TEXTO EN BLANCO(ESPACIOS)











Ads 468x60px

Featured Posts

Documento sin título
pdf descargar

1. GENERALE



Nome del corso

: INTELLIGENZA ARTIFICIALE

Codice del Corso

: 207008

Durata del corso

: 17 settimane 

Metodo di dettatura

: Tecnico - sperimentale

Ore alla settimana

Teoria: 3h-Lab: 2 ore 

Natura

: Professionale

Numero di crediti

Quattro (04)

Prerequisiti

: 205007 - Operazioni I Research

Semestre

: 2012-I

Coordinatore

: Hugo Vega
Insegnanti:
· Hugo Vega 
· David Mauritius 
· Rolando Maguiña

2. SUMILLA

Intelligenza Artificiale, concetti, paradigmi e le applicazioni dell'industria e dei servizi.Rappresentazione della conoscenza. AI rappresentazione del problema come ricerca nello spazio degli stati. Metodi di ricerca non vedenti e informati. Intelligenti uomo-macchina giochi.Sistemi esperti, l'architettura, la tassonomia e le applicazioni. Inference motore. Ingegneria della conoscenza, concetti, evoluzione, Metodologia CommonKADS. Qualità e validazione di sistemi esperti, Introduction to Machine Learning (apprendimento automatico) e euristiche.

3. USO GENERALE

Gli studenti potranno acquisire conoscenze nel campo della Intelligenza Artificiale, in generale, e di sviluppare aspetti fondamentali dello sviluppo intelligente gioco e sistemi esperti, e la sua applicazione nel problem solving intelligenti nei settori dell'industria e dei servizi.

4. OBIETTIVI SPECIFICI

Al termine del corso gli studenti saranno in grado di:

1. Capire che è l'Intelligenza Artificiale e la complessità dei loro problemi.

2. Rappresentare e risolvere umana gioco - macchina attraverso tecniche di ricerca in uno spazio degli stati.

3. Conoscere le diverse strategie di ricerca cieca e informato.

4. Progettare e sviluppare software intelligente gioco di interazione uomo-macchina e l'utilizzo di tecniche di intelligenza artificiale.

5. Capire che cosa sono i sistemi esperti e sapere quando usarli.

6. Sapendo che è l'ingegneria della conoscenza e un metodo per lo sviluppo di sistemi basati sulla conoscenza

7. Valutare la qualità della soluzione di sistemi esperti.

8. Progettare e sviluppare sistemi esperti basati su diversi motori di inferenza (chaining metodi), in considerazione criteri di qualità.

9. Comprendere i concetti di apprendimento automatico e euristico, la sua importanza e le sue applicazioni nell'industria e nei servizi.

5. Contenuto del corso

Selezionare il titolo di un argomento per visualizzarlo nella presentazione - Ogni settimana verrà aggiornato solo fino al 7

Settimane 
Argomenti Classe lavoro
1 º
Classificazione dei problemi algoritmici
  • Presentazione del corso.
  • Classificazione dei problemi algoritmici, problemi P e NP.
  • Problemi decisionali, localizzazione e ottimizzazione. Descrizione di alcuni problemi NP-hard.

Riferimenti: [1] Capitolo 3 

Tutorial LispWork
2 °
Fondamenti di Intelligenza Artificiale
  • Definizione di Intelligenza Artificiale.Macchina intelligente.
  • Differenza tra i sistemi operativi ei sistemi intelligenti.
  • Rassegna di linguaggi di intelligenza artificiale.
  • Le applicazioni nell'industria e nei servizi. (Robotica, pianificazione, gestione dei rifiuti)
  • Test di Turing

Riferimenti: [1] Capitolo 1 , [2] Capitolo 1, 
[10] Capitolo 1 , [10] Capitolo 2 

scaricare Scarica Lisp
3 º
Metodi di ricerca in uno spazio di stato
  • Definizione dei problemi di AI come problemi di ricerca in uno spazio degli stati.
  • Rappresentazione di problemi di gioco uomo - macchina.

