Ε ανάληψη. Χρόνος και όροι. Ιεραρχία. ΠΛΗ 405 Τεχνητή Νοηµοσύνη χρονοπρογραµµατισµός εργασιών. ιεραρχικά δίκτυα εργασιών
|
|
- Δάφνη Τομαραίοι
- 8 χρόνια πριν
- Προβολές:
Transcript
1 ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση σε µη Αιτιοκρατικά Πεδία Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης
2 Ε ανάληψη Χρόνος και όροι χρονοπρογραµµατισµός εργασιών Ιεραρχία ιεραρχικά δίκτυα εργασιών Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 2
3 Σήµερα Μη αιτιοκρατικά εδία φραγµένη απροσδιοριστία µη φραγµένη απροσδιοριστία Σχεδιασµός σε µη αιτιοκρατικά εδία σχεδιασµός χωρίς αισθητήρες σχεδιασµός υπό συνθήκη Μ. Γ. Λαγουδάκης παρακολούθηση Τµήµα εκτέλεσης ΗΜΜΥ Πολυτεχνείο και επανασχεδιασµός Κρήτης Σελίδα 3 συνεχής σχεδιασµός
4 Μη Αιτιοκρατικά Πεδία Non-Deterministic Domains
5 Αιτιοκρατικότητα (Determinism) Αιτιοκρατικά εριβάλλοντα ο κόσµος λειτουργεί µε προβλέψιµο τρόπο ένα σειριακό πλάνο µπορεί να σχεδιαστεί πλήρως εκ των προτέρων ένα πλάνο µπορεί να εκτελεστεί µε «κλειστά µάτια» εκ των υστέρων Μη αιτιοκρατικά εριβάλλοντα ο κόσµος λειτουργεί µε κάποια αβεβαιότητα Μ. Γ. Λαγουδάκης µόνο «πολύπλοκα» Τµήµα πλάνα ΗΜΜΥ µπορούν Πολυτεχνείο να σχεδιαστούν Κρήτης εκ των Σελίδα προτέρων 5 «πολύπλοκα» πλάνα γενικά εκτελούνται µόνο µε «ανοικτά µάτια» οι αισθήσεις παρέχουν πληροφορίες κατά την εκτέλεση ο βαθµός παρατηρησιµότητας παίζει σηµαντικό ρόλο
6 Α ροσδιοριστία (Indeterminacy) Α ροσδιοριστία (indeterminacy) οι ενέργειες έχουν απόβλεπτες επιδράσεις Φραγµένη (bounded) α ροσδιοριστία οι δυνατές επιδράσεις είναι γνωστές και απαριθµήσιµες µπορούν να καταγραφούν στα αξιώµατα των ενεργειών παράδειγµα: ρίψη κέρµατος κορώνα ή γράµµατα Μ. Γ. Λαγουδάκης Μη φραγµένη Τµήµα (unbounded) ΗΜΜΥ Πολυτεχνείο α ροσδιοριστία Κρήτης Σελίδα 6 οι δυνατές επιδράσεις είναι άγνωστες ή µη απαριθµήσιµες απαιτείται η δυνατότητα άµεσης αναθεώρησης πλάνων παράδειγµα: ελεύθερη βολή στην καλαθοσφαίριση, οδήγηση
7 Σχεδιασµός για Φραγµένη Α ροσδιοριστία Σχεδιασµός χωρίς αισθητήρες (sensorless planning) ή αλλιώς, σύµµορφος σχεδιασµός (conformant planning) πλάνο ανεξάρτητο από αρχική κατάσταση ή αποτελέσµατα ενεργειών εξαναγκασµός (coercion): εξασφάλιση επίτευξης στόχου ο εξαναγκασµός δεν είναι πάντοτε εφικτός Σχεδιασµός υ ό συνθήκη (conditional planning) Μ. Γ. Λαγουδάκης ή αλλιώς, σχεδιασµός Τµήµα µε ΗΜΜΥ ενδεχόµενα Πολυτεχνείο (contingency Κρήτης planning) Σελίδα 7 υπό συνθήκη πλάνα µε διακλαδώσεις για διαφορετικά ενδεχόµενα αισθητήριες ενέργειες (sensing actions) για εξακρίβωση συνθηκών το µέγεθος του πλάνου αυξάνει εκθετικά
8 Σχεδιασµός για Μη Φραγµένη Α ροσδιοριστία Παρακολούθηση εκτέλεσης και ε ανασχεδιασµός (execution monitoring and replanning) κατασκευή αρχικού πλάνου και εκτέλεση παρακολούθηση εκτέλεσης και αναθεώρηση κατά περίπτωση δεν είναι απαραίτητη η απαρίθµηση όλων των περιπτώσεων διαπλοκή (interleaving) σχεδιασµού και εκτέλεσης Μ. Γ. Λαγουδάκης Συνεχής σχεδιασµός Τµήµα ΗΜΜΥ (continuous Πολυτεχνείο planning) Κρήτης Σελίδα 8 πράκτορας σχεδιασµού για ολόκληρη τη διάρκεια ζωής του χειρίζεται αναπάντεχες συνθήκες, αλλάζει τρόπο δόµησης πλάνων χειρίζεται τη δηµιουργία, µεταβολή, εγκατάλειψη στόχων συνεχής διαδικασία διατύπωσης στόχων (goal formulation)
9 δεδοµένα: ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 ζητούµενο: Βάψιµο πάρε κουτιά να βαφούν µπογιά, το τραπέζι και η καρέκλα αγνώστου ίδιο χρώµατος Τρα εζιού και Καρέκλας Πρόβληµα κοίταξε αν ένα κουτί µπογιά, βάψε και τα δύο έπιπλα στο ίδιο χρώµα διαφορετικά το χρώµα των επίπλων, αν είναι το ίδιο, τερµάτισε Σχεδιασµός χωρίς αισθητήρες αρχικό υπάρχει κουτί βάψε µε και το τα χρώµα δύο έπιπλα ενός επίπλου, στο ίδιο τότε χρώµα βάψε και το άλλοστο ίδιο Σχεδιασµός υ ό συνθήκη Μ. Γ. Λαγουδάκης χειρισµός πλάνο απροσδιοριστίας, µε κάποιες διακλαδώσεις, Τµήµα ΗΜΜΥ τροποποίηση δηµιουργία Πολυτεχνείο µε βάση µακροπρόθεσµους στην πορεία, έλεγχος Κρήτης Σελίδα στόχους 9 Ε ανασχεδιασµός Συνεχής σχεδιασµός
10 Σχεδιασµός χωρίς Αισθητήρες Sensorless Planning
11 Προβλήµατα χωρίς Αισθητήρες Χαρακτηριστικά γνωστός πεποίθηση: ο χώρος κατάστασης και αποτελέσµατα των ενεργειών άγνωστη ενέργειες: η τρέχουσα µεταβάσεις το υποσύνολο κατάσταση µεταξύ των πεποιθήσεων (ένωση όπου µπορεί ατοµικών να βρίσκεται µεταβάσεων) Αντιµετώ ιση συλλογισµός σύνολα καταστάσεων, όχι µε απλές καταστάσεις χώρος πεποιθήσεων (beliefs): δυναµοσύνολο χώρου καταστάσεων Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 11 αρχικοποίηση: πεποίθηση µε όλες τις πιθανές καταστάσεις επίλυση: σχεδιασµός στο χώρο των πεποιθήσεων στόχος: πεποίθηση όπου όλες οι καταστάσεις είναι στόχοι
