PODSTAWY SZTUCZNEJ INTELIGENCJI WAWRZYŃSKI P. Księgarnia

Podstawy sztucznej inteligencji

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.

Przedmowa

1. Wprowadzenie
1.1. Definicja sztucznej inteligencji
1.2. Działy sztucznej inteligencji
1.3. Historia sztucznej inteligencji

I Wnioskowanie logiczne i systemy eksperckie

2. Systemy wnioskujące oparte na logice zdań
2.1. Semantyka zdań
2.2. Zdania złożone
2.3. Klauzule i sprowadzanie wiedzy do zbioru klauzul
2.4. Wnioskowanie w przód
2.5. Wnioskowanie wstecz
2.6. Wnioskowanie przez rezolucję i zaprzeczenie

3. Systemy posługujące się logiką predykatów
3.1. Język
3.2. Wiedza w postaci klauzul
3.3. Podstawianie i unifikacja
3.4. Wnioskowanie w przód
3.5. Wnioskowanie wstecz
3.6. Wnioskowanie przez rezolucję i zaprzeczenie
3.7. Poprawność wnioskowania

4. Logika rozmyta
4.1. Zbiory rozmyte
4.2. Rozmyte spójniki
4.3. Rozmyte reguły
4.4. Wyostrzanie
4.5. Konstrukcja systemu rozmytego

5. Systemy eksperckie
5.1. Tryby wnioskowania
5.2. Szkieletowe systemy eksperckie
5.3. Historyczne przykłady znaczących systemów eksperckich

II Przeszukiwanie

6. Algorytmy ewolucyjne
6.1. Ogólna idea i stosowana terminologia
6.2. Algorytm (1 + 1)
6.3. Algorytmy i strategie ewolucyjne
6.4. Algorytmy ewolucyjne w praktyce

7. Algorytmy genetyczne
7.1. Ogólny algorytm genetyczny
7.2. Kodowanie osobników
7.3. Reprodukcja

8. Przeszukiwanie przestrzeni stanów
8.1. Strategie nieinformowane
8.2. Strategie minimalizujące koszt
8.3. Strategie heurystyczne

9. Gry dwuosobowe
9.1. Model
9.2. Przegląd wyczerpujący
9.3. Strategia MIN-MAX
9.4. Przycinanie a-/3

9.5. Inne techniki poprawiania efektywności gry

III Uczenie maszynowe

10. Sztuczne sieci neuronowe
10.1. Zagadnienie parametrycznej aproksymacji funkcji
10.2. Perceptron dwuwarstwowy i wielowarstwowy
10.3. Aproksymacja na zbiorze skończonym
10.4. Aproksymacja na zbiorze nieskończonym

11. Uczenie się ze wzmocnieniem
11.1. Proces Decyzyjny Markowa
11.2. Algorytmy Q-Learning i SARSA
11.3. Rozszerzenie algorytmów Q-Learning i SARSA do ciągłych przestrzeni stanów i decyzji

Literatura

136 stron, B5, oprawa miękka

Księgarnia nie działa. Nie odpowiadamy na pytania i nie realizujemy zamówien. Do odwolania !.