Sztuczna inteligencja (dzienne, Łódź)


Sposób oceniania oraz warunki zaliczeń są umieszczone na osobnej podstronie

Egzamin został już sprawdzony, oceny są w USOS-ie. W przyszłym tygodniu będę osiągalny w środę między 11:00 a 13:00.

Wykład

Skrypt Przykładowe pytania na egzamin.
Co się działo na zajęciach.
  1. 2010-02-25
    Solving problems by searching (do przeszukiwania wszerz)
  2. 2010-03-04
    Solving problems by searching (ciąg dalszy)
    Beyond classical search (do symulowanego wyżarzania - włącznie)
  3. 2010-03-11
    Beyond classical search (ciąg dalszy do searching with no/partial observation)
  4. 2010-03-18
    Beyond classical search (ciąg dalszy od searching with no/partial observation)
    Adversarial search (definicja gry)
  5. 2010-03-25
    Adversarial search (od definicji gry przez minimax, minimax dla większej ilości gracz i wprowadzenie do alfa-beta cięć (dwa przykłady intuicyjne))
  6. 2010-04-08
    Adversarial search (do końca)
    Constraint satisfaction problems (do przykładów włącznie)
  7. 2010-04-15
    Constraint satisfaction problems (ciąg dalszy)
  8. 2010-04-22
    Rachunek zdań (materiał na końcu w skrypcie do JPSI, U. Schoning, Logic for Computer Scientists (patrz niżej))
  9. 2010-04-29
    Rachunek kwantyfikatorów (materiał na końcu w skrypcie do JPSI, U. Schoning, Logic for Computer Scientists (patrz niżej))
  10. 2010-05-06
    Prolog
  11. 2010-05-13
    Czym jest sztuczna inteligencja
  12. 2010-05-20
    Fuzzy logic
  13. 2010-05-27
    Learning from examples - do drzew decyzyjnych
  14. 2010-06-10
    Learning from examples - jak tworzyć drzewa decyzyjne

Materiały podstawowe

Materiały uzupełniające

Rozmyte tęzyki programowania

Ćwiczenia

Wyniki kolokwium
Nazwa projektuPunktyWymaganyTermin
Przeszukiwanie wszerz i w głąb.1tak2010-03-09/12
Algorytmy zachłanne przeszukiwania przestrzeni (hill climbing)1---2010-xx-xx
Algorytm BFS1tak2010-xx-xx
Algorytm MEA1---2010-xx-xx
Minimax1tak2010-xx-xx
Przeszukiwanie z nawracaniem (problem hetmanów, układanka)1tak2010-xx-xx
Metoda Monte Carlo1---2010-xx-xx
Algorytm genetyczny1tak2010-xx-xx
Automat Moore'a1tak2010-xx-xx
Automat komórkowy1tak2010-xx-xx
Baza reguł rozmytych1---2010-xx-xx

Przykładowe programy

  1. Przeszukiwania wszerz i w głąb
  2. Best First Search
  3. Minimax
  4. Algorytm najszybszego spadku i algorytm najszybszego spadku z minimalizacją kierunkową

Pliki testowe do algorytmów

Grafy

Grafy w przestrzeni

Baza reguł rozmytych

Labirynty

Inne

Wygląd pól labiryntu (numeracja pól zgodnie z opisem w skrypcie)


Przykładowa plansza:

oraz proponowany koszt wejścia na pola:
Symbol Nazwa pola Koszt wejścia
na pole
Droga główna 0.25
Droga drugorzędna 0.5
Droga polna 1
Góry 4
Las +1
Miasto 1
Teren nizinny 1
Teren pagórkowaty 3
Rzeka Przekraczanie zabronione
(tylko po drodze)
Wzniesienia 2