12 επιλογή ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 αρχική κάποιας ενέργειας για Ενέργειες χωρίς Αισθητήρες αποκλεισµό κάποιων καταστάσεων Εξαναγκασµός ενέργεια: {1,2,3,4,5,6,7,8} επόµενη εξιά Παράδειγµα... πεποίθηση: Αναρρόφηση{2,4,6,8} {4,8} µικρόκοσµου Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 12
13 Μικρόκοσµος Σκού ας χωρίς Αισθητήρες Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 13
14 Σχεδιασµός υ ό Συνθήκη σε Πλήρως Παρατηρήσιµα Περιβάλλοντα Conditional Planning in Fully Observable Domains
15 Μη Αιτιοκρατικές Ενέργειες ιαζευκτικές ε ιδράσεις (disjunctive effects) διάζευξη των διαφορετικών ενδεχοµένων Action( Αριστερά, Προϋποθέσεις: Σε, Επιδράσεις: ΣεΑ Σε ) Ε ιδράσεις υ ό συνθήκη (conditional effects) εξάρτηση επίδρασης από την κατάσταση Action( Αναρρόφηση, Προϋποθέσεις:, Μ. Γ. Λαγουδάκης Επιδράσεις: Τµήµα (when ΗΜΜΥ ΣεΑ: Πολυτεχνείο ΚαθαρόΑ) (when Κρήτης Σε : Καθαρό ) Σελίδα 15 ) Συνδυασµός διαζευτικές και υπό συνθήκη επιδράσεις Action( Αριστερά, Προϋποθέσεις: Σε, Επιδράσεις: ΣεΑ (ΣεΑ when ΚαθαρόΑ: ΚαθαρόΑ) )
16 π.χ. if ΣεΑ ΚαθαρόΑthen εξιάelseαναρρόφηση Πλάνα υ ό Συνθήκη Υ ό συνθήκη βήµατα (conditional steps) if <έλεγχος> then λάνο_α else λάνο_β Υ ό συνθήκη λάνα (conditional plans) ένθεση υπό συνθήκη βηµάτων πλάνα που λειτουργούν ανεξάρτητα... Μ. Γ. Λαγουδάκης Τµήµα... από ΗΜΜΥ το πραγµατικό Πολυτεχνείο αποτέλεσµα Κρήτης των Σελίδα ενεργειών 16 Αναλογία ανταγωνιστικά παιχνίδια µεταξύ δύο παικτών στρατηγική που λαµβάνει υπόψη όλες τις κίνησεις του αντιπάλου µη αιτιοκρατικός σχεδιασµός: παιχνίδια ενάντια στη φύση
17 Μικρόκοσµος Αναξιό ιστης Σκού ας Αναξιό ιστη σκού α αφήνει βρωµιές όταν µετακινείται σε καθαρή θέση αφήνει βρωµιές όταν εκτελείται αναρρόφηση σε καθαρό τετράγωνο Πρόβληµα αρχική κατάσταση: Σε ΚαθαρόΑ Καθαρό στόχος: ΣεΑ ΚαθαρόΑ Καθαρό Μ. Γ. Πλάνο Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 17 [Αριστερά, if ΣεΑ ΚαθαρόΑ Καθαρό then [ ] else Αναρρόφηση]
18 Πλάνο Υ ό Συνθήκη Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 18
19 Εύρεση Πλάνου υ ό Συνθήκη Πλάνο-λύση υποδένδρο µε κατάσταση στόχου σε κάθε φύλλο επιλέγει µία µόνο ενέργεια ανά κατάσταση περιλαµβάνει όλα τα ενδεχόµενα των επιλεγµένων ενεργειών Παραλλαγή του αλγορίθµου minimax οι κόµβοι ΜΑΧ γίνονται κόµβοι OR Μ. Γ. Λαγουδάκης οι κόµβοι ΜΙΝ Τµήµα γίνονται ΗΜΜΥ κόµβοι Πολυτεχνείο AND Κρήτης Σελίδα 19 επιστροφή ολόκληρου του υποδένδρου (πλάνου υπό συνθήκη) Αναλογία γραφήµατα AND-OR για προτασιακό συµπερασµό
20 function function return Αλγόριθµος AND-OR-GRAPH-SEARCH(problem)returns a conditional plan orfailure Υ ό Συνθήκη Σχεδιασµού if GOAL-TEST[problem](state) OR-SEARCH(INITIAL-STATE[problem], OR-SEARCH(state, problem, then path)returns returnthe empty problem, a conditional []) plan orfailure function for return for if plan stateis plani OR-SEARCH(si,problem,path eachsiin plan failurethen action, AND-SEARCH(state_set,problem, on state_setin path AND-SEARCH(state_set, state_setdo return[action SUCCESSORS[problem](state) returnfailure problem, plan] ) path)returns [state plan]) do a conditional plan orfailure Μ. Γ. Λαγουδάκης return if plan= [ ifs1thenplan1elseifs2thenplan2else failure Τµήµα returnfailure ΗΜΜΥ Πολυτεχνείο ifsn-1thenplann-1elseplann] Κρήτης Σελίδα 20
21 Κυκλικές Λύσεις Βρόχοι ενέργειες που πιθανόν δεν έχουν επιδράσεις απόπειρα επιδιόρθωσης µιας µη επιδιωκόµενης επίδρασης Αλγόριθµος AND-OR αν βρεθεί επαναλαµβανόµενη κατάσταση, επιστρέφει αποτυχία δε σηµαίνει ότι δεν υπάρχει λύση! Μ. Γ. Λαγουδάκης Κυκλικά λάνα Τµήµα υ ό ΗΜΜΥ συνθήκη Πολυτεχνείο Κρήτης Σελίδα 21 πλάνα µε συνθήκες και βρόχους απαραίτητα για «εγγύηση» επιτυχίας Ε έκταση ανα αράστασης λάνων ετικέττες που δηλώνουν σηµεία µετάβασης
22 ΠλάνοΠαράδειγµα Κυκλικής Λύσης [L1: Αριστερά, if Σε then L1 else if ΚαθαρόΑ then [] else Αναρρόφηση] Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Η δεν µετακίνηση Πολυτεχνείο πετυχαίνει αριστερά πάντα. Κρήτης Σελίδα 22
23 Σχεδιασµός υ ό Συνθήκη σε Μερικώς Παρατηρήσιµα Περιβάλλοντα Conditional Planning in Partially Observable Domains
