FPF:UINSM03 SZZk Umělá intel. a kog. vědy - Informace o předmětu
UINSM03 Umělá inteligence a kognitivní vědy
Filozoficko-přírodovědecká fakulta v Opavěléto 2018
- Rozsah
- 0/0. 0 kr. Ukončení: -.
- Garance
- Ústav informatiky – Filozoficko-přírodovědecká fakulta v Opavě
- Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- Informatika a výpočetní technika (program FPF, N1801 Inf)
- Osnova
- C1. Kognitivní vědy
1. Vymezení kognitivní vědy v kontextu souvisejících disciplín.
2. Vymezení problému reprezentace poznatků a přístupy k řešení tohoto problému.
3. Výpočetně-reprezentační chápání mysli v kognitivní vědě.
4. Logika jako prostředek reprezentace a její kritika.
5. Pravidlový systém jako prostředek reprezentace a jeho kritika.
6. Reprezentace poznatků a využití analogií.
7. Koncepty a asociativní sítě.
8. Konekcionistické představy o mysli a (umělé) neuronové sítě.
C2. Umělé neuronové sítě
1. Aktivní, adaptivní a organizační dynamika umělé neuronové sítě. Typy učení, trénovací a testovací množina, problém přeučení sítě.
2. Perceptron a perceptronový učící algoritmus, realizace logických funkcí perceptronem, omezené schopnosti jednovrstvých perceptronových sítí.
3. Vícevrstvý perceptron a algoritmus Backpropagation. Rychlé metody pro učení vícevrstvého perceptronu: metoda konjugovaných gradientů, resilient backpropagation a další.
4. Rychlé metody pro učení vícevrstvého perceptronu: metoda konjugovaných gradientů, resilient backpropagation, další metody.
5. Heteroasociativní sítě, topologie, učící algoritmus. Autoasociativní síť, Hopfieldův model, kapacita Hopfieldovy paměti.
6. Sítě s lokálními (RBF) neurony, jejich organizační a aktivní dynamika, třífázové učení. Vlastnosti a aplikace, srovnání s vícevrstvým perceptronem.
7. Kompetitivní sítě, kvantování vektorů učením, Lloydův algoritmus, Kohonenovo adaptační pravidlo, varianty učení UCL, DCL a SCL.
8. Kohonenovy samoorganizační mapy, popis a aplikace, příklady jednorozměrné a dvourozměrné mapy.
C3. Architektura autonomních systémů
1. Pojem agenta v porovnání s procedurou v procedurálním programovacím jazyce. Charakteristika agentů na základě jejich architektury.
2. Reaktivní agent. Stavba, charakteristika, příklady.
3. Subsumpční architektura agentů. Základní principy a vlastnosti. Porovnání s architekturou BDI.
4. Charakteristika odlišnosti v architektuře robotů Herberta a Toto.
5. Architektura BDI agentů. Její výhody, nevýhody a zařazení do rámce architektur agentových systémů.
6. Jaké jsou základní typy koordinačních mechanizmů v multiagentových systémech. Charakterizace koordinačního mechanizmu kontraktační sítě a koordinace pomocí stigmergie.
7. Charakterizace emergence a její příklady.
8. Komunikační jazyky založené na bázi komunikačních (řečových) aktů. Jazyk KQML.
9. Základní principy učení posilněním (příklad společenstva reaktivních robotů).
10. Jaké typy životních cyklů mobilních agentů poznáte. Příklady konkrétních vývojových nástrojů nebo programovacích jazyků, ve kterých se uvedené životní cykly uplatňují.
- C1. Kognitivní vědy
- Výukové metody
- Přednáška s aktivizací
Přednáška s analýzou videozáznamu - Metody hodnocení
- Závěrečná ústní zkouška
- Informace učitele
- Teoretické a praktické zvládnutí témat předmětu, podmínky budou upřesněny na začátku výuky.
- Další komentáře
- Předmět je dovoleno ukončit i mimo zkouškové období.
- Statistika zápisu (léto 2018, nejnovější)
- Permalink: https://is.slu.cz/predmet/fpf/leto2018/UINSM03