پاورپوینت کتاب هوش مصنوعي رهيافتي نوين,خلاصه کتاب هوش مصنوعي رهيافتي نوين,دانلود کتاب هوش مصنوعي رهيافتي نوين,دانلود کتاب هوش مصنوعي رهيافتي نوين ترجمه رامین رهنمون,کتاب هوش مصنوعي رهيافتي نوين,نکات کتاب هوش مصنوعي رهيافتي نوين
دانلود پاورپوینت کتاب هوش مصنوعي رهيافتي نوين، مولف راسل و نورويگ، مترجم رامین رهنمون و آناهیتا هماوندی
دانلود پاورپوینت کتاب هوش مصنوعي رهيافتي نوين، مولف راسل و نورويگ، مترجم رامین رهنمون و آناهیتا هماوندی،در قالب ppt و در 359 اسلاید، قابل ویرایش، شامل:فصل اول: علل مطالعه AlAI چيست؟1. انسان گونه عمل کردن: رهيافت آزمون تورينگ2. انساني فکر کردن: رهيافت مدل سازي شناختي3. منطقي فکر کردن: قوانين رهيافت تفکر4. منطقي عمل کردن: رهيافت عامل منطقيمزاياي مطالعه AI به عنوان طراحي عامل منطقيزيربناي هوش مصنوعيفلسفه (428 قبل از ميلاد مسيح- تاکنون)رياضيات (800. C- تاکنون)محاسباتمنطقاحتمالاتتئوري پيچيدگيروان شناسي (1879- تاکنون)مهندسي کامپيوتر (1940- تاکنون)زبان شناسي (1975- تاکنون)تاريخچه هوش مصنوعيپيدايش هوش مصنوعياشتياق زودهنگام، آرزوهاي بزرگ (1952-1969)مقداري واقعيت (1966-1974)سيستم‌هاي مبتني بر دانش: کليد قدرت؟ (1969-1979)روش‌هاي ضعيفMYCIN نسبت به DENDRAL دو تفاوت عمده داردAI به يک صنعت تبديل ميشود (1980-1988)بازگشت شبکه‌هاي عصبيفصل دوم: عامل‌هاي هوشمندعاملعامل نرم‌افزاريعوامل انسانيحس کردن: گوش، چشم، ديگر ارگان‌هااثرگذاري: دست، پا، بيني، اندام‌هاي ديگرعوامل روباتيکحس کردن: دوربين، يابنده‌هاي مادون قرمزاثرگذاري: موتورعامل‌ها چگونه بايد عمل کنند؟تفاوت ميان منطقي بودن و دانش کل (omniscience)نگاشت ايده‌آل از دنباله‌هاي ادراکي به عملياتساختار عامل‌هاي هوشمندبرنامه‌هاي عاملتشابهات عامل‌هاي هوشمندچرا تنها به پاسخ‌ها نگاه نمي‌کنيمعامل‌هاي واکنشي سادهعامل‌هايي که اثرات دنيا را حفظ مي‌کنندعامل‌هاي هدف گراتفاوت عامل‌هاي واکنشي و هدف‌گراعامل‌هاي سودمندارتباط بين عامل و محيطخواص محيطقابل دسترسي در مقابل غير دسترسيقطعي در برابر غير قطعيپپيزوديک در مقابل غيراپيزوديکايستا در مقابل پوياگسسته در مقابل پيوستهسخت‌ترين حالت در بين حالات موجود براي محيطبرنامه‌هاي محيط فصل سوم: حل مسائل توسط جستجوعامل‌هاي حل مسئله مسائل تک حالته (Single-state)مسائل چند حالته (Multiple-state)مسائل احتمالي (Contingency)مسائل اکتشافي (Exploration)دانش و انواع مسئلهدنياي مکش (جاروبرقي)مدل‌هاي مختلف براي مسئله جاروبرقيمسائل و راه‌حل‌هاي خوب تعريف شدهاندازه‌گيري کارايي حل مسئلهانتخاب حالات و عملياتانتزاعمسائل نمونهمسائل اسباب بازيCryptarithmetic دنياي مکشمسئله کشيش‌ها و آدمخوارهامسائل دنياي واقعيمسيريابيمسائل فروشنده دوره گرد و تور طرح VISI هدايت رباتخط توليد خودکارجستجو براي راه‌حلتوليد