24 πεποίθηση: ενέργειες: αισθήσεις: µεταβάσεις διαµέριση το υποσύνολο των µεταξύ καταστάσεων των πεποιθήσεων καταστάσεων συµβατές (ένωση όπου µπορεί ατοµικών και µη να συµβατές βρίσκεται µεταβάσεων) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 24 Πε οιθήσεις Καταστάσεις ε οίθησης (belief states) συλλογισµός µε σύνολα καταστάσεων, όχι µε απλές καταστάσεις χώρος πεποιθήσεων (beliefs): δυναµοσύνολο χώρου καταστάσεων κατάσταση πεποίθησης: καταστάσεις συµβατές µε τις αισθήσεις η κατάσταση πεποίθησης είναι πάντοτε πλήρως παρατηρήσιµη! Ιδέες επίλυση: υπό συνθήκη σχεδιασµός στο χώρο των πεποιθήσεων στόχος: πεποίθηση όπου όλες οι καταστάσεις είναι στόχοι
25 Μικρόκοσµος Σκού ας Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 25
26 Περιγραφή Πε οιθήσεων Α αρίθµηση καταστάσεων {(Σε ΚαθαρόΑ Καθαρό ), (Σε ΚαθαρόΑ Καθαρό )} εκθετικά µεγάλες περιγραφές Λογικές ροτάσεις Σε Μ. Γ. Λαγουδάκης 2n 2 Καθαρό [µη µοναδικότητα αναπαράστασης] περιοριστική κανονική µορφή: µόνο σύζευξη λεκτικών Προτάσεις γνώσης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 26 K(Σε ) K(Καθαρό ) [K(*) = γνωρίζει ότι *] περιοριστική αναπαράσταση, ισοδύναµη µε σύζευξη λεκτικών Περιορισµός ανα αράστασης πεποιθήσεις, όµως 3nαναπαραστάσεις για n σύµβολα
27 Αισθητήριες ενέργειες Αυτόµατη αίσθηση λαµβάνονται όλες οι διαθέσιµες αισθήσεις Action( Αριστερά, Προϋποθέσεις: Σε, Επιδράσεις: K(ΣεΑ) K(Σε ) when Καθαρό : K(Καθαρό ) when ΚαθαρόΑ: K(ΚαθαρόΑ) when ΚαθαρόΑ: K( ΚαθαρόΑ) ) Ενεργητική αίσθηση Μ. Γ. Λαγουδάκης λαµβάνονται Τµήµα επιλεκτικά ΗΜΜΥ αισθήσεις Πολυτεχνείο µέσω ειδικών Κρήτης ενεργειών Σελίδα 27 Action( ΈλεγξεΒρωµιά, Επιδράσεις: when ΣεΑ ΚαθαρόΑ: K(ΚαθαρόΑ) when ΣεΑ ΚαθαρόΑ: K( ΚαθαρόΑ) when Σε Καθαρό : K(Καθαρό ) when Σε Καθαρό : K( Καθαρό ) )
28 Παρακολούθηση Εκτέλεσης και Ε ανασχεδιασµός Execution Monitoring and Replanning
29 όλο και κάποιο ενδεχόµενο δεν έχει ληφθεί υπ όψιν στις συνθήκες παρακολούθηση πλάνου: επαλήθευση υπόλοιπου πλάνου Ε ανασχεδιασµός Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 29 σχεδιασµός νέου πλάνου όταν αποτυγχάνει η επαλήθευση προσπάθεια επιδιόρθωσης τρέχοντος πλάνου ουσιαστικά, αρκεί να βρίσκει µόνο την αµέσως επόµενη ενέργεια Παρακολούθηση και Ε ανασχεδιασµός Παρακολούθηση εκτέλεσης έλεγχος αν τα πάντα προχωρούν σύµφωνα µε το πλάνο αιτία: πραγµατικός κόσµος µη φραγµένη απροσδιοριστία παρακολούθηση ενεργειών: επαλήθευση επόµενης ενέργειας
30 function static:kb, REPLANNING-AGENT(percept)returns ΠΛΗ knowledge 405 Τεχνητή base (+ action Νοηµοσύνη descriptions) an action 2006 Πράκτορας Ε ανασχεδιασµού current goal, whole_plan, a goal plan,initially a plan,initially [] [] if TELL(KB, plan= PRECONDITIONS(FIRST(plan)) MAKE-PERCEPT-SENTENCE(percept,t)) candidates whole_plan STATE-DESCRIPTION(KB,t) [] then SORT(whole_plan,ordered plan PLANNER(current,goal, not currently by distance KB) true to in current) KB then Μ. Γ. Λαγουδάκης return whole_plan continuation find POP(plan) statesin failure plan APPEND(repair, the repair candidatessuch tail PLANNER(current, of whole_planstarting that s, ats KB) Τµήµα ΗΜΜΥ Πολυτεχνείο continuation) Κρήτης Σελίδα 30
31 Παρακολούθηση και Ε ανασχεδιασµός Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 31
32 Init(Color(Chair, ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 Παράδειγµα Goal(Color(Chair,x) PaintCan(BC) ContainsColor(RC,Red) Blue) Color(Table,x)) Color(Table,Green) PaintCan(RC)) ContainsColor(BC,Blue) Ε ανασχεδιασµού Πρόβληµα Action(Open(can) Action(Paint(object, EFFECT: PRECOND:HavePaint(color) Color(object, color)) Μ. Γ. Λαγουδάκης Αρχικό: PRECOND: PaintCan(can) ContainsColor(can,color) Επιδιορθωµένο: EFFECT: [Start;Open(BC),Paint(Table,Blue), HavePaint(color)) Τµήµα [Paint(Table,Blue), ΗΜΜΥ Πολυτεχνείο Finish] [Finish] Finish] [Finish] Κρήτης Σελίδα 32 Πλάνα
33 Παρακολούθηση Ενεργειών και Πλάνου Παρακολούθηση ενεργειών βραχυπρόθεσµες επιδιορθώσεις π.χ. βαφή µε µπογιά που δεν επαρκεί και για τα δύο έπιπλα χρήσιµη, αλλά ανεπαρκής για ευφυή συµπεριφορά Παρακολούθηση λάνου µακροπρόθεσµες επιδιορθώσεις Μ. Γ. Λαγουδάκης ελέγχει όλες τις Τµήµα προϋποθέσεις ΗΜΜΥ Πολυτεχνείο του εναποµείναντος Κρήτης πλάνου Σελίδα 33 απαιτείταικαταγραφή των προϋποθέσεων σε κάθε σηµείο του πλάνου µπορεί να αποτρέψει από νωρίς αποτυχίες, αδιέξοδα,... µπορεί να εκµεταλλευθεί πιθανή εύνοια της τύχης!
