Tantárgy kódja

ITM1009

Tantárgy neve

Mesterséges intelligencia*

Tantárgy angol neve

Artificial Intelligence

Kredit

4

Félévi követelmény

Vizsga

Heti óraszám

2 + 2

Elmélet + Gyakorlat

Ajánlott félév

1

Cél

A mesterséges intelligencia alapvető reprezentációs technikáinak és megoldáskereső eljárásainak a megismerése, programozása.

Cél angol

basic knowledge on the problem representation and search algorithms of artificial intelligence witihin the state space framework. Programming some problem solvers.

Tartalom

A mesterséges intelligencia kutatási területei, módszerei, eredményei. Problémák reprezentálása állapottéren, példák. A gráfreprezentáció. Megoldást kereső rendszerek felépítése, csoportosítása. Nem módosítható stratégiák. A backtrack algoritmus. Gráfkereső eljárások: szélességi, mélységi, optimális keresések. Heurisztikus gráfkeresők: a best-first és az A algoritmusok. Az A algoritmus teljessége. Probléma-redukciós feladatmegoldás, reprezentálása ÉS/VAGY gráffal. Megoldás az ÉS/VAGY gráfban. Keresési stratégiák ÉS/VAGY gráfban: szélességi, mélységi, AO algoritmus. A terminálás figyelése címkézéssel. Kétszemélyes játékok, ábrázolásuk játékfával. A nyerő stratégia létezése. A minimax eljárás, az alfa-béta vágás. A Prolog programozási nyelv elemei, ezek deklaratív és procedurális jelentése. Prolog példák.

Tartalom angol

Overview of research areas, methods and results  of AI.  Intelligent agents and their environment. Structure and classification of problem solvers. Problem representation by state space, examples. Problem solutaion as path search. Non informed search procedures: breadth-first, depth-first and optimal (low-cost first) search algorithms. Back-track. Search in graphs with heuristics: best-first and A algorithm. Completeness of algorithm A*. Local search. Search based on genetic algorithms.  Two-player games, their representation by game tree. Winning strategy, minimax algorithm and alpha-beta pruning. Knowledge representation by propositional and first-order logic. Reasoning algorithms. Unification and resolution.  Resolution strategies and completeness, linear input resolution. Elements of Prolog and logic programming. Declarative and imperative semantics. Examples in Prolog. Development of expert and decision-supporting systems. Differences between knowledge-based techniques and conventional programming. Knowledge base and reasoning. Knowledge representation methods: ontologies, semantic nets, rule-based systems. Handling uncertainity: Bayes nets. Knowledge acquiring and data mining. Learning algorithms: ID3. Principles of neural networks.

Számonkérés

vizsga

Számonkérés angol

exam

Irodalom

Futó, I. (szerk): Mesterséges intelligencia, Aula, 1999, ISN: 9789639078994. Bíró M. és tsai: Döntéstámogató rendszerek, Panem, 2007. ISBN: 9789635454822. S. Russell, P. Norvig: Mesterséges intelligencia, 2. kiadás, Panem, 2005. Elérhető URL: http://www.tankonyvtar.hu/hu/tartalom/tamop425/0026_mi_4_4/index.html

Irodalom angol

S. Russell, P. Norvig: Artificial intelligence, a modern approach, 3rd ed, 2009, Pearson, ISBN: 860-1419506989. G. Luger: Artificial Intelligence: Structures and Strategies for Complex Problem Solving, 6th Edition,Pearson, 2009.  Constraint Logic Programming over Finite Domains, web documentation, URL: www.swi-prolog.org/man/clpfd.html.

Tantárgyfelelős intézet kódja

MII

Tantárgyfelelős oktató

Dr. Vályi Sándor