دنباله‌هاي عملفرآيند گسترش حالتاصل جستجوريشه درخت جستجوگره‌هاي برگي درختساختارهاي داده براي درخت‌هاي جستجوتفاوت بين گره‌ها و حالت‌هااستراتژي جستجوجستجوي سطحيجستجوي با هزينه يکسانجستجوي عمقيجستجوي عمقي محدود شدهجستجوي عميق‌کننده تکراريجستجوي دوطرفهمقايسه استراتژي‌هاي جستجواجتناب از حالات تکراريسه راه براي حل مشکل حالات تکراري براي مقابله با افزايش مرتبه و سرريزي فشار کار کامپيوتر وجود داردجستجوي ارضاء محدوديت (Constraint Satisfaction Problem)محدوديت‌ها به گونه‌هاي مختلفي ظاهر مي‌شوندمحدوديت‌هاي يکتا محدوديت‌هاي دودويي محدوديت‌هاي مطلق محدوديت‌هاي اولويت‌دارفصل چهارم: روش هاي جستجو آگاهانهجستجوي بهترينحداقل هزينه تخمين زده شده براي رسيدن به هدف: جستجوي حريصانهويژگي‌هاي جستجوي حريصانهحداقل‌سازي مجموع هزينه مسير: جستجوي کشف‌کنندگي قابل قبولجستجوي A*رفتار جستجوي A*نگاهي گذرا به اثبات کامل و بهينه بودن A*توابع کشف‌کنندهاثر صحت کشف‌کنندگي بر کاراييکشف‌کننده‌ها براي مسائل ارضا محدوديتما حداکثر از سه رنگ (قرمز، آبي، سبز) مي‌توانيم استفاده کنيمجستجوي SMA*SMA* داراي خواص زير استالگوريتم‌هاي اصلاح تکرارياين الگوريتم‌ها به دو گره اصلي تقسيم مي‌شوند: الگوريتم‌هاي تپه‌نوردي (Hill-climbing)Simulated annealing کاربردها در مسائل ارضا محدوديتفصل پنجم: تئوري بازيبازي‌ها در نقش مسائل جستجودلايلي که محققين قديم، شطرنج را به‌عنوان موضوعي در AI برگزيدندپيچيدگي بازي‌هاعدم قطعيت تصميمات کامل در بازي‌هاي دونفرهيک بازي به طور رسمي مي‌تواند به عنوان نوعي از مسئله جستجو به همراه قسمت‌هاي زير تعريف شودالگوريتم
MINMAX به منظور تعيين استراتژي بهينه براي MAX طراحي شده است و از اين رو
مي‌توان بهترين حرکت را تصميمگيري کرد. الگوريتم شامل 5 مرحله است:توليد درخت کامل بازي، تمام راه تا مراحل پايانيدرخواست تابع سودمندي براي هر حالت پاياني به منظور بدست آوردن مقدارشاز سودمندي حالات پاياني به منظور تعيين سودمندي گره‌ها يک مرحله بالاتر دردرخت جستجو استفاده کنيد.بررسي مقادير را از گره‌هاي برگي تا ريشه، يک لايه در هر لحظه، ادامه دهيد.احتمالاً مقادير به بالاي درخت مي‌رسند، MAX حرکتي را انتخاب مي‌کند که به بالاترين مقدار منتهي ميشود.تصميمات ناقصالگوريتم ميني‌ماکس، به دو راه تغيير يابدتابع ارزيابيچگونه به طور دقيق کيفيت را مي‌توان اندازه گرفت؟قطع جستجوهرس آلفا- بتاهرس درخت جستجودرخت جستجوي آلفا- بتامزاياي هرس آلفا- بتابازي‌هايي که شامل عنصر شانس هستندارزيابي موقعيت در بازي‌ها با گره‌هاي شانسپيچيدگيفصل ششم: عامل‌هايي که به طور منطقي استدلال مي‌‌کنندمعرفي طراحي پايه‌اي براي يک عامل مبتني بر دانشعامل مبتني بر دانش به موارد زير نياز دارد:چه چيزهايي را بداند؟وضعيت جاري دنيا؟چطور توسط ادراک به خواص ناديده دنيا رجوع کند؟چطور دنيا زمان را مي‌گشايد؟عامل به چيزي مي‌خواهد برسد؟فعاليت‌هايي که در شرايط مختلف انجام مي‌دهد چيست؟پايگاه دانشهر زمان که برنامه دانش صدا زده ميشود، دو عمل انجام مي‌شودبه پايگاه دانش گفته ميشود (TELL) که چه دريافت کرده است.از پايگاه دانش سؤال ميشود (ASK) که چه عملي بايد انجام شودمي‌توانيم يک عامل مبتني بر دانش را در سه سطح تعريف کنيمسطح