34 Συνεχής Σχεδιασµός Continuous Planning
35 Πράκτορας Συνεχούς Σχεδιασµού Χαρακτηριστικά βρίσκεται µόνιµα εν µέσω του µεγάλου πλάνου της ζωής του εναλλασσόµενες φάσεις διατύπωσης στόχων, σχεδιασµού, εκτέλεσης ραστηριότητες διαρκής παρακολούθηση του κόσµου συνεχής ενηµέρωση της βάσης γνώσης Μ. Γ. Λαγουδάκης διατύπωση νέων Τµήµα στόχων, ΗΜΜΥ διαγραφή/µεταβολή Πολυτεχνείο Κρήτης παλαιών στόχων Σελίδα 35 σχεδιασµός ή επανασχεδιασµός για τους τρέχοντες στόχους βελτίωση ή τροποποίηση τρέχοντος πλάνου εκτέλεση ενεργειών τρέχοντος πλάνου
36 Παράδειγµα Συνεχούς Σχεδιασµού Αρχική κατάσταση Στόχος Ε ί(c, D) Ε ί(d, B) Αρχικό λάνο Μ. Γ. Λαγουδάκης Αρχή=παρόν, Τέλος=µέλλον Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 36
37 Παράδειγµα Συνεχούς Σχεδιασµού Εξωτερική ε έµβαση πριν την έναρξη εκτέλεσης, κάποιος µετακινεί τον D πάνω στον Β Μ. Νέο Γ. Λαγουδάκης λάνο Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 37
38 Παράδειγµα Συνεχούς Σχεδιασµού Ε έκταση αιτιολογικού συνδέσµου το Ε ί(d,b) υποστηρίζεται από την αρχική κατάσταση η ενέργεια Μετακίνηση(D,B) δεν χρειάζεται πλέον και καταργείται Νέο λάνο Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 38
39 Παράδειγµα Συνεχούς Σχεδιασµού Αβεβαιότητα εκτελείται η ενέργεια Μετακίνηση(C,D) όµως αποτυγχάνει και ο κύβος C τοποθετείται πάνω στον Α... Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 39 Νέο λάνο
40 Παράδειγµα Συνεχούς Σχεδιασµού τροποποίηση: προστίθεται νέα ενέργεια στο πλάνο ο στόχος αυτή τη φορά επιτυγχάνεται Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 40
41 Παράδειγµα Συνεχούς Σχεδιασµού Νέο λάνο όλοι οι στόχοι ικανοποιούνται από την τρέχουσα κατάσταση διαγράφονται οι στόχοι από το Τέλος Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 41
42 Πράκτορας Συνεχούς Σχεδιασµού Βασική ιδέα εντόπισε ένα σηµείο του πλάνου που χρήζει επιδιόρθωσης επιδιόρθωσε το σφάλµα πλάνου (plan flaw) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 42
43 Α αλοιφή Σφαλµάτων Πλάνου Α ουσία στόχου διατύπωση νέων στόχων Ανοικτές ροϋ οθέσεις προσθήκη αιτιολογικού συνδέσµου Αιτιολογικές συγκρούσεις περιορισµός διάταξης ή περιορισµός µεταβλητής Μη υ οστηριζόµενος σύνδεσµος Μ. Γ. Λαγουδάκης κατάργηση του Τµήµα συνδέσµου ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 43 Πλεονάζουσες και ανεκτέλεστες ενέργειες κατάργηση της ενέργειας και είτε αγνόηση, είτε εκτέλεση Περιττός ιστορικός στόχος κατάργηση των στόχων
44 Μελέτη Σύγγραµµα ενότητες Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 44
45 Ανακεφαλαίωση
46 Το µάθηµα Στόχοι αντιµετώπιση δύσκολων πρακτικών προβληµάτων τεχνικές και εργαλεία µε ευρεία εφαρµογή γνωριµία µε ένα χώρο που εξελίσσεται από τη δεκαετία του 50 περισσότερο αριθµητικές, λιγότερο λογικές µέθοδοι Οφέλη Μ. Γ. Λαγουδάκης εµπειρία µε Τµήµα ευριστικούς ΗΜΜΥ αλγορίθµους Πολυτεχνείο για Κρήτης δύσκολα προβλήµατα Σελίδα 46 εκτίµηση δυσκολίας τεχνητής νοηµοσύνης προετοιµασία για διπλωµατικές, µεταπτυχιακά ενδιαφέρουσα και ανοικτή ερευνητική περιοχή
47 Θεµατική Ύλη Μαθήµατος Πράκτορες αλληλεπίδραση µε το περιβάλλον Αναζήτηση επίλυση προβληµάτων στόχου απληροφόρητη, πληροφορηµένη, υπό αντιπαλότητα,... Λογική Μ. Γ. Λαγουδάκης προτασιακή Τµήµα λογική ΗΜΜΥ και λογική Πολυτεχνείο πρώτης τάξης Κρήτης Σελίδα 47 αναπαράσταση γνώσης και συµπερασµός Σχεδιασµός εύρεση πλάνου ενεργειών για την επίτευξη κάποιου στόχου συνδυασµός λογικής (αναπαράσταση) και αναζήτησης (επίλυση)
48 ιαδικαστικά Εργασίες δύο σειρές γραπτών ασκήσεων (µε λίγο προγραµµατισµό) µία εργασία προγραµµατισµού (Othello) Τελική γρα τή εξέταση ηµεροµηνία: Τετάρτη 31 Ιανουαρίου 2007 αίθουσα: Α2 (ξύλινο) και Β1.001 ώρα: 8:00 µ 11:00 µ Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 48 τυπικότητες: ταυτότητα, φοιτητικό πάσο, διαβατήριο,... Υλικό εξέτασης Russell and Norvig, Τεχνητή Νοηµοσύνη: Μια Σύγχρονη Προσέγγιση διαφάνειες διαλέξεων, σηµειώσεις δικές σας, γραπτές ασκήσεις
49 Μελέτη Κεφάλαιο 1 ενότητες Κεφάλαιο 2 ενότητες Κεφάλαιο 3 ενότητες Κεφάλαιο 4 Μ. Γ. Λαγουδάκης ενότητες 4.1 Τµήµα 4.3, ΗΜΜΥ (4.4, 4.5), Πολυτεχνείο 4.6 Κρήτης Σελίδα 49 Κεφάλαιο 5 ενότητες Κεφάλαιο 6 ενότητες
50 Μελέτη Κεφάλαιο 7 ενότητες Κεφάλαιο 8 ενότητες Κεφάλαιο 9 ενότητες Κεφάλαιο 10 Μ. Γ. Λαγουδάκης ενότητες 10.1 Τµήµα 10.6, ΗΜΜΥ (10.7, Πολυτεχνείο 10.8), 10.9 Κρήτης Σελίδα 50 Κεφάλαιο 11 ενότητες Κεφάλαιο 12 ενότητες , (12.7), 12.8
51 Βαθµολόγηση Θεωρία (40%) τελική γραπτή εξέταση υποχρεωτική τουλάχιστον 5/10 Πράξη (60%) γραπτές ασκήσεις (30%) Μ. Γ. Λαγουδάκης εργασία προγραµµατισµού Τµήµα ΗΜΜΥ Πολυτεχνείο (30%) Κρήτης Σελίδα 51 υποχρεωτικές ουσιαστικά Ε αναλη τική εξετάση αναπλήρωση της τελικής εξέτασης µόνο ασκήσεις και εργασία κατοχυρώνονται µέχρι Σεπτέµβριο 2007
52 Στατιστικά Στοιχεία Μάθηµα 41 ώρες διαλέξεων 678 διαφάνειες Συµµετοχή 176 εγγεγραµµένοι 2 30 παρόντες Μ. Γ. Λαγουδάκης 27 παρέδωσαν Τµήµα την ΗΜΜΥ 1η άσκηση Πολυτεχνείο Κρήτης Σελίδα 52?? παρέδωσαν τη 2η άσκηση 17 παρέδωσαν την εργασία προγραµµατισµού
53 Καλή Εξεταστική! Καλή Ε ιτυχία! Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 53
Σχεδιασµός και δράση στον πραγµατικό κόσµο
Σχεδιασµός και δράση στον πραγµατικό κόσµο Planning and Acting in the Real World Ενέργειες µε διάρκεια Init(Σασί(C 1 ) Σασί(C 2 ) Μηχανή(E 1, C 1, 30) Μηχανή(E 2, C 2, 60) Τροχοί(W 1, C 1, 30) Τροχοί(W
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Πληροφορηµένη Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Πράκτορας ε ίλυσης ροβληµάτων πράκτορας µε στόχο Αναζήτηση διατύπωση
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σύγχρονοι Αλγόριθµοι Σχεδιασµού Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Σχεδιασµός το πρόβληµα του σχεδιασµού γλώσσα αναπαράστασης
