Skip to main content
top

Pravděpodobnostní modely umělé inteligence

Faculty
Fakulta jaderná a fyzikálně-inženýrská ČVUT
Semester
zimní
Course type
magisterský
Current
Yes
Anotace:Obsahem předmětu je přehled metod používaných pro zpracování neurčitosti v oblasti umělé inteligence. Hlavní pozornost je věnována tzv. grafickým markovským modelům, zejména Bayesovským sítím.
Osnova:1. Úvod do umělé inteligence: řešení problému, stavové prostory, hledání řešení, algoritmus A s hvězdičkou, optimalita řešení.
2. Neurčitost v umělé inteligenci: neurčitost v expertních systémech, pseudobayesovský způsob práce s nejistotou v Prospectoru.
3. Intervalové pravděpodobnosti: kapacity, horní a dolní pravděpodobnosti, koherence, domněnkové funkce, míry možnosti, konvexní množiny pravděpodobností.
4. Podmíněná nezávislost a její vlastnosti: faktorizační lemma, lemma o nezávislosti bloku.
5. Grafové markovské vlastnosti: párová, lokální a globální markovská vlastnost.
6. Triangulované grafy: rozklad grafu, "maximum cardinality search", perfektní uspořádání uzlů a klik, triangularizace grafu, "running intersection property", stromy spojení.
7. Bayesovské sítě: konsistence distribuce reprezentované bayesovksou sítí, závislostní struktura.
8. Výpočty v bayesovských sítích: Shachterův algoritmus, transformace bayesovské sítě na rozložitelný model, posílání zpráv ve stromech spojení.
Osnova cvičení: 
Cíle:Znalosti:
Modely neurčitosti v umělé inteligenci a metody jejího zpracování.

Schopnosti:
Samostatná orientace v problematice umělé inteligence.
Požadavky:Základní kurs pravděpodobnosti a matematické statistiky.
Rozsah práce: 
Kličová slova:Umělá inteligence, neurčitost, intervalové pravděpodobnosti, podmíněná nezávislost, grafické markovské vlastnosti, rozložitelné grafy, bayesovské sítě.
Literatura:Povinná literatura:
[1] R. Jiroušek: Metody zpracování a reprezentace znalostí v umělé inteligenci, VŠE Praha 1995.
[2] V. Mařík, O. Štěpánková a kol.: Umělá inteligence 2, Academia, Praha, 1997.

Doporučená literatura:
[3] R. G. Cowell, A. Ph. David, S. L. Lauritzen, D. J. Spiegelhalter: Probabilistic networks and expert systems, Springer 1999.
Submitted by vejnarova on