دانش knowledge level يا سطح epistemological که خلاصه‌ترين سطح است؛
مي‌توانيم عامل را توسط گفتن اين که عامل چه مي‌داند، تعريف نماييمسطح منطقي logical level سطحي است که دانش به صورت جملات رمزگذاري ميشود.سطح
پياده سازي Implementation Level سطحي است که در معماري عامل اجرا ميشود و
بازنمايي‌هاي فيزيکي از جملات سطح منطقي، در اين سطح وجود دارددنياي WUMPUSبازنمايي، استدلال و منطقزبان بازنمايي دانش متوسط دو خاصيت تعريف مي‌شودتفاوت بين حقايق و بازنمايي‌هاي آن هااستلزامرويه استنتاج مي‌تواند يکي از دو عامل ذيل را انجام دهدبا داشتن پايگاه دانش KB مي‌تواند جملات تازه‌اي از a توليد کند که مفهوم آن استلزام توسط KB باشد.يا با داشتن يک پايگاه دانش KB و جمله a ديگري، اين رويه مي‌تواند گزارش دهد که a توسط KB مستلزم شده است يا خيرکليد استنتاج صحيحبازنماييمزايا و معايب زبان طبيعيصدق‌پذيرياستنتاج در کامپيوترهامنطق گزاره‌اي: يک منطق بسيار سادهعلائم منطق گزاره‌اي:ثابت هاي منطقي (true, False) علائم گزاره‌اي: Q, Pرابط‌هايپرانتز ()تمام جملات توسط قرار دادن اين علائم با هم و با استفاده از قوانين زير، ساخته مي‌شوند:ثابت هاي منطقي (true, False) خودشان جمله محسوب مي‌شوند.علامات گزاره‌اي نظير Q, P هر کدام به تنهايي يک جمله هستند. پرانتزهاي اطراف يک عبارت، آن عبارت را تبديل به يک جمله واحد مي‌سازند مثل (P ^ Q)يک جمله مي‌تواند توسط ترکيب جملات ساده‌تر با يکي از پنج رابط منطقي ايجاد ميشود.مدل‌ها Modelsقوانين استنتاج براي منطق گزاره‌اييکنواييمشکل کند شدن رويه استنتاجفصل هفتم: منطق مرتبه اولمنطق گزاره‌اي منطق مرتبه اول First-Order_logic)اجزايي که در اين منطق وجود دارند:تعريف دقيق هر عنصر به صورت زير استسيمبول هاي ثابت (Constant Symbols)سيمبول هاي گزاره (Predicate Symbols)سيمبول هاي تابع (Function Symbols)ترم‌ها (Terms)جملات اتمي (Atomic sentences)جملات پيچيدهسورها (Quantifires)منطق مرتبه اول دو سور استاندارد داردسور عمومي (Universal Quantification)سور وجودي (Existential)سورهاي لانه‌اي (Nested Quantifiers)تساوي (Equality)سيمبول تساوي توسعه‌ها و تمايزات نگارشي1- منطق مرتبه بالاتر2-1 عبارات تابعي و گزاره‌اي با استفاده از عملگر λ2-2 سور يکتايي2-3 عملگر يکتايي 3- انواع علائماستفاده از منطق مرتبه اولدامنه Kinship اصل موضوعات، تعاريف و قضايادامنه مجموعه‌ها علائم خاص براي مجموعه‌ها، ليست‌ها و محاسباتطرح پرسش و گرفتن پاسخعامل‌هاي منطق براي دنياي Wumpusعامل واکنشي سادهمحدوديت‌هاي عامل‌هاي واکنشي ساده:وجود مسائلي که بايد به عامل از طريق بازنمايي دنيا فهمانده شود.