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. Ε ανάληψη. δοµή δεδοµένων για κατασκευή ευρετικών συναρτήσεων Ο αλγόριθµος GraphPlan
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση στον Πραγµατικό Κόσµο Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Γραφήµατα σχεδιασµού δοµή δεδοµένων για κατασκευή
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Επίλυση προβλημάτων με αναζήτηση Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος http://ai.uom.gr/aima/ 2
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση στον Πραγµατικό Κόσµο Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Γραφήµατα σχεδιασµού δοµή δεδοµένων για κατασκευή
Διαβάστε περισσότεραΕ ανάληψη. Ορισµοί της Τεχνητής Νοηµοσύνης (ΤΝ) Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. κριτήρια νοηµοσύνης
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Αναζήτηση Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Ορισµοί της Τεχνητής Νοηµοσύνης (ΤΝ) κριτήρια νοηµοσύνης Καταβολές συνεισφορά
Διαβάστε περισσότεραΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 2: Δένδρο αναζήτησης. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής
Ενότητα 2: Δένδρο αναζήτησης Ρεφανίδης Ιωάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου
Διαβάστε περισσότεραΕπίλυση προβληµάτων µε αναζήτηση
Επίλυση προβληµάτων µε αναζήτηση Πράκτορες επίλυσης προβληµάτων (1/2) ιατύπωση στόχου: Σύνολο καταστάσεων του κόσµου ιατύπωση προβλήµατος Επιλογή επιπέδου λεπτοµέρειας (αφαίρεση) 3-2 Πράκτορες επίλυσης
Διαβάστε περισσότεραΕπίλυση προβλημάτων με αναζήτηση
Επίλυση προβλημάτων με αναζήτηση Περιεχόμενα Μέθοδοι (πράκτορες) επίλυσης προβλημάτων Προβλήματα και Λύσεις Προβλήματα παιχνίδια Προβλήματα του πραγματικού κόσμου Αναζήτηση λύσεων Δέντρο αναζήτησης Στρατηγικές
Διαβάστε περισσότεραΕ ανάληψη. Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. συνεισφορά άλλων επιστηµών στην ΤΝ. 1956 σήµερα
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α ληροφόρητη Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Καταβολές συνεισφορά άλλων επιστηµών στην ΤΝ Ιστορική αναδροµή 1956
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α οδοτικός Προτασιακός Συµ ερασµός Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Λογικοί ράκτορες πράκτορες βασισµένοι στη λογική Λογικές
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. Ε ανάληψη. πεπερασµένα χρονικά περιθώρια ανά κίνηση. απευθείας αξιολόγηση σε ενδιάµεσους κόµβους
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Παιχνίδια Τύχης Λογικοί Πράκτορες Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Περιορισµοί χρόνου πεπερασµένα χρονικά περιθώρια ανά κίνηση
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α ληροφόρητη και Πληροφορηµένη Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Πράκτορες χαρακτηριστικά στοιχεία και είδη πρακτόρων
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α οδοτικός Προτασιακός Συµ ερασµός Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Λογικές τυπικές γλώσσες λογική κάλυψη Προτασιακή λογική
Διαβάστε περισσότεραΕπίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών
Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών Αναζήτηση στο χώρο των καταστάσεων Αναζήτηση στο χώρο των πλάνων! Γράφοι σχεδιασµού Προτασιακή λογική Γράφοι σχεδιασµού (1/2) " Ένας γράφος σχεδιασµού
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Μερική Παρατηρησιµότητα Θεωρία Παιγνίων Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Reinforcement Learning (RL)
Διαβάστε περισσότεραΣχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού
Σχεδιασµός Planning Το πρόβληµα τουσχεδιασµού Κλασσικός σχεδιασµός: Πλήρως παρατηρήσιµα, αιτιοκρατικά, πεπερασµένα, στατικά και διακριτά περιβάλλοντα. Ευρετική συνάρτηση Αποσυνθέσιµα προβλήµατα Σχεδόν
Διαβάστε περισσότεραΕ ανάληψη. Α ληροφόρητη αναζήτηση
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Το ική Αναζήτηση Local Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Α ληροφόρητη αναζήτηση σε πλάτος, οµοιόµορφου κόστους, σε βάθος,
Διαβάστε περισσότεραΕ ανάληψη. Προβλήµατα ικανο οίησης εριορισµών. ορισµός και χαρακτηριστικά Ε ίλυση ροβληµάτων ικανο οίησης εριορισµών
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Αναζήτηση µε Αντι αλότητα Adversarial Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Προβλήµατα ικανο οίησης εριορισµών ορισµός και
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη Ι. Ενότητα 3: Επίλυση Προβλημάτων με Αναζήτηση
Τεχνητή Νοημοσύνη Ι Ενότητα 3: Επίλυση Προβλημάτων με Αναζήτηση Μουστάκας Κωνσταντίνος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Επίλυση προβλημάτων με
Διαβάστε περισσότεραΕ ανάληψη. Παιχνίδια παιχνίδια ως αναζήτηση. Βέλτιστες στρατηγικές στρατηγική minimax. Βελτιώσεις κλάδεµα α-β
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Παιχνίδια Τύχης Παιχνίδια Ατελούς Πληροφόρησης Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Παιχνίδια παιχνίδια ως αναζήτηση Βέλτιστες στρατηγικές
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι Ροµ οτικοί Πράκτορες Αβεβαιότητα Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Πράκτορες χαρακτηριστικά στοιχεία είδη πρακτόρων αυτόνοµοι
Διαβάστε περισσότεραΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά
ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση: Έστω ότι έχουμε τους παίκτες Χ και Υ. Ο κάθε παίκτης, σε κάθε κίνηση που κάνει, προσπαθεί να μεγιστοποιήσει την πιθανότητά του να κερδίσει. Ο Χ σε κάθε κίνηση που κάνει
Διαβάστε περισσότεραΘεωρία Λήψης Αποφάσεων
Θεωρία Λήψης Αποφάσεων Ενότητα 4: Επίλυση προβλημάτων με αναζήτηση Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.)
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Πράκτορες και Περιβάλλοντα Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Ορισµοί της Τεχνητής Νοηµοσύνης κριτήρια νοηµοσύνης Καταβολές
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Θεωρία Παιγνίων Μαρκωβιανά Παιχνίδια Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Μερική αρατηρησιµότητα POMDPs
Διαβάστε περισσότεραΕξελιγµένες Τεχνικές Σχεδιασµού
Κεφάλαιο 16 Εξελιγµένες Τεχνικές Σχεδιασµού Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Σχεδιασµός Βασισµένος σε Γράφους Γράφος σχεδιασµού (1/2) Ο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 25 Ιουνίου 2003 ιάρκεια: 2 ώρες α) Σε ποια περίπτωση
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 20 Ιανουαρίου 2005 ιάρκεια: 3 ώρες (15:00-18:00)
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Αβεβαιότητα πεποιθήσεων πράκτορας θεωρίας
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις Πέμπτη 27 Ιουνίου 2013 10:003:00 Έστω το πάζλ των οκτώ πλακιδίων (8-puzzle)
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 6η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β. Γκιούρδας
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 21η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία: «Artificial Intelligence A Modern Approach» των. Russel
Διαβάστε περισσότεραΕλεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα
Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα Τµήµα Διοίκησης Επιχειρήσεων Τει Δυτικής Ελλάδας Μεσολόγγι Δρ. Α. Στεφανή Διάλεξη 5 2 Εγκυροποίηση Λογισµικού Εγκυροποίηση Λογισµικού
Διαβάστε περισσότεραΕπίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης
Επίλυση προβληµάτων Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης! Παιχνίδια δύο αντιπάλων Προβλήµατα ικανοποίησης περιορισµών Γενικά " Ντετερµινιστικά
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Επεξεργασία Ερωτήσεων ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήματος 1. Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασμός) 2. Προγραμματισμός (Σχεσιακή Άλγεβρα, SQL) ημιουργία/κατασκευή Εισαγωγή εδομένων
Διαβάστε περισσότεραΕισαγωγή στην. Εισαγωγή Σ Β. Αρχεία ευρετηρίου Κατάλογος. συστήματος. Αρχεία δεδομένων
Εισαγωγή στην Επεξεργασία Ερωτήσεων 1 Εισαγωγή Σ Β Σύνολο από προγράμματα για τη διαχείριση της Β Αρχεία ευρετηρίου Κατάλογος ΒΑΣΗ Ε ΟΜΕΝΩΝ Αρχεία δεδομένων συστήματος Σύστημα Βάσεων εδομένων (ΣΒ ) 2 :
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 2η διάλεξη (2015-16) Ίων Ανδρουτσόπουλος. http://www.aueb.gr/users/ion/
Τεχνητή Νοημοσύνη 2η διάλεξη (2015-16) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία: Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β. Γκιούρδας
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Επεξεργασία Ερωτήσεων Σ Β Βάση εδομένων Η ομή ενός ΣΒ Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 1 Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 2 Εισαγωγή Εισαγωγή ΜΕΡΟΣ 1 (Χρήση Σ Β ) Γενική
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Εισαγωγή στην Επεξεργασία Ερωτήσεων 1 Επεξεργασία Ερωτήσεων Θα δούμε την «πορεία» μιας SQL ερώτησης (πως εκτελείται) Ερώτηση SQL Ερώτηση ΣΒΔ Αποτέλεσμα 2 Βήματα Επεξεργασίας Τα βασικά βήματα στην επεξεργασία
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Εισαγωγή στην Επεξεργασία Ερωτήσεων Βάσεις Δεδομένων 2013-2014 Ευαγγελία Πιτουρά 1 Επεξεργασία Ερωτήσεων Θα δούμε την «πορεία» μιας SQL ερώτησης (πως εκτελείται) Ερώτηση SQL Ερώτηση ΣΒΔ Αποτέλεσμα Βάσεις
Διαβάστε περισσότεραΤο εσωτερικό ενός Σ Β
Επεξεργασία Ερωτήσεων 1 Εισαγωγή ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL) ηµιουργία/κατασκευή Εισαγωγή εδοµένων
Διαβάστε περισσότεραΗΥ Λογική. Διδάσκων: Δημήτρης Πλεξουσάκης Καθηγητής
ΗΥ 180 - Λογική Διδάσκων: Καθηγητής E-mail: dp@csd.uoc.gr Ώρες διδασκαλίας: Δευτέρα, Τετάρτη 4-6 μμ, Αμφ. Β Ώρες φροντιστηρίου: Πέμπτη 4-6 μμ, Αμφ. Β Ώρες γραφείου: Δευτέρα, Τετάρτη 2-4 μμ, Κ.307 Web site:
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Σ Β Σύνολο από προγράμματα για τη διαχείριση της Β Επεξεργασία Ερωτήσεων Αρχεία ευρετηρίου Κατάλογος συστήματος Αρχεία δεδομένων ΒΑΣΗ Ε ΟΜΕΝΩΝ Σύστημα Βάσεων εδομένων (ΣΒ ) Βάσεις Δεδομένων 2007-2008
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Ενότητα 1: Εισαγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Ενότητα 1: Εισαγωγή Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται στην άδεια χρήσης Creative Commons
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 12: Θεωρία υπολογισµών
ΚΕΦΑΛΑΙΟ 12: Θεωρία υπολογισµών 1 Συναρτήσεις και ο υπολογισµός τους 2 Μηχανές Turing 3 Καθολικές γλώσσες προγραµµατισµού 4 Μια µη υπολογίσιµη συνάρτηση 5 Πολυπλοκότητα προβληµάτων 1 Συναρτήσεις Μία συνάρτηση
Διαβάστε περισσότεραΑναζήτηση σε Γράφους. Μανόλης Κουμπαράκης. ΥΣ02 Τεχνητή Νοημοσύνη 1
Αναζήτηση σε Γράφους Μανόλης Κουμπαράκης ΥΣ02 Τεχνητή Νοημοσύνη 1 Πρόλογος Μέχρι τώρα έχουμε δει αλγόριθμους αναζήτησης για την περίπτωση που ο χώρος καταστάσεων είναι δένδρο (υπάρχει μία μόνο διαδρομή
Διαβάστε περισσότερα11.1 Συναρτήσεις. ΚΕΦΑΛΑΙΟ 11: Θεωρία υπολογισµών
ΚΕΦΑΛΑΙΟ : Θεωρία υπολογισµών. Συναρτήσεις και ο υπολογισµός τους. Μηχανές Turig.3 Καθολικές γλώσσες προγραµµατισµού.4 Μια µη υπολογίσιµη συνάρτηση.5 Πολυπλοκότητα προβληµάτων.6 Κρυπτογραφία δηµόσιου κλειδιού.
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός Planning Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ανακεφαλαίωση Λογικοί ράκτορες πράκτορες βασισµένοι σε γνώση Προτασιακή λογική σύνταξη
Διαβάστε περισσότεραΤεχνητή Νοηµοσύνη. Γεώργιος Βούρος Καθηγητής. Τµήµα Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς.
Τεχνητή Νοηµοσύνη Γεώργιος Βούρος Καθηγητής Τµήµα Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς e-mail: georgev@unipi.gr 1 Επισκόπηση Μαθήµατος n Ώρες Διδασκαλίας: g Τρίτη 8:15-11:00 n Ύλη µαθήµατος Ευδοξος
Διαβάστε περισσότεραΑσκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη
Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη Τμήμα Μηχανικών Πληροφορικής ΤΕ (ΤΕΙ Ηπείρου) Τυφλή αναζήτηση Δίνεται το ακόλουθο κατευθυνόμενο γράφημα 1. Ο κόμβος αφετηρία είναι ο Α και ο κόμβος
Διαβάστε περισσότεραΑσκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 4 ης διάλεξης 4.1. (α) Αποδείξτε ότι αν η h είναι συνεπής, τότε h(n
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή στην Επεξεργασία Ερωτήσεων 1 Εισαγωγή ΣΔΒΔ Σύνολο από προγράµµατα για τη διαχείριση της ΒΔ Αρχεία ευρετηρίου Κατάλογος ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ Αρχεία δεδοµένων συστήµατος Σύστηµα Βάσεων Δεδοµένων (ΣΒΔ)
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 43 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική στο Χρόνο Temporal robabilisic Reasoning Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης ΕΚΠ 43/606 Αυτόνοµοι
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 17 Φεβρουαρίου 2004 ιάρκεια: 2 ώρες (15:00-17:00)
Διαβάστε περισσότεραK15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων
K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Η έννοια του συνδυαστικού
Διαβάστε περισσότεραΛογικός Προγραμματισμός
Λογικός Προγραμματισμός Αναπαράσταση γνώσης: Λογικό Σύστημα. Μηχανισμός επεξεργασίας γνώσης: εξαγωγή συμπεράσματος. Υπολογισμός: Απόδειξη θεωρήματος (το συμπέρασμα ενδιαφέροντος) από αξιώματα (γνώση).
