Содержание
- 2. Глава 11: Искусственный интеллект 11.1 Машины и интеллект 11.2 Распознавание изображений 11.3 Способность к рассуждению 11.4
- 3. 0- Интеллектуальный агент Агент: “Устройство”, которое реагирует на раздражители из окружающей среды Датчики(Sensors) Актюаторы(Actuators) Большая часть
- 4. Уровни интеллектуального поведения Рефлекс: действие предопределенное реакцией на входные данные Более интеллектуальное поведение требует знания окружающей
- 5. Рисунок 11.1 Головоломка "Восьмерка" с расположением фишек, соответствующим правильному решению
- 6. Рисунок 11.2 Машина для решения головоломки "Восьмерка"
- 7. Подходы к исследованию в искусственном интеллекте Технический путь Результативно-ориентированный Теоретический путь Имитационно-ориентированный
- 8. Тест Тьюринга Тест: Опросчик общается с испытуемым посредством терминала. Суть теста: Сможет ли опросчик определить кем
- 9. Распознавание изображений Сравнение с эталоном Обработка изображений Коррекция контуров Нахождение областей Сглаживание Анализ изображений
- 10. Обработка языка Синтаксический анализ Семантический анализ Контекстный анализ
- 11. Рисунок 11.3 Семантическая сеть
- 12. Компоненты порождающей системы 1. Набор состояний Стартовое (или начальное) состояние Целевое состояние 2. Набор порождений: правила
- 13. Рассуждения для поиска Граф состояний: Все состояния и порождения Дерево поиска: Запись переходов состояний при поиске
- 14. Рисунок 11.4 Небольшая часть графа состояний для головоломки "Восьмерка"
- 15. Рисунок 11.5 Дедуктивные рассуждения, представленные в контексте порождающей системы
- 16. Рисунок 11.6 Головоломка в промежуточном состоянии
- 17. Рисунок 11.7 Пример дерева поиска
- 18. Рисунок 11.8 Последовательность порождений записанная в стек для следующего выполнения
- 19. 0- Эвристические методы Эвристика: Практическое правило для принятия решений Требования для хорошей эвристики Должно быть легче
- 20. Рисунок 11.9 Еще один вариант смешанного состояния головоломки
- 21. Рисунок 11.10 Алгоритм работы системы контроля , использующий эвристический метод
- 22. Рисунок 11.11 Начало эвристического метода
- 23. Рисунок 11.12 Дерево поиска после двух проходов цикла
- 24. Рисунок 11.13 Дерево поиска после трёх проходов цикла
- 25. 0- Рисунок 11.14 Полное дерево поиска созданное нашей эвристической системой
- 26. Обработка практических знаний Представление и хранение Доступ к релевантной информации Метаосмысление Необоснованное предположение Фрейм задачи
- 27. Обучение Имитация Обучение с учителем Набор тренировок Представление
- 28. Генетические алгоритмы Начинается с генерации случайных объединений пробных решений: Каждое решение это хромосома Каждый компонент хромосомы
- 29. Искусственные нейронные сети Искусственные нейроны Каждый вход умножается на весовой коэффициент. Выход равен 1, если сумма
- 30. Рисунок 11.15 Нейрон живой биологической системы
- 31. Рисунок 11.16 Процессы происходящие в блоке обработки
- 32. Рисунок 11.17 Графическое представление блока обработки
- 33. Рисунок 11.18 Нейронная сеть с двумя различными программами
- 34. Рисунок 11.20 Структура ALVINN
- 35. Ассоциативная память Ассоциативная память: Поиск информации, относящейся к информации под рукой Одно направление исследования стремится построить
- 36. Рисунок 11.21 Искусственная нейронная сеть, осуществляющая ассоциативную память
- 37. Рисунок 11.22 Шаги, приводящие к стабильной конфигурации
- 38. Робототехника Действительно автономные роботы требуют прогресса в восприятия и рассуждения. Важные шаги, сделаны в подвижности Разработка
- 40. Скачать презентацию