Riferimenti: [1] Capitolo 3, [3] Capitolo 2, 
[4] Capitolo 3, [11] Capitolo 2 3B Sub, 
[11] Capitolo 2 Sub 3C 

Problema della volpe, pollo e mais
4 °
Metodi di ricerca non vedenti
  • Metodi di ricerca non vedenti: larghezza, profondità e non deterministico.

Riferimenti: [1] Capitolo 4, [2] Capitolo 5, 
[3] Capitolo 3, [4] Capitolo 5, [9] Capitolo 9 
[11] Capitolo 3 

LispWork tutorial completo
5 º
Metodi di ricerca riportati
  • I metodi che utilizzano informazioni aggiuntive: in primo luogo il migliore, salire sulla, ramo collina e vincolati. 

Riferimenti: [1] Capitolo 4 , [2] Capitolo 5, 
[3] Capitolo 3 [4], capitoli 5 e 6. 

Esempio di albero di ricerca con Lisp
6 °
Metodi di ricerca per Man giochi - Macchine
  • MIN-MAX metodo per sviluppare intelligenti uomo-macchina giochi. 

Riferimenti: [1] Capitolo 6 [2], capitoli 5 
e 6, [3] capitoli 3 e 12, [4] I capitoli 5 e 6. 

scaricare Scarica java eseguibile rar PZGM
7 °
Fondamenti di sistemi esperti
  • Definizione dei sistemi esperti.
  • Architettura di un sistema esperto.
  • Tassonomia e sistemi esperti applicazioni. Requisiti per lo sviluppo di sistemi esperti e vantaggi dell'uso di sistemi esperti.
  • Alcuni problemi basata sulla conoscenza.

Riferimenti: [10] Capitolo 2A , [10] Capitolo 2B , [11] Capitolo 3 

Esempio di alberi binari con Tours Lisp
Esempio di tour ampiezza e profondità di Lisp
Tic Tac Toe
8 º
Revisione parziale 

risolto visita parziale 2010-0
9 °
Presentazione del lavoro di calcolo
  • Gli studenti mostrano le loro abilità nello sviluppo di software di gioco basati su tecniche di ricerca intelligenti. È necessario presentare una relazione e software, e si esibiscono le loro opere.
Albero Genealogico
descargar Scarica albero genealogico in Prolog
descargar download Michi rar java eseguibile
10 º
Ingegneria della Conoscenza
  • Introduzione.
  • Acquisizione di conoscenze.
  • CommonKADS metodologia.
  • Progettazione di Sistemi Esperti (ES).
  • Ciclo di vita di una SE.

[12] Capitolo 5 Sottocapitolo 5,1 

11 º
Knowledge Acquisition
  • Acquisizione di conoscenze.
  • La costruzione della base dei fatti e base di conoscenze.
  • Conoscenza strutture di rappresentanza (regole di inferenza, cornici, oggetti, reti semantiche, logica dei predicati).

Riferimenti: [10] Capitolo 4 sottocapitolo C 

12 º
Sviluppo di sistemi basati su regole esperti
  • La costruzione della base dei fatti e base di conoscenze.
  • Il motore di inferenza.
  • Metodi di concatenamento a ritroso, progressive e reversibili. Tecniche di matching, l'algoritmo RETE.
  • Tecniche di risoluzione dei conflitti.

[3]capitoli 3, [3]capitoli 1_A,[3]capitoli 1_B
 
 
7 [6], capitolo 3, [7] Capitolo 3. 

13 º
Qualità e validazione di sistemi esperti
  • Errori importante nello sviluppo di un sistema esperto. La qualità di un sistema esperto. Convalida dei sistemi intelligenti, i metodi di validazione quantitativa.
  • Efficienza sistemi esperti e di errore.Rivedere la funzionalità di lavoro SE 2.
  • Compiti: la qualità e la convalida esercizi SE, validare il sistema proposto il lavoro 2.

Riferimenti: [7] Capitolo 21 

14 º
Introduzione al Learning Machine (Machine Learning) ed euristici
  • Concetti di apprendimento e di machine learning.
  • Vs. Machine learning sistemi esperti.
  • Imparare le tecniche e fasi di sviluppo del machine learning.
  • Applicazioni di machine learning nell'industria e nei servizi.
  • Concetti di euristiche e meta-euristiche. Algoritmi euristici vs algoritmi esatti.
  • Euristiche e meta-euristiche.Problemi di ottimizzazione combinatoria dell'industria e dei servizi.