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Λογικοί Πράκτορες Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος http://ai.uom.gr/aima/ 2 Πράκτορες βασισμένοι
Διαβάστε περισσότεραΠερι-γράφοντας... βρόχους
Όνομα(τα): Όνομα Η/Υ: Σ Τμήμα: Ημερομηνία: Περι-γράφοντας... βρόχους Ξεκινήστε το Χώρο Δραστηριοτήτων, επιλέξτε τη θεματική ενότητα: ΘΕ05: Επανάληψη και επιλέξτε την πρώτη δραστηριότητα (Περι-γράφοντας...
Διαβάστε περισσότεραΣειρά Προβλημάτων 5 Λύσεις
Άσκηση 1 Σειρά Προβλημάτων 5 Λύσεις Να δείξετε ότι οι πιο κάτω γλώσσες είναι διαγνώσιμες. (α) ({ G η G είναι μια ασυμφραστική γραμματική που δεν παράγει καμιά λέξη με μήκος μικρότερο του 2 } (β) { Μ,w
Διαβάστε περισσότεραECDL Module 6 Παρουσιάσεις Εξεταστέα Ύλη, έκδοση 5.0 (Syllabus Version 5.0)
ECDL Module 6 Παρουσιάσεις Εξεταστέα Ύλη, έκδοση 5.0 (Syllabus Version 5.0) (Module 6 Presentation) Συνολική ιάρκεια: Προτεινόµενο * Χρονοδιάγραµµα Εκπαίδευσης 8-12 (οκτώ έως δώδεκα) ώρες σε 4-6 (τέσσερα
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις Παρασκευή 28 Σεπτεµβρίου 2007 ιάρκεια: 13:00-16:00
Διαβάστε περισσότεραΑσκήσεις μελέτης της 6 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 6 ης διάλεξης 6.1. (α) Το mini-score-3 παίζεται όπως το score-4,
Διαβάστε περισσότεραΚατώτερα φράγματα Κατώτερο φράγμα: εκτίμηση της ελάχιστης εργασίας που απαιτείται για την επίλυση ενός προβλήματος. Παραδείγματα: Αριθμός συγκρίσεων π
Περιορισμοί Αλγοριθμικής Ισχύος Κατηγοριοποίηση πολυπλοκοτήτων Κατώτερα φράγματα Κατώτερο φράγμα: εκτίμηση της ελάχιστης εργασίας που απαιτείται για την επίλυση ενός προβλήματος. Παραδείγματα: Αριθμός
Διαβάστε περισσότεραΠροβλήματα, αλγόριθμοι, ψευδοκώδικας
Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Ευφυείς Πράκτορες Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος http://ai.uom.gr/aima/ 2 Πράκτορες και
Διαβάστε περισσότεραΕπίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης
Επίλυση προβληµάτων! Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης Παιχνίδια δύο αντιπάλων Προβλήµατα ικανοποίησης περιορισµών Γενικά " Τεχνητή
Διαβάστε περισσότεραΤμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Δομή Επανάληψης. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD
Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Δομή Επανάληψης Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Δομή Επανάληψης Επανάληψη με αρίθμηση DO = ,
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Λήψη Α οφάσεων υ ό Αβεβαιότητα Decision Making under Uncertainty Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Εντο
Διαβάστε περισσότεραΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ 2011-12
ΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ 2011-12 ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ Στα πλαίσια του μαθήματος Αυτόνομοι Πράκτορες μας ζητήθηκε να αναπτύξουμε
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 7η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στο βιβλίο Artificial Intelligence A Modern Approach των S. Russel
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS
ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS Χρήστος Δ. Ταραντίλης Αν. Καθηγητής ΟΠΑ ACO ΑΛΓΟΡΙΘΜΟΙ Η ΛΟΓΙΚΗ ΑΝΑΖΗΤΗΣΗΣ ΛΥΣΕΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΙΑΤΑΞΗΣ (1/3) Ε..Ε. ΙΙ Oι ACO
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη 2007. Ε ανάληψη. Προβλήµατα ικανο οίησης εριορισµών ορισµός και χαρακτηριστικά
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Αναζήτηση µε Αντι αλότητα Adversarial Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Προβλήµατα ικανο οίησης εριορισµών ορισµός και
Διαβάστε περισσότεραΔιάλεξη 5η: Εντολές Επανάληψης
Διάλεξη 5η: Εντολές Επανάληψης Τμήμα Επιστήμης Υπολογιστών, Πανεπιστήμιο Κρήτης Εισαγωγή στην Επιστήμη Υπολογιστών Βασίζεται σε διαφάνειες του Κ Παναγιωτάκη Πρατικάκης (CSD) Εντολές Επανάληψης CS100, 2015-2016
Διαβάστε περισσότερα1.2 Jason BDI Αρχιτεκτονική
1.2 Jason 1.2.1 BDI Αρχιτεκτονική Το Belief-Desire-Intention (BDI) είναι ένα μοντέλο λογισμικού που έχει αναπτυχθεί για τον προγραμματισμό ευφυών πρακτόρων. Χαρακτηρίζεται από την υλοποίηση των πεποιθήσεων,
Διαβάστε περισσότεραΛογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση
Λογικοί πράκτορες Πράκτορες βασισµένοι στη γνώση Βάση γνώσης (knowledge base: Σύνολο προτάσεων (sentences Γλώσσα αναπαράστασης της γνώσης Γνωστικό υπόβαθρο: «Αµετάβλητο» µέρος της ΒΓ Βασικές εργασίες:
Διαβάστε περισσότεραιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Μαθηματική Επαγωγή ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Τεχνικές Απόδειξης Εξαντλητική
Διαβάστε περισσότεραΈνα παιχνίδι του Stefan Feld ΣΧΕΤΙΚΑ ΜΕ ΤΟ ΠΑΙΧΝΙΔΙ ΠΕΡΙΕΧΟΜΕΝΑ
Ένα παιχνίδι του Stefan Feld για 2 έως 5 παίκτες. Χρόνος παιχνιδιού: 45-60 λεπτά. ΣΧΕΤΙΚΑ ΜΕ ΤΟ ΠΑΙΧΝΙΔΙ Η Βενετία είναι διάσημη για τις γέφυρες και τις γόνδολές της. Περί αυτού πρόκειται και το παιχνίδι
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Αβεβαιότητα Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος http://ai.uom.gr/aima/ 2 Δράση υπό αβεβαιότητα
Διαβάστε περισσότεραΕισαγωγή. Γενική Εικόνα του Μαθήµατος. Το εσωτερικό ενός Σ Β. Εισαγωγή. Εισαγωγή Σ Β Σ Β. Αρχεία ευρετηρίου Κατάλογος συστήµατος Αρχεία δεδοµένων
Βάσεις εδοµένων 2003-2004 Ευαγγελία Πιτουρά 1 ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Επεξεργασία Ερωτήσεων Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL)
Διαβάστε περισσότεραΕισαγωγή στην πληροφορική
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Αγρονόμων Τοπογράφων Μηχανικών Εισαγωγή στην πληροφορική Βασίλειος Βεσκούκης Δρ. Ηλεκτρολόγος Μηχανικός & Μηχανικός Υπολογιστών ΕΜΠ v.vescoukis@cs.ntua.gr Η γλώσσα προγραμματισμού
Διαβάστε περισσότεραΚεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.
