Umělá inteligence

Vztahy:

Předmět A3M33UI může při kontrole studijních plánů nahradit předmět A5M33UIP

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A5M33UIP (vztah je symetrický)

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět AE3M33UI (vztah je symetrický)

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE3M33UI (vztah je symetrický)

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B3M33UI (vztah je symetrický)

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A5M33UIP (vztah je symetrický)

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět AE3M33UI (vztah je symetrický)

Předmět A3M33UI může být splněn v zastoupení předmětem AE3M33UI

Předmět A3M33UI může být splněn v zastoupení předmětem BE3M33UI

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE3M33UI (vztah je symetrický)

Předmět A3M33UI může být splněn v zastoupení předmětem B3M33UI

Předmět A3M33UI nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B3M33UI (vztah je symetrický)

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra kybernetiky

Anotace:

Předmět je zaměřen na poskytnutí teoreticky hlubších poznatků z oblasti umělé inteligence v rozsahu potřebném pro obor Robotika. Sestává z několika partií: vybraných otázek rozpoznávání a strojového učení, základů teorie multiagentních systémů a umělého života. Důraz je kladen na propojení teoretických základů s ukázkami aplikací.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/A3M33UI

Požadavky:

Osnova přednášek:

1.Metody klasifikace, bayesovké a nebayesovské ulohy.

2.Adaboost, SVM klasifikátory

3.Grafické pravděpodobnostní a Markovovské modely ve strojovém učení

4.Teorie učení - problémy konzistence, kapacity, PAC

5.Učení klasifikačních pravidel (AQ, CN2)

6.Sekvenční rozpoznávání, Waldův algoritmus, extrakce a syntéza příznaků, vlastnosti

7.Plánování, reprezentace plánovacího problému, lineární a nelineární plánování

8.Metody plánování: TOPLAN, POPLAN, SATPLAN, GRAPHPLAN

9.Multiagentní systémy: Reaktivní a deliberativní agenti, BDI architektura, reflexe

10.Kolektivní chování agentů, distribuované rozhodování, techniky vyjednávání, metoda CNP, aukční a hlasovací techniky

11.Sociální znalost, sociální chování agentů, meta-uvažování, formování koalic, týmová spolupráce agentů

12.Multiagentní plánování a rozvrhování, průmyslové aplikace

13.Umělý život, principy, algoritmy, aplikace

14.Aplikace, rezerva

Osnova cvičení:

1.Organizace cvičení, zadání úlohy pro samostatnou práci

2.Bayesovské a nebayesovské úlohy

3.Adaboost a SVM klasifikátory - ukázky řešených úloh

4.Markovovské modely a strojové učení I

5.Markovovské modely a procesy učení II

6.Systémy AQ a CN2, experimenty I

7.Systémy AQ a CN2, experimenty II

8.Plánovací úlohy

9.Plánování - praktická úloha

10.Systém Aglobe a jeho vlastnosti, ukázky

11.Další multiagentní systémy (Agentfly, ProPlant, MAST) -ukázky

12.Agentifikace systémů, sémantická informace

13.Umělý život -ukázky

14.Presentace úloh, zápočet

Cíle studia:

Studijní materiály:

1.Mařík, V., Štěpánková, O., Lažanský, J. a kol.: Umělá inteligence 1-5, Academia Praha, 1993-2007

2.Wooldridge, M: An Introduction to Multi-agent Systems. John Wiley & Sons, 2002

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

URL: http://cw.felk.cvut.cz/doku.php/courses/a3m33ui/start

Další informace:

http://cw.felk.cvut.cz/doku.php/courses/a3m33ui/start

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: