Az oldal tartalma:
2012.ősz, levelező:
kódja/kódjai: IBL154, IBL602
Felelős előadó: Dr. Dombi József
Felelős tanszék: Számítógépes Algoritmusok és Mesterséges Intelligencia
Levelező tagozat:
- Előadás: teljesítés módja: Kollokvium.
- Gyakorlat: teljesítés módja: Aláírás.
A kurzus felvételének előfeltételei: lásd a tanrendben.
Tematika
A mesterséges intelligencia fogalma, részterületei. A mesterséges intelligencia alapjai, története. A gyenge és az erős MI. Problémák megoldása egy ügynök (ágens) segítségével. Intelligens ügynök. Néhány egyszerű, mesterséges intelligenciához tartozó feladat.
Feladatreprezentáció állapottérrel: állapottér reprezentáció gráffal, a reprezentációs gráf fává alakítása.
Produkciós rendszer és a heurisztika: produkciós rendszer komponensei Heurisztika alkalmazása, a heurisztika fogalma, a heurisztika és a megoldás költsége, előre és visszafelé haladó működés.
Vezérlési stratégiák: Nem módosítható vezérlési stratégiák, visszalépéses vezérlési stratégia, gráf kereső vezérlési stratégia, Informálatlan és heurisztikus keresések:
- Nem informált kereső eljárások. Szélességben (depth first)/mélységben (breadth first) először, egyenletes költségű keresés. Mélységkorlátozott, iteratívan mélyülő keresés. Kétirányú keresések. Ismételt állapotok elkerülése. Kényszerek kielégítése.
- Heurisztikus keresések: legjobbat először (best fit) keresés. Az A és az A* algoritmusok, legfontosabb tulajdonságaik. Az informáltság fogalma és következményei. Monotonitás. Memóriakorlátozott keresés. Iteratívan javító algoritmusok.
Feladatmegoldás problémaredukcióval. ÉS/VAGY gráfok. Keresés és vagy gráfokon.
Kétszemélyes játékok: Grundy Tac-Tix, amoba, NIM.Hex, Othello.
A teljes játék-fa kiértékelése: A kétszemélyes játékok reprezentációja gráffal, nyerő stratégia létezése és meghatározása, nyerő stratégia meghatározása ÉS/VAGY fával.
A játékfa részleges kiértékelése: minimax eljárás az alfa-béta nyesés. Néhány játékprogram elemzése. Véletlen elemet is tartalmazó játékok.
Bizonytalansággal terhelt problémák. A statisztikus alakfelismerés alapfogalmai: a Bayes tétel használata. Bayes hálózatok. Időbeli folyamatok. Valószínűség alapjai, Alakfelismerés problémája. Veszteség függvény, Diszkriminancia függvény. ROC görbe. Bizonytalanság melletti következtetések. Bayes hálók. Percepton tanulása.
Egyszerű döntések meghozatala.
Automatikus tételbizonyítás.
Tételbizonyítás az ítéletkalkulusban: szintaxis és szemantika, a kielégíthetőségi tulajdonság, formulák ekvivalenciája, logikai következmény, a tételbizonyítás néhány módszere, Quine-, Wang algoritmusa, formális levezetés, konjunktív normálforma, rezolúció.
Elsőrendű logika alapfogalmai: szintaxis és szemantika, termek, atomi mondatok, összetett mondatok, kvantorok. A kielégíthetőségi tulajdonság. Ekvivalencia. A logikai következmény. A formulák klóz alakja. Az egyesítési algoritmus. Rezolúció.
A rezolúció hatékonyságának növelése: rezolúciós stratégiák, szélességi keresés, támogató halmaz stratégiája, lineáris input stratégia, ősre korlátozott stratégia, egységklóz stratégia, bináris rezolúció, egyszerűsítő stratégiák.
A kurzus teljesítésének feltételei
A kurzusok teljesítéseinek értékelése pontozás alapján történik. Maximálisan összegyűjthető pontszám 100, amelyből a gyakorlaton 40-et, a vizsgán 60-at lehet megszerezni.
A gyakorlat teljesítésének (az aláírás megszerzése) feltételei:
- A gyakorlaton szerezhető maximális pontszám: 40 pont.
- Ebből legalább 20 pont szükséges a gyakorlat teljesítéséhez.
A gyakorlati pontszám a következőkből tevődik össze:
- Időközönként házi feladatok kerülnek kiosztásra. Ezek megoldását a feladatokhoz rendelt határidőkre kell benyújtani. A helyes megoldásokért a hallgató megkapja az adott feladatra járó pontot (a feladat pontértéke annak nehézségétől függ). A feladat megoldásoknak önálló munkáknak kell lenni, a közösen készült megoldások írói vizsgára nem bocsáthatók. A feladat megoldások csak papíron, kézzel írottan fogadhatók el. A feladatok beadása nem halasztható, utólagos pótlása, javítása nem megengedett. A feladatok 50%-át teljesíteni kell. Elérhető pontszám: 10 pont.
- A szorgalmi időszak végén egyeztetett időpontban egy zárthelyi dolgozat megírására kerül sor. A dolgozat során minimálisan 7 pont elérése kötelező a maximálisan szerezhető 15 pontból. A dolgozat megírása kötelező. A sikeres dolgozat nem javítható. Sikertelen dolgozat a kihirdetett időpontban javítható. A legalább 30%-ra megírt javító dolgozat minősül sikeresnek. Ebben az esetben azonban az eredeti dolgozat pontszámát viszi tovább vizsgára a hallgató függetlenül a javító dolgozatban elért pontszámtól.
- A hallgatóknak egy programozási feladatot is kell megoldani ennek két leadási határideje (mérföldkő) van. Az első fázisban 5 pontot lehet elérni, amennyiben az első fázis sikertelen, akkor a 2. fázisban nem vehet részt a hallgató. A 2. fázisban a feladat megoldásának jósága függvényében 10 pont adható.
- Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte.
A vizsga (kollokvium) teljesítésének feltételei:
- A vizsga írásbeli. A maximális pontszám 60. A vizsga sikeres, ha a hallgató 30 pontot elért a 60-ból és az összpontszáma 50 felett van. A vizsgán +5 pont szerezhető, az alábbi könyv adott fejezeteinek elolvasása esetén, ha a vizsgán ezekre a fejezetekre vonatkozó kérdésekre helyesen válaszol a hallgató.
- Steven Pinker: Hogyan működik az elme (1-2. fejezet)
A kollokvium érdemjegyének meghatározása a gyakorlaton és a vizsgán a fenti feltételeket kielégítő szerzett pontok összege alapján történik a következő ponthatárok szerint:
- 0 - 50 pont : elégtelen (1)
- 51 - 60 pont : elégséges (2)
- 61 - 80 pont : közepes (3)
- 81 - 90 pont : jó (4)
- 91 - 100 pont : jeles (5)
A vizsgáról való igazolatlan hiányzás a TVSZ. 17.ยง (6) szabályozásának megfelelően elégtelen jegyű vizsgának minősül. Vizsgáról való hiányzás igazolását köteles a hallgató a hiányzást követő legelső vizsgáját megelőzően bemutatni.
Vissza az oldal tetejére
Ajánlott irodalom
- S. Russell, P. Norvig: Artificial Intelligence, A Modern Approach, Prentice Hall, 1995. Magyar fordítása: Mesterséges intelligencia modern megközelítésben, PANEM, 2000
- Mesterséges Intelligencia (Szerk. Futó Iván), Aula Kiadó, 1999
- Fekete I., Gregorics T., Nagy S.: Bevezetés a mesterséges intelligenciába, LSI Oktató Központ
Kiegészítő irodalom
- Barr, E. A. Feigenbaum: The handbook of Artificial Intelligence, I., Addison Wesley 1989
- E. Rich, K. Knight: Artificial intelligence, McGraw-Hill, 1991
- P. H. Winston: Artificial Intelligence, Addison-Wesley 1992
- M. Ginsberg: Essentials of Artificial Intelligence, Morgan Kaufman, 1993
- Mérő László: Új észjárások (Tercium kiadó 2001.)
- Dennett: Darwin veszélyes ideálja
- Steven Pinker: Hogyan működik az elme
Előadás anyaga
Fogadóóra: kedd 13-14, Árpád tér 2. 43. szoba.
Előadásjegyzet doc formátumban.
Russel-Norvig könyv Bizonytalanság és Bayes hálók rész pdf formátumban.
Fekete, Gregorics, Nagy: Bevezetés a mesterséges intelligenciába könyv logika rész pdf formátumban.
- Állapottér reprezentáció
- A* algoritmus
- MIN-MAX algoritmus
- Naiv Bayes és m-estimate of probability
- Példa rezolúcióra
- Piglerné Lakner Rozália, Starkné Werner Ágnes: Ágens-technológia
- Előadásfóliák
Utolsó módosítás: 2012. 10. 12.