Κεφάλαιο 6 Ικανοποίηση Περιορισµών Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Ικανοποίηση Περιορισµών Ένα πρόβληµα ικανοποίησης περιορισµών (constraint
Διαβάστε περισσότεραΣυνδυαστική Απαρίθµηση Υπολογισµός (µε συνδυαστικά επιχειρήµατα) του πλήθους των διαφορετικών αποτελεσµάτων ενός «πειράµατος». «Πείραµα»: διαδικασία µ
Συνδυαστική Απαρίθµηση ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιµέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συνδυαστική Απαρίθµηση Υπολογισµός
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 4 η Τελεστές Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην Εφαρμογή Σωτήρης
Διαβάστε περισσότεραΕυφυείς πράκτορες. Πράκτορες και Περιβάλλοντα
Ευφυείς πράκτορες Πράκτορες και Περιβάλλοντα Πράκτορας είναι οτιδήποτε µπορεί να θεωρηθεί ότι αντιλαµβάνεται το περιβάλλον του (environment) µέσω αισθητήρων (sensors), και επενεργεί σε αυτό το περιβάλλον
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 3: Συναρτήσεις
ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 3: Συναρτήσεις Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών Συναρτήσεις 60 Ροή ελέγχου Είναι η σειρά µε την οποία εκτελούνται οι εντολές. Μέχρι τώρα, «σειριακή»,
Διαβάστε περισσότεραΕπαναληπτικές Διαδικασίες
Επαναληπτικές Διαδικασίες Οι επαναληπτικές δομές ( εντολές επανάληψης επαναληπτικά σχήματα ) χρησιμοποιούνται, όταν μια ομάδα εντολών πρέπει να εκτελείται αρκετές- πολλές φορές ανάλογα με την τιμή μιας
Διαβάστε περισσότεραΚεφάλαιο 5. Αλγόριθµοι Αναζήτησης σε Παίγνια ύο Αντιπάλων. Τεχνητή Νοηµοσύνη - Β' Έκδοση
Κεφάλαιο 5 Αλγόριθµοι Αναζήτησης σε Παίγνια ύο Αντιπάλων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αλγόριθµοι Αναζήτησης σε Παίγνια ύο Αντιπάλων
Διαβάστε περισσότεραΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ Μ. Γρηγοριάδου Ρ. Γόγουλου Ενότητα: Η Διδασκαλία του Προγραμματισμού Περιεχόμενα Παρουσίασης
Διαβάστε περισσότεραΔΙΑΓΩΝΙΣΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ: Γ ΛΥΚΕΙΟΥ HM/NIA: 21/2/2016
ΔΙΑΓΩΝΙΣΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ: Γ ΛΥΚΕΙΟΥ HM/NIA: 21/2/2016 ΘΕΜΑ A (Α1) Να σημειώσετε με κατάλληλο τρόπο ανάλογα με το αν θεωρείτε σωστή ή λανθασμένη κάθε μία από τις
Διαβάστε περισσότεραΑ1. (α). ώστε τον ορισµό του προβλήµατος (Μονάδες 3)
ΜΑΘΗΜΑ / ΤΑΞΗ : ΑΕΠΠ / ΑΠΟΦΟΙΤΟΙ ΣΕΙΡΑ: 1η ΗΜΕΡΟΜΗΝΙΑ: 28/11/2011 ΘΕΜΑ Α Α1. (α). ώστε τον ορισµό του προβλήµατος (Μονάδες 3) (β). ίνεται ο παρακάτω πίνακας που στην Στήλη 1 υπάρχουν κριτήρια κατηγοριοποίησης
Διαβάστε περισσότεραΜΥΥ105: Εισαγωγή στον Προγραµµατισµό. Εισαγωγή Χειµερινό Εξάµηνο 2014
ΜΥΥ105: Εισαγωγή στον Προγραµµατισµό Εισαγωγή Χειµερινό Εξάµηνο 2014 Προγραµµατισµός Προγραµµατισµός ΔΕΝ ΕΙΝΑΙ απλά γράφω κώδικα είναι λύνω πρακτικά προβλήµατα χρησιµοποιώντας τον υπολογιστή 2 Εφαρµογές
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Διάλεξη 3 η : Επίλυση Προβληµάτων Χειµερινό Εξάµηνο 2011
Εισαγωγή στον Προγραµµατισµό Διάλεξη 3 η : Επίλυση Προβληµάτων Χειµερινό Εξάµηνο 2011 Τελεστής σύντοµης ανάθεσης Τελεστής σύντοµης ανάθεσης (shorthand assignment operator) µεταβλητή = µεταβλητή τελεστής
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Περιγραφή Προβλημάτων Διαισθητικά, σε ένα πρόβλημα υπάρχει μια δεδομένη κατάσταση
Διαβάστε περισσότεραΕισαγωγή στους Αλγορίθμους Ενότητα 11η
Εισαγωγή στους Αλγορίθμους Ενότητα 11η Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Δυναμικός Προγραμματισμός Σταθμισμένος Χρονοπρογραμματισμός
Διαβάστε περισσότεραΕπίλυση Προβλημάτων 1
Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων Περιγραφή Προβλημάτων Αλγόριθμοι αναζήτησης Αλγόριθμοι τυφλής αναζήτησης Αναζήτηση πρώτα σε βάθος Αναζήτηση πρώτα σε πλάτος (ΒFS) Αλγόριθμοι ευρετικής αναζήτησης
Διαβάστε περισσότεραΠαραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα To Πρόβλημα Μεταφοράς
Διαβάστε περισσότεραΤεχνολογία Λογισµικού Ι Κεφάλαιο 6
ΕΛΛΗΝΙΚΟ ΑΝΟΙΧΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραµµα σπουδών "ΠΛΗΡΟΦΟΡΙΚΗ" - Θ.Ε. ΠΛΗ11 Τεχνολογία Λογισµικού Ι Κεφάλαιο 6 Βασίλειος Βεσκούκης ιδάκτωρ Ηλεκτρολόγος Μηχανικός και Μηχανικός Υπολογιστών v.vescoukis@cs.ntua.gr
Διαβάστε περισσότεραΕπίλυση Προβλημάτων 1
Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων Περιγραφή Προβλημάτων Αλγόριθμοι αναζήτησης Αλγόριθμοι τυφλής αναζήτησης Αναζήτηση πρώτα σε βάθος Αναζήτηση πρώτα σε πλάτος (ΒFS) Αλγόριθμοι ευρετικής αναζήτησης
Διαβάστε περισσότερα