UINSM03 Umělá inteligence a kognitivní vědy

Filozoficko-přírodovědecká fakulta v Opavě
léto 2019
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
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.
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.
Předmět je zařazen také v obdobích zima 2007, léto 2008, zima 2008, léto 2009, zima 2009, léto 2010, zima 2010, léto 2011, zima 2011, léto 2012, zima 2012, léto 2013, zima 2013, léto 2014, zima 2014, léto 2015, zima 2015, léto 2016, zima 2016, léto 2017, zima 2017, léto 2018, zima 2018, léto 2020.