Riferimenti: [5] I capitoli 1 e 2

15 º
Presentazione del lavoro di calcolo
  • Gli studenti mostrano le loro abilità nello sviluppo di sistemi esperti e delle loro applicazioni nel settore e di servizio. Gli studenti potranno presentare una relazione e software.
Albero TRASPORTO PUBBLICO
descargar Scarica EXPERT SYSTEM (trasporto pubblico)
16 º
ESAME FINALE 

6. LABORATORIO:

Durante le sessioni di laboratorio saranno sviluppati in un linguaggio di programmazione di base dell'intelligenza artificiale è LIPS (o una sua variante) o clip e questo è diretta verso lo sviluppo di sistemi basati su regole esperti. Anche alle sessioni di laboratorio in grado di valutare l'avanzamento dei lavori.

7. METODOLOGIA

Il corso si sviluppa attraverso teorici - attività pratiche, sottolineando le applicazioni dell'industria e dei servizi. Gli studenti sono stati divisi in tre squadre di sviluppare due lavoro di calcolo.Durante le sessioni di teoria discuterà la proposta di risoluzione dei problemi. Durante le sessioni di laboratorio valuterà i progressi del computer di lavoro e il processo di apprendimento di una lingua di intelligenza artificiale.

8. VALUTAZIONE

Media finale (PF) è determinata come segue:

PF = 0,025 (CL1 + CL2 CL3 + + CL4) + 0,075 (TB1 + TB2) + 0,15 * 0,30 * LA + (EA + EB)

Dove: 
CLx: Controlli Lettura (CL1, CL2, CL3 e CL4) 
TB1: lavoro di gruppo (Man Games Smart - Machine) 
TB2: Work Group (Sistemi Esperti) 
EA: parziale Review 
EB: Esame finale 
LA: Laboratorio

Lo studente può sostituire l'esame parziale o definitiva, se in grado di fornire qualsiasi di questi test. Solo lo studente sarà valutato per il 70% o più di assistenza.

9. BIBLIOGRAFIA

[1]. STUART, RUSSELL, Peter Norvig - 1996 Intelligenza Artificiale, un approccio moderno. Ed Prentice Hall.ISBN 0-13-103805-2 

[2]. PATRICK, WINSTON - 1984 Intelligenza Artificiale. Ed Addison-Wesley ISBN 0-201-51876-7 

[3]. ELAINE RICH - 1988 Intelligenza Artificiale. Ed McGraw-Hill ISBN 0-07-450364-2 

[4]. DAVID, Mauritius - 2000 Note di Intelligenza Artificiale. 

[5]. Bonifacio, MARTIN, ALFREDO, SANZ - 2002 Reti neurali e sistemi fuzzy. Ed ISBN 84-7897-466-0 Alfaomega 

[6]. Joseph Giarratano - GARY RILEY - 2001 I sistemi esperti, i principi e la programmazione. Ed ISBN 970-686-059-2 Thomson Science 

[7]. PALMA M. MARIN JOSE ROQUE M. - 2008 tecniche di Intelligenza Artificiale, metodi e applicazioni. Ed Mc Graw Hill ISBN 978-84-484-5618-3 

[8]. JOSE R. ROW, VICTOR J. MARTINE. - 2000 le reti neurali artificiali, fondazioni, modelli e applicazioni. Ed Alfaomega - ramo ISBN 978-84-484-5618 

[9]. NILS J. Nilson - 2001 Artificial Intelligence, una nuova sintesi. Ed Mc Graw Hill ISBN 978-84-484-5618-3 

[10]. PINE, GOMEZ, SOTTO - 2001 sistemi esperti, reti neurali e computazione evolutiva. Univ. di Oviedo Ed ISBN 84-8317-249-6 

[11]. Munarriz ALVAREZ, LUIS - 1994 Fondamenti di Intelligenza Artificiale Ed ISBN 84-7684-563-4 EDITUM 


[12]. FEDOR DE DIEGO, ALICE - 1995 Teria vocabolario e di prassi ISBN 980-237-096-7 Ed EQUINOX