráfokban

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Gépi tanulás és Mintafelismerés

Kutatás-fejlesztési eredmények a Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszéken. Dombi József

CAD Rendszerek I. Sajátosság alapú tervezés - Szinkron modellezés

TARTALOMJEGYZÉK. TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS A lágy számításról A könyv célkitűzése és felépítése...

Parametrikus tervezés

A TANTÁRGY ADATLAPJA

modell, amiben csak bináris sok-egy kapcsolatok (link, memberowner,

OOP. Alapelvek Elek Tibor

DIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN

A számítógépes feladatok a várt megoldáshoz egyértelmű utalásokat tartalmazzanak.

1. gyakorlat. Mesterséges Intelligencia 2.

Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Óbudai Egyetem Neumann János Informatikai Kar. Intelligens Mérnöki Rendszerek Intézet

Számítógépes döntéstámogatás. Bevezetés és tematika

Mi legyen az informatika tantárgyban?

Modellezés és szimuláció. Szatmári József SZTE Természeti Földrajzi és Geoinformatikai Tanszék

Információ megjelenítés Alapok

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek

A TANTÁRGY ADATLAPJA

Takács Árpád K+F irányok

7. 1. A formatív értékelés és lehetséges módjai (szóbeli, feladatlapos, számítógépes) az oktatásban. - valamilyen jelenségről, ill.

Összeállította Horváth László egyetemi tanár

SZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.

Szakterületi modell A fogalmak megjelenítése. 9. fejezet Applying UML and Patterns Craig Larman

III. OOP (objektumok, osztályok)

BSc Témalaboratórum (BME VIMIAL00) Előzetes tájékoztató előadás 2018 ősz. Dr. Ráth István

Grafikonok automatikus elemzése

10-es Kurzus. OMT modellek és diagramok OMT metodológia. OMT (Object Modelling Technique)

Tartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán

Modellkiválasztás és struktúrák tanulása

A TANTÁRGY ADATLAPJA

MESTERSÉGES INTELLIGENCIA ÉS HATÁRTERÜLETEI

Programfejlesztési Modellek

Mesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h.

Objektumorientált paradigma és a programfejlesztés

"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."

A TECHNOLÓGIÁVAL SEGÍTETT OKTATÁS MÓDSZEREI. Dr. Főző Attila László

TSIMMIS egy lekérdezés centrikus megközelítés. TSIMMIS célok, technikák, megoldások TSIMMIS korlátai További lehetségek

Mi a mesterséges intelligencia? Történeti áttekintés. Mesterséges intelligencia február 21.

Bánsághi Anna 2014 Bánsághi Anna 1 of 31

Google App Engine az Oktatásban 1.0. ügyvezető MattaKis Consulting

A kibontakozó új hajtóerő a mesterséges intelligencia

Kognitív megközelítés

A TANTÁRGY ADATLAPJA

12.3. Az automatizált technológiai tervezés módszerei A variáns módszer

SYLLABUS. Partiumi Keresztény Egyetem, Nagyvárad Bölcsészettudományi Kar Az óvodai és elemi oktatás pedagógiája

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban

Fogalmi modellezés. Ontológiák Alkalmazott modellező módszertan (UML)

Adatszerkezetek 2. Dr. Iványi Péter

Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén

Objektum orientált alapelvek

SZENZOROKRA ÉPÜLŐ ADAPTÍV RENDSZERMODELL

A TANTÁRGY ADATLAPJA

Nyelvtörténet: a szociolingvisztika és a pszicholingvisztika keresztmetszetében

Gráfalgoritmusok és hatékony adatszerkezetek szemléltetése

Mit tapasztalt elemér?

Önálló labor feladatkiírásaim tavasz

Multimédiás adatbázisok

Modell alapú tesztelés mobil környezetben

Programozás III. - NGB_IN001_3

Objektumorientált paradigma és programfejlesztés Bevezető

Junior Java Képzés. Tematika

Genetikus algoritmusok

Számítógép és programozás 2

Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék. Neurális hálók. Pataki Béla

Átírás:

1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011

Az Előadások Témái 94/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák hálók / Játékok modellezése Bizonytalanság kezelése Fuzzy rendszerek Grafikus modellek Tanuló rendszerek Szimulált kifűtés, Genetikus algoritmusok A perceptron modell Neurális hálók, önszerveződés Gépi tanulás

Admin...... trívia http://www.cs.ubbcluj.ro/~csatol/mestint Vizsga Szóbeli (60%) + Gyakorlat (40%) Laborgyakorlatok: 1 Gráfok ábrázolása - dedukciós algoritmus 18% 2 Játékelmélet 10% 3 Matlab - tanulási algoritmus 12% 4 Opcionális feladatok - max. 3/személy sok% 9/363 Bemutatók ( 20 pont) Alkalmazások bemutatása, melyek adaptív, gépi tanulásos vagy mestint módszereket alkalmaznak.

Blogbányászat Ok-okozati viszonyokat tanul a gép Amerikai kutatók 3 blogok elemzésére tanítják rendszerüket, mely történetmesélésre összpontosítva, nyelvi jegyek alapján szelektál közülük. A gyűjtött adatokból a kialakuló trendekre és viselkedésformákra következtet a rendszer. A tanítás menete: 1 Blog-bejegyzéseket osztályoztak manuálisan a történet / nem történet osztályokba.. Eredmény: a narratívák azonosítása. 2 A történetek elemei között az oksági kapcsolatok keresése. Pl: késő volt, lefeküdtem.. Eredmény: tények + oksági kapcsolatok. A rendszer sosem unatkozik Távlati cél egy rendszer kidolgozása, mely napi rendszerességgel gyűjt és rendszerez adatokat.ez fontos, mert más forrásokból hozzáférhetetlen, működése hasonló Google sertésinfluenza-követő programjához. Mire jó a blogbányászat? A blog-ok általában azonnali reagálást jelentenek, ezért garantált a gyűjtött bányászott információ aktualitása. Az élet legkülönbözőbb területeit érintik: filmek, könyvek, termékek, nemzetiségi-, vallási ellentétek, kábítószer-kereskedelem... 96/363 3 Andrew Gordon Kreatív Technológiák Intézete Link

97/363 hálók háló: Futó:, pp. 186 az emberi információtárolás és keresés modellezése (Quillian & Collins); gyakori név az asszociatív háló. kognitív pszichológiai kísérletek az alapjai ; Tulajdonságok: objektumokhoz tulajdonságokat rendelünk; hierarchia az objektumok szintjén absztrakció a tulajdonságok a legfelsőbb szinten asszociálódnak.

