CSCB723 Изкуствен интелект и логическо програмиране
Анотация:
Курсът запознава с принципите и методите за обработка на знанията в системи с елементи на изкуствена интелигентност.
В лекциите се разглеждат основно схемите за представяне на знания - логически теории, семантически мрежи, продукционни и фреймови системи, като се дискутират основните теоретични и практически проблеми, възникващи при формализацията на знанията.
Преподавател(и):
Тодор Цонков д-р
Описание на курса:
Компетенции:
Успешно завършилите курса студенти:
1) знаят:
методите и средствата на изкуствения интелект, а също и основни съвременни информационни технологии (обработка на знания, многоагентни системи, обектно-ориентирано програмиране и др.)
2) могат:
да реализират програмни продукти с използване на методите и средствата на изкуствения интелект
да разбират и използват различни системи за представяне на знания
Предварителни изисквания:
прослушан курс по Математическа логика и логическо програмиране
Форми на провеждане:
Редовен
Учебни форми:
Лекция
Език, на който се води курса:
Български
Теми, които се разглеждат в курса:
1. Предмет и характеристики на Изкуствения интелект.
2. Търсене на решения в пространството на състоянията. Формулиране на задачите. Основни стратегии.
3. Евристични стратегии за търсене на решения в пространството на състоянията. Изкачване на хълм. Търсене на най-добър кандидат.
4. Основни въпроси на представянето на знания. Типове знания. Основни отношения за изграждане на йерархични схеми. Представяне на множества.
5. Представяне на знания с логически средства. Представяне на прости факти и отношения - съждително и предикатно смятане.
6. Представяне на знания със средствата на предикатното смятане. Принцип на резолюцията.
7. Понятие за езици и системи за логическо програмиране .
8. Представяне на знания с продукционни системи. Канонични системи. Прав и обратен извод в продукционни системи.
9. Представяне на знания със семантични мрежи.
10. Представяне на знания с фрейми. Видове атрибути и видове класове.
11. Представяне на знания с фрейми. Представяне на атрибутите с фрейми Наследяване на свойства.
12. Машинно разбиране. Понятие за компютърна обработка на естествен език.
13. Машинно самообучение. Индуктивни методи.
14. Планиращи системи в ИИ. Планиране с магазинна памет.
15. Конекционистки модели в ИИ. Единичен и многослоен перцептрон.
16. Конекционистки модели в ИИ.. Мрежи с обратно разпространение на грешката. Самообучение при невронните мрежи
17. Разпределени системи на Изкуствения интелект. Понятие за интелигентен агент и многоагентни системи.
18. Разпределени системи на Изкуствения интелект. Особености, комуникационни структури.
19. Понятие за семантичен Интернет.
Литература по темите:
1. Rich E., K. Knight - Artificial Intelligence Mc-Graw-Hill, NY, 1991.
2. Russel St., P. Norwig - Artificial Intelligence: a Modern Approach (2nd edittion). Prentice Hall, 2002.
3. Чарняк Ю., Д. Макдермот - Увод в изкуствения интелект. Софтех, С., 1997.
4. Weiss G. (ed.) – Multiagent Systems. MIT Press, 2001.
5. Fensel D. et al. (Eds) – Spinning the Semantic Web (paperback edition). MIT Press, 2005.
Средства за оценяване:
ТЕСТОВЕ 50 %
УЧАСТИЕ В СЕМИНАРИ 30 %
КУРСОВА РАБОТА/ПРОЕКТ 20 %