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.

прочети още
Информатика

Преподавател(и):

доц. Светла Бойчева  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 %