مشخصات این فایل
عنوان: هوش مصنوعی و سیستم خبره
فرمت فایل :پاورپوینت (قابل ویرایش)
تعداد اسلایدها : 277
این مقاله در مورد هوش مصنوعی و سیستم خبره می باشد.
بخشی از تیترها به همراه مختصری از توضیحات هر تیتر از پاورپوینت هوش مصنوعی و سیستم خبره
تاریخچه هوش مصنوعی
1943، مک کولوچ و والتر پیتز: ارایه مدل نرون مصنوعی بیتی( دو حالته) قابل یادگیری به منظور محاسبه هر تابع قابل محاسبه.
1950، آلن تورینگ اولین بار دید کاملی از هوش مصنوعی را تحت عنوان “ محاسبات ماشینی و هوشمند” ارایه نمود.
1951، هینسکی و ادموندز اولین کامپیوتر شبکه عصبی را طراحی کردند.
1952، آرتور سامویل: برنامه ای ساخت که یاد میگرفت بهتر از نویسنده اش بازی کند؛ در نتیجه این تصور را که “کامپیوتر فقط کاری را انجام میدهد که به آن گفته شود” نقض کرد.
1956،نشست کارگروهی دورتموند: انتخاب نام هوش مصنوعی
1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضایا را با اصل موضوعات مشخص ثابت می کرد.
1958، جان مک کارتی: تعریف زبان لیسپ که بهترین زبان هوش مصنوعی شد.
1958-1973، جیمز اسلاگل: برنامه حل مسایل انتگرالگیری فرم بسته
تام ایوانز: برنامه حل مشابهت های هندسی
دانیل بابروز: برنامه حل مسایل جبری
دیوید هافمن: پروژه محدوده بینایی روبات در جهان بلوکها
دیوید والتز: سیستم بینایی و انتشار محدود
پاتریک ونیستون: نظریه یادگیری
...(ادامه دارد)
عاملهای حل مسئله
چهار گام اساسی برای حل مسائل
فرموله کردن هدف: وضعیتهای مطلوب نهایی کدامند؟
فرموله کردن مسئله: چه فعالیتها و وضعیتهایی برای رسیدن به هدف موجود است؟
جستجو: انتخاب بهترین دنباله از فعالیتهایی که منجر به حالاتی با مقدار شناخته شده میشود.
اجرا: وقتی دنباله فعالیت مطلوب پیدا شد، فعالیتهای پیشنهادی آن میتواند اجرا شود.
مثال: نقشه رومانی
صورت مسأله: رفتن از آراد به بخارست
فرموله کردن هدف: رسیدن به بخارست
فرموله کردن مسئله:
وضعیتها: شهرهای مختلف
فعالیتها: حرکت بین شهرها
جستجو: دنباله ای از شهرها مثل:آراد، سیبیو، فاگارس، بخارست این جستجو با توجه به کم هزینه ترین مسیر انتخاب میشود
...(ادامه دارد)
ارضای محدودیت (CSP) چیست؟
مجموعه متناهی از متغیرها؛ X1, X2, …, Xn
مجموعه متناهی از محدودیتها؛ C1, C2, …, Cm
دامنه های ناتهی برای هر یک از متغیرها؛DX1,DX2,…,DXn
هر محدودیت Ci زیرمجموعه ای از متغیرها و ترکیبهای ممکنی از مقادیر برای آن زیرمجموعه ها
هر حالت با انتساب مقادیری به چند یا تمام متغیرها تعریف میشود
انتسابی که هیچ محدودیتی را نقض نکند، انتساب سازگار نام دارد
انتساب کامل آن است که هر متغیری در آن باشد
راه حل CSP یک انتساب کامل است اگر تمام محدودیتها را برآورده کند
بعضی از CSPها به راه حلهایی نیاز دارند که تابع هدف را بیشینه کنند
سازگاری K
سازگاری یال تمام ناسازگاریهای ممکن را مشخص نمیکند
با روش سازگاریK، شکلهای قویتری از پخش را میتوان تعریف کرد
در صورتی CSP سازگاریK است، که برای هر k-1 متغیر و برای هر انتساب سازگار با آن متغیرها، یک مقدار سازگار، همیشه بتواند به متغیر kام نسبت داده شود.
بطور مثال:
سازگاری1: هر متغیر با خودش سازگار است(سازگاری گره)
سازگاری2: مشابه سازگاری یال
سازگاریk: بسط هر جفت از متغیرهای همجوار به سومین متغیر همسایه(سازگاری مسیر)
گراف در صورتی قویا سازگارK است که:
سازگارk باشد
همچنین سازگارk-1 و سازگارk-2 و... سازگار 1 باشد
در این صورت، مسئله را بدون عقبگرد میتوان حل کرد
پیچیدگی زمانی آن O(nd) است...(ادامه دارد)
ادعاها و تقاضاها
جملات از طریق TELL به پایگاه دانش اضافه میشوند
این جملات را ادعا گویند
TELL (KB , King(John))
TELL (KB , "x King(x) => Person(x))
با استفاده از ASK تقاضاهایی را از پلیگاه دانش انجام میدهیم
این پرسشها، تقاضا یا هدف نام دارد
ASK (KB , Person(John))
ASK(KB , $x Person(x))
لیست جانشینی یا انقیاد
لیستی از جانشینیها در صورت وجود بیش از یک پاسخ...(ادامه دارد)
دانلود پاورپوینت هوش مصنوعی و سیستم خبره
