Τεχνητή Νοημοσύνη


Εισαγωγή στην Τεχνητή Νοημοσύνη. Ευφυείς πράκτορες (intelligent agents). Λύση προβλημάτων με πράκτορες αναζήτησης (search agents). Απληροφόρητες στρατηγικές αναζήτησης: breadth-first search, uniform-cost search, depth-first search, depth-limited search, iterative deepening depth-first search, bi-directional search. Ευρετικές στρατηγικές αναζήτησης: greedy best-first search, A*-search. Αλγόριθμοι τοπικής αναζήτησης (local search): hill-climbing, simulated annealing, local beam search, genetic algorithms. Προβλήματα ικανοποίησης περιορισμών (constraint satisfaction problems). Αλγόριθμοι για λύση προβλημάτων ικανοποίησης περιορισμών: backtracking, forward-checking, back-jumping, conflict-directed back-jumping, heuristics, consistency levels, arc consistency. Πράκτορες για αναπαράσταση γνώσης και συλλογιστική. Προτασιακή λογική και λογική πρώτης τάξης. Χρήση της προτασιακής και της λογικής πρώτης τάξης για αναπαράσταση γνώσης. Σχεδιασμός βάσεων γνώσεων, οντολογίες, παραδείγματα από διάφορες εφαρμογές. Συμπερασμός στη λογική πρώτης τάξης: κανόνες συμπερασμού, unification, forward and backward chaining, resolution, theorem proving. Σύντομη εισαγωγή στο λογικό προγραμματισμό, τη γλώσσα Prolog και το λογικό προγραμματισμό με περιορισμούς.


Στόχοι Μαθήματος

-


Προαπαιτούμενες Γνώσεις

-


Περιεχόμενα

-

ΤΑΥΤΟΤΗΤΑ ΜΑΘΗΜΑΤΟΣ

Βαθμίδα:

Τύπος:

Προπτυχιακό

(A+)


Εκπαιδευτές: Παναγιώτης Σταματόπουλος, Μανώλης Κουμπαράκης
Τμήμα: Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Ίδρυμα: Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Θεματική Περιοχή: Επιστήμες Υπολογιστών, Πληροφορικής, Τηλεπικοινωνιών
Άδεια Χρήσης: CC - Αναφορά - Μη Εμπορική Χρήση - Παρόμοια Διανομή

Επισκεφτείτε το μάθημα

ΜΟΙΡΑΣΤΕΙΤΕ ΤΟ ΜΑΘΗΜΑ
ΣΧΕΤΙΚΑ ΜΑΘΗΜΑΤΑ