Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch.

Slides:



Advertisements
Podobne prezentacje
Związki w UML.
Advertisements

Sztuczna Inteligencja Programy oparte na szukaniu
System lingwistyczny - wnioskowanie
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Inteligencja Obliczeniowa Perceptrony
Sztuczna Inteligencja 2.1 Metody szukania na ślepo
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Sztuczna Inteligencja Reprezentacja wiedzy II
11 RDF Wertykalne zastosowania XML-a. 22 RDF - Wprowadzenie Problemy Sieć jest nieczytelna dla programów komputerowych. Sieć zawiera zbyt wiele informacji.
Indukcjonistyczna filozofia nauki
Wykład 15 Neuropsychologia komputerowa
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
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
Wstęp do programowania obiektowego
Te figury nie są symetryczne względem pewnej prostej
Projektowanie i programowanie obiektowe II - Wykład IV
Projektowanie - wprowadzenie
Przegląd ważniejszych bibliotek używanych przy projekcie Quall.
Fraktale i chaos w naukach o Ziemi
Podstawy informatyki 2013/2014 Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi.
EXCEL TO HTML Wykonawca Jarosław Ferenc. CO CHCEMY UZYSKAC Przed uzupełnieniem Po uzupełnieniu.
Model przestrzenny Diagramu Obiegu Dokumentów
ANNA BANIEWSKA SYLWIA FILUŚ
Automatyka i Robotyka Systemy czasu rzeczywistego Wykład 4.
Rozwiązanie zadań do zaliczenia I0G1S4 // indeks
Modelowanie obiektowe Diagramy UML – diagram przypadków użycia
Uczenie się, pamięć , wyższe czynności nerwowe
Modelowanie obiektowe Diagramy klas
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
VI EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
Politechniki Poznańskiej
Projektowanie stron WWW
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Metoda studium przypadku jako element XI Konkursu Wiedzy Ekonomicznej
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski 1 informatyka +
Programowanie strukturalne i obiektowe C++
Model obiektowy bazy danych
Waterfall model.
Gra symulacyjna - gaming simulation (GS) jest symulacją efektów decyzji podjętych w czasie odgrywania ról, w sytuacji uwarunkowanej określonymi regułami:
Ilustrowanie dokumentów w edytorze elementami graficznymi
CZWOROKĄTY Autor: Anna Mikuć START.
Zagadnienia AI wykład 2.
Modelowanie Kognitywne
Diagram obiektów Diagram obiektów ukazuje elementy i związki z diagramu klas w ustalonej chwili. Diagram obiektów jest grafem złożonym z wierzchołków i.
Logical Framework Approach Metoda Macierzy Logicznej
Informatyka – szkoła gimnazjalna – Scholaris - © DC Edukacja Tworzenie stron WWW w programie Microsoft FrontPage Informatyka.
Modelowanie model związków encji
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA
Wstęp do programowania Wykład 10 Programowanie w logice.
Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi i Pawła Jerzego Matuszyka Podstawy.
Wyrażenie algebraiczne, które powstaje przez dodawanie jednomianów. Jednomiany, które dodajemy nazywamy wyrazami sumy.
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Jak można wykorzystać swoją wiedzę z Matlaba
Zastosowanie narzędzi pracujących w środowisku 3D do animacji postaci.
Program InLab Formularz Pomysłu na Innowację Prosimy o wysłanie wypełnionego formularza do dnia 25 listopada 2016 roku. Zwracamy uwagę, że w przypadku.
Perceptrony o dużym marginesie błędu
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne
Perceptrony o dużym marginesie błędu
Język C++ Typy Łukasz Sztangret Katedra Informatyki Stosowanej i Modelowania Prezentacja przygotowana w oparciu o materiały Danuty Szeligi i Pawła Jerzego.
Inteligencja Obliczeniowa Perceptrony
Wyniki egzaminu próbnego
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne
Sztuczna Inteligencja Programy oparte na szukaniu
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Zapis prezentacji:

Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch

Reprezentacje bezpośrednie Reprezentacje bezpośrednie to takie w których relacje i własności części odpowiadają relacjom i własnościom części rzeczywistego (modelowanego) systemu. Reprezentacje mogą być bezpośrednie pod pewnym względem, a symboliczne pod innym, np. mapa. Reprezentacje geometryczne Reprezentacja symboliczna dopuszcza wiele modeli rzeczywistych; reprezentacje bezpośrednie znacznie mniej. Przestrzeń koncepcji – abstrakcyjna p. geometryczna, w której możemy próbować utworzyć reprezentacje bezpośrednie podobieństwa obiektów (między sobą lub do prawdziwych).

