Kybernetika a umělá inteligence
Kód | Zakončení | Kredity | Rozsah |
---|---|---|---|
33KUI | Z,ZK | 4 | 2+2s |
- Předmět je náhradou za:
- Kybernetika a umělá inteligence (X33KUI)
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- katedra kybernetiky
- Anotace:
-
Jedná se o úvodní obecný předmět umožňující studentům pochopit cíle a metody kybernetiky a umělé inteligence a zařadit jednotlivé dílčí partie probírané v bakalářské etapě do hlubšího kontextu studovaného oboru. V přehledu jsou uvedeny základní principy teorie informace, řízení, rozhodování a znalostního inženýrství v rozsahu, který je nezbytným základem pro studium většiny předmětů bakalářského studia.
Nejdůležitějším rysem předmětu je jednotící koncepční přístup k mnoha na první pohled různorodým součástem kybernetiky a umělé inteligence.
- Požadavky:
- Osnova přednášek:
-
1. Systémy a modely v kybernetice. Kybernetika, teorie systémů a umělá inteligence
2. Teorie řízení jako součást kybernetiky. Zpětnovazební řízení v kybernetice
3. Základy teorie informace: základní pojmy, signál, kódování, informace
4. Sdružená a podmíněná entropie a její vlastnosti. Střední vzájemná informace
5. Komunikační kanál a jeho kapacita. Kódy a kódování. Princip maxima entropie
6. Rozhodování za neurčitosti a rizika. Statistické a Bayesovské rozhodování
7. Základy teorie her, pravidlo minimaxu
8. Rozpoznávání a vnímání. Příznakové a strukturální klasifikátory. Shluková analýza
9. Cíle umělé inteligence. Reprezentace úloh, stavový prostor a jeho prohledávání
10. Logika z pohledu umělé inteligence. Využití logiky při formalizaci řešení úloh
11. Reprezentace znalostí. Algoritmizace: formální jazyky, automaty, Turingovy stroje
12. Heuristické znalosti. Expertní systémy a řízení. Distribuované znalostní systémy
13. Znalostní inženýrství a získávání znalostí. Adaptivní a učící se algoritmy
14. Aplikace umělé inteligence: robotika, problémy systémové integrace, diagnostika
- Osnova cvičení:
-
1. Úvod, zápis, bezpečnost. Turingův test. Zadání úloh
2. Aktuální problémy kybernetiky I - demonstrace konkrétních aplikací v Gerstnerově lab.
3. Aktuální problémy kybernetiky II - demonstrace konkrétních aplikací v centru strojového vnímání
4. Teorie informace. Jak se měří informace? Signál, kódování, reálné příklady
5. Entropie a její použití. Odhady entropie. Princip maxima entropie
6. Kapacita diskrétního a spojitého kanálu. Souvislost komunikační a termodynamické entropie
7. Jevy podmíněné a nezávislé - příklady. Statistické charakteristiky a jejich použití při rozhodování. Bayesovské rozhodování a podmínky jeho použití
8. Samostatná práce I
9. Samostatná práce II
10. Referáty
11. Matematická logika jako nástroj pro reprezentaci znalostí. Co dokáže Prolog?
12. Softwarové nástroje pro strojové učení, neuronové sítě a genetické algoritmy
13. Expertní systémy, praktické cvičení I
14. Expertní systémy, praktické cvičení I
- Cíle studia:
- Studijní materiály:
-
[1] Mařík, V.; Štěpánková, O.; Lažanský, J.: Umělá inteligence I. Academia, Praha, 1997
[2] Kotek, Z.; Vysoký, P.; Zdráhal Z.: Kybernetika. SNTL, Praha, 1990
[3] Rich, E.; Knight, K.: Artificial Intelligence. Mc-Graw Hill, 1991
- Poznámka:
-
Rozsah výuky v kombinované formě studia: 14+4
Typ cvičení: s, c, p
Předmět je nabízen také v anglické verzi.
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- Kybernetika a měření-bakalářský blok (povinný předmět)
- Kybernetika a měření-bakalářský blok (povinný předmět)