عامل‌هاي واکنشي نمي‌توانند از حلقه‌هاي نامحدود اجتناب ورزند.بازنمايي تغيير در دنيامحاسبه موقعيتاستنتاج خواص پنهاني دنيادو نوع اصلي از قوانين همزمان وجود دارندقوانين Causalقوانين تشخيصي (Diagnostic rules)اولويت بين عملياتسيستم مقدار عملياتيبه سوي يک عامل هدف داراستنتاججستجوبرنامه‌ريزيفصل هشتم: استنتاج در منطق مرتبه اولقوانين استنتاج مربوط به سورهاقوانين استنتاج براي منطق گزاره‌ايModus PonensAnd – EliminationAnd – IntroductionOr – IntroductionResolutionسه قانون استنتاجي جديد1- حذف سور عمومي (Universal Elimination)2- حذف سور وجودي3- (Existential Introduction)Modus Ponens تعميم يافتهفرم Canonicalيکسان‌سازي (Unificaiton)زنجيره‌سازي به جلو و عقب (Forward AND Backward Chaining):زنجيره‌سازي به جلو (forward chaining)زنجيره‌سازي به عقب (Backward Chaining)الگوريتم زنجيره‌سازي به جلوالگوريتم زنجيره‌سازي به عقبکامل بودن CompletenessResolution: يک رويه استنتاج کاملقانون استنتاج resolutionResolutionتعميم يافته (ترکيبات فصلي)Resolution تعميم يافته (ترکيبات شرطي)فرم‌هاي Canonical براي resolutionتبديل به فرم نرمالرويه‌اي براي تبديل به فرم نرمال1) حذف ترکيب شرطي2) حذف 3) استاندارد کردن متغيرها4) انتقال سورها به سمت چپ5) Skolemize6) توزيع Λ بر ν 7) ترکيبات فصلي و عطفي لانه‌اي مسطح شده8) تبديل ترکيبات فصلي به ترکيب شرطيبرخورد با مسئله تساويدو روش براي انجام اين امر:1) بديهي نمودن تساوي به وسيله ذکر خواص آن2) استفاده از يک قانون استنتاج از يک قانون استنتاجاستراتژي‌هاي Resolution:Unit preference2) مجموعه Support3) Resolution ورودي4) Subsumptionفصل نهم: برنامه‌ريزيتفاوت عامل برنامه‌ريزي با عامل حل مسئله در سه چيز استبازنمايي اهداف، حالات و عملياتيک عامل ساده برنامه‌ريزياز حل مسئله به برنامه‌ريزيعناصر اوليه يک حل مسئله مبتني بر جستجوبازنمايي عملياتبازنمايي حالاتبازنمايي اهدافبازنمايي برنامه‌هااولين ايده کليدي در وراي برنامه‌ريزيدومين ايده کليدي در وراي برنامه‌ريزيسومين ايده کليدي در وراي برنامه‌ريزيفصل دهم: عدم قطعيتمسئله کيفيتبرخورد با دانش غيرقطعيعدم قطعيت و تصميمات عقلانيتئوري سودمنديطراحي براي يک عامل تصميمگيري نظري
من می خواهم این فایل را خریداری کنم
برچسب ها:
کتاب هوش مصنوعي رهيافتي نوين دانلود کتاب هوش مصنوعي رهيافتي نوين دانلود کتاب هوش مصنوعي رهيافتي نوين ترجمه رامین رهنمون پاورپوینت کتاب هوش مصنوعي رهيافتي نوين نکات کتاب هوش مصنوعي رهيافتي نوين خلاصه کتاب هوش مصنوعي رهيافتي نوين