Sztuczna Inteligencja Reprezentacja wiedzy I Wstęp. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.

Slides:



Advertisements
Podobne prezentacje
STUDIUM PRZYPADKU (case study ang.)
Advertisements

KOMPETENCJE KLUCZOWE W PROJEKCIE EDUKCYJNYM
Włodzisław Duch Katedra Informatyki Stosowanej,
Związki w UML.
System lingwistyczny - wnioskowanie
Metody Sztucznej Inteligencji 2012/2013Zastosowania systemów rozmytych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Zastosowania.
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Inteligencja Obliczeniowa Metody oparte na podobieństwie do wzorców.
Programowanie genetyczne (Genetic Programming)
Katedra Informatyki Stosowanej UMK
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Inteligencja Obliczeniowa Perceptrony
Formalizacja i uwiarygodnianie Iteracyjny proces syntezy modeli
Sztuczna Inteligencja 2.1 Metody szukania na ślepo
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Sztuczna Inteligencja Reprezentacja wiedzy II
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch.
METODOLOGIA W INFORMATYCE
DOKUMENTOWANIE PROCESU ZINTEGROWANEGO
Co UML może zrobić dla Twojego projektu?
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.
Zastosowanie pamięci semantycznej we wspomaganiu decyzji medycznych
Model lingwistyczny – wnioskowanie Mamdani’ego
Paweł Kramarski Seminarium Dyplomowe Magisterskie 2
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
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
AI w grach komputerowych
Systemy kognitywne jako nowy wymiar informatyki ekonomicznej
Rozwiązanie zadań do zaliczenia I0G1S4 // indeks
Programowanie obiektowe – język C++
ZWIĄZKI MIĘDZY KLASAMI KLASY ABSTRAKCYJNE OGRANICZENIA INTERFEJSY SZABLONY safa Michał Telus.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
1. Współczesne generacje technologii
Politechniki Poznańskiej
Do technik tych zalicza się: * sztuczne sieci neuronowe
Interakcja człowiek – komputer Podstawy metod obiektowych mgr inż. Marek Malinowski Zakład Matematyki i Fizyki Wydz. BMiP PW Płock.
Metoda studium przypadku jako element XI Konkursu Wiedzy Ekonomicznej
Diagram aktywności (czynności)
Diagram klas Kluczowymi elementami są: klasy (class)
Techniki sztucznej inteligencji
Modelowanie Kognitywne
Standard DICOM – omówienie klas wybranych obiektów
Dane – informacje - wiadomości Kodowanie danych i problem nadmiarowości.
4 lipca 2015 godz pok września 2015 godz pok. 212.
Powiat Górowski/ Powiatowe Centrum Doskonalenia Nauczycieli i Poradnictwa Psychologiczno-Pedagogicznego w Górze Priorytet III Wysoka jakość systemu oświaty.
Wstęp do interpretacji algorytmów
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA
Metody Inteligencji Obliczeniowej
KNW K Konwencjonalne oraz N Niekonwencjonalne metody W Wnioskowania.
ASP.NET Dostęp do bazy danych z poziomu kodu Elżbieta Mrówka-Matejewska.
Metody Inteligencji Obliczeniowej Adrian Horzyk Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego I © Kazimierz Duzinkiewicz, dr hab.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie formalne © Kazimierz Duzinkiewicz, dr hab. inż.
Cz. Nosala (1979, 1993) koncepcja problemu i ich podziału (taksonomii) Każda sytuacja poznawcza ukierunkowana na osiągnięcie jakiegoś celu zawiera następujące.
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Perceptrony o dużym marginesie błędu
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne
Włodzisław Duch Katedra Informatyki Stosowanej,
* PROCESÓW TECHNOLOGICZNYCH
Sztuczna Inteligencja Gry i programy oparte na szukaniu
Inteligencja Obliczeniowa Perceptrony
Modele baz danych - spojrzenie na poziom fizyczny
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Zapis prezentacji:

Sztuczna Inteligencja Reprezentacja wiedzy I Wstęp. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch

Co było: Szukanie. Programy oparte na szukaniu Szukanie i ludzkie myślenie

Co będzie Reprezentacja wiedzy - wstęp Logiczna reprezentacja wiedzy

Reprezentacja wiedzy AI i inżynieria wiedzy (knowledge engineering). Czym jest wiedza? Jak ją reprezentować? Jaką z niej korzystać? Jak podejmować decyzje? Filozofia: nauką o naturze wiedzy jest epistemologia.

Rodzaje wiedzy Obiekty, przedmioty – najprostsza wiedza? Opis za pomocą przestrzeni cech, zbioru przykładów lub ich uogólnień - prototypów. Trudności ze zrozumieniem kategoryzacji przez ludzi. Zdarzenia, zmienność w czasie i przestrzeni. Umiejętności – wiedza niewerbalna. Rozróżnienie wiedzy proceduralnej i deklaratywnej. Meta-wiedza, czyli wiem, że coś wiem (nic nie wiem). Wierzenia, przekonania lub ich brak.

Reprezentacja wiedzy Używanie wiedzy Gromadzenie wiedzy, klasyfikacja i integracja Wydobywanie (akwizycja) wiedzy Rozumowanie Formalne rozumowanie Proceduralne rozumowanie Rozumowanie przez analogię Rozumowanie przez uogólnianie Meta-rozumowanie

Reprezentacja wiedzy cd.,,Ziarnistość reprezentowanej wiedzy – ile szczegółów? Modularność wiedzy – jak łatwo zmodyfikować? Reprezentacje deklaratywne – trudności z reprezentacją sekwencji działań. Reprezentacje proceduralne – trudności z modyfikacją. Teoria reprezentacji wiedzy – słabo rozwinięta. Sposób reprezentacji wiedzy przez mózgi – niejasny.

Reprezentacja stanów Najprostsza reprezentacja wiedzy: Opis stanu bazy danych, problemu, obiektu. Operatory pozwalające na transformację stanu Opis problemu i możliwości jego transformacji.

Reprezentacja proceduralna Stan bazy: opis statycznej sytuacji. Opis serii czynności wymaga procedury postępowania. Przykład: procedura rozbrojenia pocisku; operacja chirurgiczna. Procedury często zapisywane są w postaci programu poddającego serii transformacji jakieś obiekt. Zalety: procedury upraszczają proces szukania, wiedza nie jest oddzielona od sposobu jej użycia. Podobne efekty osiągamy wprowadzając makrooperatory w przestrzeni stanów. Wady: zupełność i spójność zwykle nie da się osiągnąć.