Tantárgy kódja

PMB1218

Tantárgy neve

Mesterséges intelligencia

Tantárgy angol neve

Artificial Intelligence

Kredit

4

Félévi követelmény

Vizsga

Heti óraszám

2 + 2

Elmélet + Gyakorlat

Előkövetelmény

PMB1205

Ajánlott félév

5

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. Intelligens ágensek és környezetük jellemzési szempontjai. Megoldást kereső rendszerek felépítése, csoportosítása. Problémák reprezentálása állapottér-gráffal, példák. A megoldáskeresés, mint útkeresés. Neminformált keresési algoritmusok:. szélességi, mélységi, optimális keresési eljárás. A backtrack algoritmus. Heurisztikus gráfkeresők: a best-first és az A algoritmusok. Az A algoritmus teljessége. Lokális kereső eljárások. Genetikus algoritmuson alapuló keresés. Kétszemélyes játékok, ábrázolásuk játékfával. A nyerő stratégia létezése. A minimax eljárás, az alfa-béta vágás. Ismeretreprezentáció propozicionális és elsőrendű logikai nyelvekkel. Következtetés-kereső algoritmusok: egyesítés (unifikáció) és a rezolúciós algoritmus. Rezolúciós stratégiák és teljességük, a lineáris input rezolúció. A Prolog programozási nyelv elemei, ezek deklaratív és procedurális jelentése. Prolog példák. Szakértői és döntéstámogatási rendszerek kialakulása: Az ismeretalapú rendszerek és a hagyományos programozási technikák összevetése. A szakértoi rendszerek fejlodése, felépítése. Az ismeretbázis és a következtetés. Ismeretreprezentációs módszerek: ontológiák, szemantikai hálók, szabályalapú rendszerek. Bizonytalanság kezelése a szakértői rendszerekben: Bayes-hálók. Ismeretszerzés, adatbányászat. Tanuló eljárások: ID3 algoritmus, a neurális hálók alapjai.

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