98/363 Quillian és Collins kísérlete: Kísérlet: kérdések a madarakról és a reakcióidők mérése. Kérdések: 1 Tud-e a kanári énekelni? 1.3mp 2 Tud-e a kanári repülni? 1.4mp 3 Van-e a kanárinak bőre? 1.mp Hosszabb asszociációs lánc az utolsó kérdésnél. Magyarázat: egy szemantikus hálóban a bőre és az énekel tulajdonságok nem egyforma távolságra vannak a kanári-tól.

99/363 hálók háló: Futó:, pp. 186 az emberi információtárolás és keresés modellezése (Quillian & Collins); gyakori név az asszociatív háló. kognitív pszichológiai kísérletek az alapjai ; Tulajdonságok: objektumokhoz tulajdonságokat rendelünk; hierarchia az objektumok szintjén absztrakció a tulajdonságok a legfelsőbb szinten asszociálódnak.

100/363 Kanári szemantikus háló háló: Irányított gráf, ahol Csúcsok: objektumok, objektumosztályok és tulajdonságok értékei; Élek: a csúcsok közötti kapcsolat neve. egy Madár Állat Kanári Strucc tud van tud repülni tud van szárnya egy egy van tollazata tud tud nem_tud méret lélegezni bõre mozogni énekelni repülni repülni nagy

101/363 Wordnet Nagy szemantikus háló http://wordnetweb.princeton.edu

102/363 Feladatmegoldás szemantikus hálókkal Feladat: lekérdezés megválaszolása adott tárgyköri tudással. Tárgyköri tudás: egy taxonomikus hierarchia azaz egymásba ágyazott objektumok halmaza számítógépes reprezentációja. Adatbázis Lekérdezés: egy célháló illesztése a szemantikus hálóba. Illesztés

103/363 Milyen feladatokra megfelelő Klasszikus logika nyelvén: x ( x MADARAK x REPUL ) egy Állat Kivételek kezelése (strucc) nehézkes. Madár tud repülni Melyik alkalmazás modellezhető szemantikus hálóval: játékok, osztályozás, vízelemző rendszerek, nyelvelemzés rendszerkonfigurálás?.

104/363 Összefoglaló szemantikus hálók Fogalmak és kapcsolataik modellezése. Asszociatív memóriák. Információk egyszerű reprezentációja!smiley! programozási paradigma jött létre. Ezt használjuk információ reprezentálására? Történelem

10/363 Definciós hálók Kitérő http://www.jfsowa.com/pubs/semnet.htm Porfirius (i.sz. 300 körül) - magyarázata Arisztotelész Kategóriá jához. Típus és különbözőség szerint rajzolt egy definiciós hálót, ahol alá- és fölérendelt kategóriákat különböztetett meg.

106/363 Keretalapú Ismeretreprezentáció Futó. pp.198 197 Minsky - látás egy pszichológiai modelljének a leírása. A tanulmányozott világ fizikai vagy fogalmi entitásainak egy strukturált szimbolikus modellje. hasonlít a szemantikus hálókhoz annak továbbfejlesztése. Új elem a procedurális reprezentáció. Majdnem OOP - a különbség, hogy az OOP keretrendszer célja a kódolás és nem a tudásreprezentáció. Level Object

FRAME-es reprezentáció frame Személy instance-of: Class azonosító: személyi vezetéknév: keresztnév: end frame Főiskolás is-a: Személy közös-cím: hallg@foisk.hu levél-cím: end frame Kosárcsapat instance-of: Class edző: Személy játékosok: collection-of Személy end frame Főiskolás-kosárcsapat instance-of: Kosárcsapat edző: Oktató játékosok: collection-of Főiskolás frame Szöcskék instance-of: Főiskolás-kosárcsapat frame Kosarazó játékosok: Péter, Tamás,... is-a: Személy end havi-juttatás: end frame Péter instance-of: Főiskolás instane-of: Kosár-center levél-cím: peter@foisk.hu frame Kosár-center is-a: Kosárlabdázó end magasság: 193 havi-juttatás: 10000 end 107/363

108/363 Démonok Démonok Eljárások, melyeket osztályokhoz illetve azok attribútumaihoz lehet hozzárendelni. paraméterezés : mikor lépjenek működésbe (milyen esemény bekövetkeztekor). when-needed-demon when-changed-demon when-deleted-demon when-added-demon Frame-rendszer működése: rendszer összes démonának együttes működése (pl. útkereszteződés működtetése).

109/363 FRAME-ek tulajdonságai Egy keret vagy osztály vagy példány. Különbség az is-a illetve az instance-of között. Többszörös öröklődés - amikor egy osztály lehet több osztálynak az utóda. Példányok a hierarchia alján - nem lehet tovább példányosítani. Mi történik egy hiányos osztályleírás esetén? A rendszer a megszorítások alapján kiegészíti vagy nem a hiányzó információkat (pl. Péter nem főiskolás).