Τεχνητή Νοημοσύνη ΙΙ (Ανοικτό Μάθημα)

Σχεδιασμός: Σχεδιασμός με αναζήτηση, σχεδιασμός με λογική, γραφήματα σχεδιασμού, χρονοπρογραμματισμός με περιορισμούς πόρων, ιεραρχικά δίκτυα εργασιών, σχεδιασμός σε μη αιτιοκρατικά πεδία, πολυπρακτορικός σχεδιασμός. Δράση υπό αβεβαιότητα: Δίκτυα Bayes, πιθανοτική συλλογιστική, προσεγγιστικός συμπερασμός, συμπερασμός με αλυσίδες Markov, ασαφής λογική, συμπερασμός σε χρονικά μοντέλα, κρυφά μοντέλα Markov, φίλτρα Kalman, δυναμικά δίκτυα Bayes, εφαρμογές στην αναγνώριση ομιλίας. Λήψη Αποφάσεων: Θεωρία χρησιμοτήτων, πολυκριτηριακές συναρτήσεις χρησιμότητας, δίκτυα αποφάσεων, έμπειρα συστήματα, θεωρία παιγνίων. Μηχανική μάθηση: Δέντρα αποφάσεων, επαγωγική μάθηση, μάθηση βασισμένη στις επεξηγήσεις (explanation based learning), επαγωγικός λογικός προγραμματισμός, στατιστικές μέθοδοι μάθησης, μοντέλα naive Bayes, ο αλγόριθμος EM, μάθηση μειγμάτων Gauss, μάθηση βασισμένη σε στιγμιότυπα (instance learning), μοντέλα και μηχανές πυρήνων, νευρωνικά δίκτυα, ενισχυτική μάθηση (reinforcement learning). Επικοινωνία: Τυπικές γραμματικές και γλώσσες, συντακτική ανάλυση, σημασιολογική ερμηνεία, γραμματικές DCG, αμφισημία και αποσαφήνιση, κατανόηση κειμένων, πιθανοτικά μοντέλα γλωσσών, γραμματικές PCFG, ανάκτηση και εξαγωγή πληροφοριών, μηχανική μετάφραση. Αντίληψη και ενέργεια: Μηχανική όραση, αναγνώριση αντικειμένων από εικόνες, ρομποτική αντίληψη, εντοπισμός και χαρτογράφηση, αισθητήρες ρομπότ και συσκευές δράσης, σχεδιασμός κίνησης, αρχιτεκτονικές λογισμικού ρομποτικής.

Στόχοι Μαθήματος

Λήψη Αποφάσεων, Θεωρία Παιγνίων, Μηχανική Μάθηση, Αντίληψη, Ρομποτική

Προαπαιτούμενες Γνώσεις

Προαπαιτούμενα μαθήματα: Τεχνητή Νοημοσύνη Ι

Περιεχόμενα

Σχεδιασμός: Σχεδιασμός με αναζήτηση, σχεδιασμός με λογική, γραφήματα σχεδιασμού, χρονοπρογραμματισμός με περιορισμούς πόρων, ιεραρχικά δίκτυα εργασιών, σχεδιασμός σε μη αιτιοκρατικά πεδία, πολυπρακτορικός σχεδιασμός. Δράση υπό αβεβαιότητα: Δίκτυα Bayes, πιθανοτική συλλογιστική, προσεγγιστικός συμπερασμός, συμπερασμός με αλυσίδες Markov, ασαφής λογική, συμπερασμός σε χρονικά μοντέλα, κρυφά μοντέλα Markov, φίλτρα Kalman, δυναμικά δίκτυα Bayes, εφαρμογές στην αναγνώριση ομιλίας. Λήψη Αποφάσεων: Θεωρία χρησιμοτήτων, πολυκριτηριακές συναρτήσεις χρησιμότητας, δίκτυα αποφάσεων, έμπειρα συστήματα, θεωρία παιγνίων. Μηχανική μάθηση: Δέντρα αποφάσεων, επαγωγική μάθηση, μάθηση βασισμένη στις επεξηγήσεις (explanation based learning), επαγωγικός λογικός προγραμματισμός, στατιστικές μέθοδοι μάθησης, μοντέλα naive Bayes, ο αλγόριθμος EM, μάθηση μειγμάτων Gauss, μάθηση βασισμένη σε στιγμιότυπα (instance learning), μοντέλα και μηχανές πυρήνων, νευρωνικά δίκτυα, ενισχυτική μάθηση (reinforcement learning). Επικοινωνία: Τυπικές γραμματικές και γλώσσες, συντακτική ανάλυση, σημασιολογική ερμηνεία, γραμματικές DCG, αμφισημία και αποσαφήνιση, κατανόηση κειμένων, πιθανοτικά μοντέλα γλωσσών, γραμματικές PCFG, ανάκτηση και εξαγωγή πληροφοριών, μηχανική μετάφραση. Αντίληψη και ενέργεια: Μηχανική όραση, αναγνώριση αντικειμένων από εικόνες, ρομποτική αντίληψη, εντοπισμός και χαρτογράφηση, αισθητήρες ρομπότ και συσκευές δράσης, σχεδιασμός κίνησης, αρχιτεκτονικές λογισμικού ρομποτικής.