Modelowanie Kognitywne

Slides:



Advertisements
Podobne prezentacje
Włodzisław Duch Katedra Informatyki Stosowanej,
Advertisements

Programowanie obiektowe
Programowanie obiektowe
Informacji Geograficznej
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 1
Wprowadzenie do C++ Zajęcia 2.
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Sztuczna Inteligencja Reprezentacja wiedzy II
PROF. DR HAB. WIESŁAWA PRZYBYLSKA-KAPUŚCIŃSKA
11 RDF Wertykalne zastosowania XML-a. 22 RDF - Wprowadzenie Problemy Sieć jest nieczytelna dla programów komputerowych. Sieć zawiera zbyt wiele informacji.
Sztuczna Inteligencja Reprezentacja wiedzy II Systemy produkcyjne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Sztuczna Inteligencja Reprezentacja wiedzy I Wstęp. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Zastosowanie pamięci semantycznej we wspomaganiu decyzji medycznych
Inteligentne Systemy Informacyjne
Wykład 8 Wojciech Pieprzyca
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Wstęp do programowania obiektowego
Projektowanie i programowanie obiektowe II - Wykład IV
Projektowanie i programowanie obiektowe II - Wykład II
Wstęp do interpretacji algorytmów
Modele baz danych - spojrzenie na poziom fizyczny
Część projektu obejmująca: „Reasoner”
Pakiety w Javie Łukasz Smyczyński (132834). Czym są pakiety? Klasy w Javie są grupowane w pewne zbiory zwane pakietami. Pakiety są więc pewnym podzbiorem.
Podstawy informatyki 2013/2014
Instytut Tele- i Radiotechniczny WARSZAWA
Podstawy programowania II
Programowanie strukturalne i obiektowe
Podstawowe usługi systemów operacyjnych
Inicjalizacja i sprzątanie
Systemy wejścia i wyjścia Michał Wrona. Co to jest system wejścia i wyjścia? Pobierania informacji ze źródeł danych, zdolnych przesyłać sekwencje bajtów,
Rozwiązanie zadań do zaliczenia I0G1S4 // indeks
Wybrane zagadnienia relacyjnych baz danych
Podstawowe informacje o maturze dla gimnazjalistów.
Programowanie obiektowe 2013/2014
ZWIĄZKI MIĘDZY KLASAMI KLASY ABSTRAKCYJNE OGRANICZENIA INTERFEJSY SZABLONY safa Michał Telus.
Modelowanie obiektowe Diagramy klas
1. Współczesne generacje technologii
Politechniki Poznańskiej
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
MATURA 2010 Z MATEMATYKI Podstawowe informacje o egzaminie maturalnym z matematyki Prezentację opracowała: Iwona Kowalik.
Interakcja człowiek – komputer Podstawy metod obiektowych mgr inż. Marek Malinowski Zakład Matematyki i Fizyki Wydz. BMiP PW Płock.
PRZYGOTOWALI Bartosz Pawlik Daniel Sawa Marcin Turbiński.
Semantyczna teoria prawdy Tarskiego
C++.
Programowanie strukturalne i obiektowe C++
INŻYNIERIA BEZPIECZEŃSTWA Sztuczna Inteligencja
Model obiektowy bazy danych
Algorytmy- Wprowadzenie do programowania
Temat 1: CSS Dołączanie stylów do dokumentu
Języki formalne Copyright, 2006 © Jerzy R. Nawrocki Wprowadzenie do informatyki Wykład.
Procesy informacyjne w zarządzaniu
4 lipca 2015 godz pok września 2015 godz pok. 212.
Podstawy programowania
Systemy wspomagające dowodzenie twierdzeń
Wstęp do interpretacji algorytmów
SZTUCZNA INTELIGENCJA
KNW K Konwencjonalne oraz N Niekonwencjonalne metody W Wnioskowania.
Etapy procesu sterowania rozmytego
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Egzamin gimnazjalny z języka angielskiego - poziom podstawowy.
WNIOSEK - definicja 1) TO, CO Z CZEGOŚ WYNIKA, WYNIK ROZUMOWANIA, KONKLUZJA; 2) TWIERDZENIE WYPROWADZONE Z INNYCH ZDAŃ UZNANYCH ZA PRAWDZIWE Słownik języka.
H.L.A. Hart uważał, iż pod terminem „pozytywizm” kryje się we współczesnej literaturze brytyjskiej i amerykańskiej zbiór następujących twierdzeń:
Zmiany w programie kierunku Kognitywistyka
Kognitywne właściwości sieci neuronowych
Visual Basic w programie Microsoft Excel
Egzamin gimnazjalny z języka angielskiego - poziom podstawowy.
Systemy Ekspertowe i Sztuczna Inteligencja trudne pytania
Modele baz danych - spojrzenie na poziom fizyczny
Zapis prezentacji:

