Sztuczna inteligencja
Test
Skrypt w ktorym znajdują się opisy wszystkich omawianych ćwiczeń.
Wykład
- 2014-10-22
Solving problems by searching (do sformułowania prostych problemów - sformułowania omawiać będziemy na następnych zajeciach) - 2014-10-29
Solving problems by searching (do informed search, ale bez tego) - 2014-11-05
Solving problems by searching (od informed search do końca) Praca własna - 2014-11-19
Beyond classical search (do algorytmu genetycznego włącznie) - 2014-11-26
Beyond classical search (ciąg dalszy - od searching in continuous space do and-or drzew)
Metoda gradientowa - 2014-12-03
Beyond classical search (ciąg dalszy - od and-or drzew do konca) - 2014-12-10
Adversarial search (mini-max, mini-max z cięciami)
Przykład (Wikipedia) - dwa obrazki: statyczny pokazujący ideę oraz dynamiczny pokazujący co się dzieje
Intuicja pokazująca możliwość pominięcia niektórych gałązi - 2014-12-17
Learning from examples (drzewa decyzyjne)
- 2015-01-07
Sztuczne sieci neuronowe (czym jest sztuczny neuron) - 2015-01-14
Sztuczne sieci neuronowe - ciąg dalszy (czym jest sztuczna sieć neuronowa, jej budowa itd)- Moje notatki (rozdział 15 i 16, strony 125 -- 157)
- Rozpoznawanie liter
- Gra czołg
- Kompresja obrazu fotka01.png fotka02.png fotka03.png fotka04.png fotka05.png fotka06.png fotka07.png fotka08.png
- Krzywe prostokat.png domek.png domek_z_k.png krzywa1.png krzywa2.png
- Sieć samoorganizująca
- Kompresja obrazu z wykorzystaniem sieci samoorganizującej
- Hopfield
- Podział płaszczyzny
- Perceptron Demo - symulacja procesu nauki prostej sieci
- Problem XOR
- XOR i wsteczna propagacja (demo)
- Rozkład obszarów atrakcji poszczególnych neuronów, gdy miarą odległości jest odległość euklidesowa
- Rozkład obszarów atrakcji poszczególnych neuronów, gdy miarą odległości jest iloczy skalarny
- Rozkład obszarów atrakcji poszczególnych neuronów, gdy miarą odległości jest iloczy skalarny a zbiór uczący jest znormalizowany
- Rozkład obszarów atrakcji poszczególnych neuronów, gdy miarą odległości jest odległość euklidesowa a zbiór uczący jest znormalizowany
- Moje notatki (rozdział 15 i 16, strony 125 -- 157)
- Zajęcia odrabiane
Czy maszyny mogą myśleć - rozważania na temat silnej sztucznej inteligencji, praca magisterska p. Urszuli Jędrzejczak
Różne materiały uzupełniające
- Strategies and Tactics for Intelligent Search
- Algorithmic Thoughts (m.in. opis algorytmów przeszukiwania)
Ćwiczenia
| Numer | Nazwa projektu | Data zadania / Ostateczny termin oddania | Opis projektu | |||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 a) | Problem siwego magazyniera | 2014-10-22 2014-11-12 | ||||||||||||||||||||||||||||||||||
| 1 b) | Malowanie liczbami | 2014-10-22 2014-11-12 |
Opis formatu pliku
http://www.math.edu.pl/malowanie-liczbami http://pl.wikipedia.org/wiki/Obrazek_logiczny | |||||||||||||||||||||||||||||||||
| 2 | Boidy | 2014-10-16 2014-11-19 | ||||||||||||||||||||||||||||||||||
| 3 | Przeszukiwania wszerz, w głąb, w głąb z iteracyjnym pogłębianiem oraz uniform-cost | 2014-11-05 2014-11-26 |
Mój przykładowy programLabiryntyOpis formatu pliku Wygląd pól labiryntu (numeracja pól zgodnie z opisem w skrypcie, na wszelki wypadek podaję obok)
Graf dla uniform-costOpis formatu pliku dla zadania unfiorm-cost | |||||||||||||||||||||||||||||||||
| 4 | Algorytm Best First Search lub A* | 2014-11-19 2014-12-03 |
Grafy w przestrzeniOpis formatu pliku Przykładowa plansza: oraz proponowany koszt wejścia na pola:
|
|||||||||||||||||||||||||||||||||
| 5 | Automaty i symulacja zachowania | 2014-11-26 2014-12-10 |
| |||||||||||||||||||||||||||||||||
| 6 | Kółko i krzyzyk i and-or drzewa | 2014-12-03 2014-12-17 | ||||||||||||||||||||||||||||||||||
| 7 | Mini-max i prosta gra | 2014-12-10 2015-01-07 |
| |||||||||||||||||||||||||||||||||
| 8 | Drzewa decyzyjne | 2014-12-17 2015-01-14 | ||||||||||||||||||||||||||||||||||
| 9 | Gra "Czołgi" | 2015-01-07 2015-01-28 |
