E-book details

Podstawy sztucznej inteligencji

Podstawy sztucznej inteligencji

Paweł Wawrzyński

Ebook

Skrypt zawiera materiał wprowadzający do dziedziny sztuczna inteligencja. Jest podzielony na trzy części odpowiadające jej głównym działom: wnioskowaniu, przeszukiwaniu i uczeniu maszynowym. W opracowaniu sztuczna inteligencja jest przedstawiona jako zbiór metod współtworzących arsenał współczesnej informatyki. Prezentowanym technikom towarzyszą liczne przykłady ilustrujące ich zastosowanie.

Przedmowa 8

1. Wprowadzenie 10

1.1. Definicja sztucznej inteligencji 10

1.2. Działy sztucznej inteligencji 11

1.3. Historia sztucznej inteligencji 12

I. Przeszukiwanie 16

2. Metody gradientowe 19

2.1. Metoda Newtona 19

2.2. Metoda Levenberga 20

2.3. Metoda gradientu prostego 21

2.4. Metoda stochastycznego najszybszego spadku 22

3. Algorytmy ewolucyjne 25

3.1. Ogólna idea i stosowana terminologia 25

3.2. Algorytm (1+1) 26

3.3. Algorytmy i strategie ewolucyjne 28

3.4. Algorytmy ewolucyjne w praktyce 31

4. Algorytmy genetyczne 34

4.1. Ogólny algorytm genetyczny 34

4.2. Kodowanie osobników 35

4.3. Reprodukcja 38

5. Przeszukiwanie przestrzeni stanów 40

5.1. Strategie nieinformowane 42

5.2. Strategie minimalizujące koszt 45

5.3. Strategie heurystyczne 47

6. Gry dwuosobowe 50

6.1. Model 50

6.2. Przegląd wyczerpujący 51

6.3. Strategia MIN-MAX 53

6.4. Przycinanie α β 55

6.5. Inne techniki poprawiania efektywności gry 56

II. Uczenie maszynowe 58

7. Regresja i klasyfikacja 60

7.1. Parametryczna aproksymacja funkcji 62

7.2. Maszyna Wektorów Nośnych 67

7.3. Drzewa i lasy decyzyjne 74

7.4. Wzmacnianie Gradientowe (Gradient Boosting) 79

7.5. Wybór właściwego modelu: k-krotna walidacja krzyżowa 81

8. Sztuczne sieci neuronowe 82

8.1 Perceptron dwuwarstwowy i wielowarstwowy 83

8.2. Aproksymacja na zbiorze skończonym 92

8.3. Aproksymacja na zbiorze nieskończonym 94

8.4. Siec neuronowa jako dobry model 96

9. Uczenie się ze wzmocnieniem 99

9.1. Proces Decyzyjny Markowa 99

9.2. Algorytmy Q-Learning i SARSA 101

9.3. Rozszerzenie algorytm6w Q-Learning i SARSA do ciągłych prze­strzeni stanów i akcji 105

III. Wnioskowanie logiczne i systemy eksperckie 109

10. Systemy wnioskujące oparte na logice zdań 111

10.1. Semantyka zdań 111

10.2. Zdania złożone 112

10.3. Klauzule i sprowadzanie wiedzy do zbioru klauzul 113

10.4. Wnioskowanie w przód 114

10.5. Wnioskowanie wstecz 118

10.6. Wnioskowanie przez rezolucję i zaprzeczenie 120

11. Systemy posługujące się logiką predykatów 123

11.1. Język 124

11.2. Wiedza w postaci klauzul 128

11.3. Podstawianie i unifikacja 131

11.4 Wnioskowanie w przód 133

11.5 Wnioskowanie wstecz 134

11.6. Wnioskowanie przez rezolucję i zaprzeczenie 137

11.7 Poprawność wnioskowania 141

12. Logika rozmyta 149

12.1. Zbiory rozmyte 150

12.2. Rozmyte spójniki 152

12.3. Rozmyte reguły 152

12.4. Wyostrzanie 153

12.5. Konstrukcja systemu rozmytego 154

13. Systemy eksperckie 155 13.1.

Tryby wnioskowania 156

13.2. Szkieletowe systemy eksperckie 157

Literatura 160