Modelowanie Kognitywne Artur Grabowski Koło Kognitywistyki UMCS Kognitywistyka III rok I stopnia

Zacznijmy od teorii

Ko_nitywistyka- Co to takiego? Kognitywistyka (nauki o poznaniu) to dziedzina nauki wyjaśniająca ludzkie poznanie (m.in. percepcję, pamięć, rozumienie, rozumowanie, zdolności językowe, rozwiązywanie problemów, inteligencja etc.) w terminach: filozofii, psychologii, zasad działania mózgu; jednocześnie jest to dziedzina umożliwiająca tworzenie sztucznych (komputerowych) systemów wykazujących się tymi zdolnościami.

Co modelujemy? Rozwiązywanie problemów np. logicznych typu Sudoku czy przekładanka 8 –cyfrowa Analiza jezyka naturalnego Tworzenie bazy wiedzy Modele poznawcze

Reprezentacja wiedzy w AI Ramy Rama jest strukturą opisującą obiekt lub klasę obiektów Rama składa się z klatek opisujących konkretną cechę obiektu Klatka składa się z fasetów określających jego wartość, ograniczenia, komentarz Istnieje mechanizm dziedziczenia Wnioskowanie następuje poprzez przechodzenie w hierarchii dziedziczenia konkretne przypadki są odzwierciedleniem pewnego zdefiniowanego modelu.

wniosek jeżeli lista warunków Reguły Najpopularniejszym sposobem reprezentacji wiedzy wykorzystywanym w systemach ekspertowych jest reprezentacja wiedzy za pomocą reguł. Oparty jest on na wykorzystaniu reguł typu: wniosek jeżeli lista warunków Warunki są połączone za pomocą spójników (i, lub, jeżeli …….to ) Często stosowana przez informatyków

Sieci Semantyczne

A teraz trochę (więcej niż trochę) praktyki

Modele i architektury poznawcze – SNePS Działa w oparciu o modele posługujące się symbolami Używanie języka programowania LISP Architektura jest powiązana ściśle z przypisywaniem znaczeń do wyrażeń (tworzą się sieci semantyczne)

Podstawy SNePSa Definiowanie zmiennych za pomocą funkcji define i assert : (define Alice) – podajemy programowi w ten sposób wiedze (assert member Alice class Human) – tworzymy powiązania (siec) :

(innet <nazwa_pliku> - wczytuje zapisany plik (outnet <nazwa_pliku>- zapisuje plik pod wybraną nazwą (describe [nr_węzła])- pokazuje węzeł (find <cechy węzła>)- wyszukiwanie w całej bazie wiedzy (erase [nr_węzła])- usuwa węzeł (deduce <tworzony węzeł>)- przeprowadza dedukcje w celu stworzenia nowego wezła

Rozpoznawanie języka w SNePSie - parsowanie Co to jest parsowanie ?  Parsowanie to proces analizy tekstu, w celu ustalenia jego struktury gramatycznej i zgodności z gramatyką języka Jak to się robi w SNePSie? Dwie rzeczy: leksykon oraz gramatyka

(sneps) ^ --> Dwie komendy ładowania: (atnin „lokalizacja pliku gramatyki”) – gramatyka (lexin „lokalizacja pliku leksykonu”)- leksykonu Aby wejść w tryb parsowania używamy polecenia parse

Struktura zdania S=> NP+VP NP=> A+NP NP=>A+N VP=>V+Adv

Jak napisać własny leksykon? Skróty: Po załadowaniu zarówno leksykonu jak i gramatyki możemy przejść do analizy zdania (pamiętajmy o tym że skład zdania musi znajdować w leksykonie bo inaczej ERROR ) Jak napisać własny leksykon? Skróty: ctgy. – kategoria det- zaimek root- (bezokololicznik) num – liczba tense- czas past/pres/future – czas n. v. adv. adj. – cześci zdania

Pamiętajmy o języku !!! (gramatyka błędnie przeanalizuje zdanie obcego języka) Przykład leksykonu:

Dziękuje za uwagę