Plán přednášek a cvičení předmětu

 

Umělá inteligence a rozpoznávání

 

(KIV/UIR)

 

letní semestr 2006/2007

 

Přednáší a zkouší:  Prof. Ing. Václav Matoušek, CSc. – KIV, UK 424

Cvičení vedou     :  Prof. Ing. Václav Matoušek, CSc. – KIV, UK 424

                               Ing. Pavel Mautner, PhD. – KIV, UK 415

                               

Plán přednášek (obsahy přednášek jsou orientační):

Předn.

                                        Náplň přednášky

 14. 2.

Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních počítačových systémů

 21. 2.

Řešení úloh, strategie hledání řešení, jejich programová realizace, volba   (návrh) heuristiky, hraní jednoduchých her a možnosti jeho implementace

 28. 2.

 

Dekompozice úlohy, AND/OR grafy a jejich implementace, úvod do evolučních algoritmů, genetické algoritmy a jejich programová realizace

   7. 3.

Evoluční strategie a evoluční programování, simulované žíhání, zakázané prohledávání, umělý život, implementace některých algoritmů

 14. 3.

Rozpoznávání – základní pojmy, příklady aplikací, obecná klasifikační úloha, členění metod rozpoznávání a typy klasifikátorů

 21. 3. 

Základy příznakových a strukturních metod rozpoznávání, tvorba a analýza popisných struktur, klasifikace umělými neuronovými sítěmi – typy umělých neuronových sítí a algoritmy jejich trénování, simulátory

 28. 3.

Funkční systémy mozku, modularita, gradientová teorie, distribuované zpracování informace, lateralita, smyslové poznávání, jazyk a řeč, paměť, emoce, pocity, zobrazovací metody, vědomí, sebeuvědomování

 11. 4.

Základy formální logiky a logického programování – úvod, formalismy, výroková logika a predikátová logika 1. řádu, příklady

 18. 4.

 

Dedukce ve výrokové a predikátové logice, odvozovací pravidla, dokazování splnitelnosti logických formulí, rezoluční metoda, příklady

 25. 4.

Hornovy klauzule a základy programování v jazyce PROLOG, příklady řešení jednoduchých úloh umělé inteligence v Prologu      

  2. 5.

Reprezentace znalostí a organizace bází znalostí, struktura a typy znalostních systémů, sestavení inferenční sítě, práce s neurčitostí

  9. 5.

Základy strojového učení, struktura a vlastnosti inteligentních softwa-rových agentů, návrh a programová realizace inteligentních agentů

 16. 5.

Komunikace člověk–počítač v přirozeném jazyce, druhy a modely komunikace, analýza promluvy, zásady vedení dialogu, příklady