Reprezentacje bezpośrednie 1 Przykład: GEOMETRA (Gelernter 1963) Dane: Kąt ABD=DBC AD prostopadłe do AB DC prostopadłe do BC Dowiedź: Odcinek AD=CD General Space Planner (Eastman 1973) - planowanie przestrzenne WHISPER (Funt 1977) - zdarzenia w świecie klocków

Ramy Wprowadzone przez Marvina Minskyego w 1975 r. Operatory: indukują zmiany, ale większość obiektów się nie zmienia i może być ujęta w ramy. Ramy to złożone struktury powstałe w wyniku nagromadzenia się wcześniejszych doświadczeń; ich zadaniem jest opisać obiekt lub koncepcje i możliwości jej użycia. Ramy mają szufladki lub haczyki (slots, hooks) na fakty lub procedury. Rozumowanie polega na zapełnianie szufladek. Wiedza deklaratywna i proceduralna może zostać umieszczona w dobrze zdefiniowanych ramach.

Ramy – prosty przykład Ogólna ramka PIES Co to: ZWIERZĘ; ZWIERZĄTKO DOMOWE Rasa: ? Właściciel: OSOBA (jeśli-potrzebna: znajdź OSOBA z ZWIERZĄTKO DOMOWE =ja) Imię: NAZWA WŁASNA (DEFAULT = Reks).... Ramka PIES-SĄSIADA Co to: PIES Rasa: kundel Właściciel: Józek Imię: Flejtuch

Ramy - przykład Ramka Pokój hotelowy Kategoria ogólna: Pokój Miejsce: Hotel Zawiera: krzesło hotelowe, telefon hotelowy łóżko hotelowe Ramka Łóżko hotelowe Kategoria ogólna: Łóżko Funkcja: Spanie Rozmiar: king size, queen size, standard Części: rama, materac...

Własności Którą ramę zastosować do danej sytuacji? Problem kruchości reprezentacji za pomocą ram. Ramy w sieciach semantycznych mogą tego uniknąć. Dobór strategii rozumowania przez dobór ram. Przykłady: Bobrow i Winograd (1977) wprowadzili oparty na ramach język KRL (Knowledge Representation Language) Program GUS (Bobrow 1977) do analizy języka naturalnego oparty był na ramach. Sekwencja wydarzeń rozwijających się w czasie – do zrozumienia konieczny jest skrypt (Schank i Abelson 1977)

Skrypty JEDZENIE-W-RESTAURACJI (skrypt) Obiekty: (restauracja, pieniądze, jedzenie, menu, stoliki, krzesła) Role: (klienci, kelnerzy, kucharze) Punkt-widzenia: klient Czas-zdarzenia (godziny otwarcia restauracji) Miejsce-zdarzenia (położenie restauracji) Sekwencje zdarzeń: najpierw: Wchodzimy do restauracji (skrypt) potemif (znak rezerwacja lub prosimy-czekać-na-miejsce) then (zwrócić-uwagę-kelnera skrypt) potemProsimy-usiąść skrypt potemZamawiamy-jedzenie skrypt

Skrypty cd potemSpożywamy-jedzenie skrypt unless (długie-czekanie) when Wychodzimy-zdenerwowani-z-restauracji skrypt potemif (jedzenie-bardzo-dobre) then Gratulacje-dla-kucharza skrypt potemPłacimy-za-jedzenie skrypt koniec: Opuszczamy-restaurację skrypt Skrypty umożliwiają analizę typowych historyjek, np. wycinków z gazet opisujących przejmowanie banków, fuzje firm itp. Dzięki temu można łatwo dopasować formę pytań i odpowiedzi do tekstu