Cel przedmiotu:
Poznanie przez słuchaczy podstawowych działów sztucznej inteligencji z uwzględnieniem ich zastosowań w automatyce i rozwiązanie wybranego zagadnienia w czasie zajęć projektowych.

Powiązania z innymi przedmiotami (przedmioty poprzedzające):
Elementy matematyki dyskretnej, logiki i rachunku prawdopodobieństwa.

Forma zaliczenia:
Ważona suma oceny za test pisemny z materiału wykładu i oceny za realizacje projektu. Projekty realizowane są w grupach kilkuosobowych.

Treść przedmiotu:
Pojęcia podstawowe. Sztuczna inteligencja: definicje, metody i zastosowania, historia rozwoju, filozofia.

Rozwiązywanie problemów metodami szukania na grafach . Metody szukania: wszerz, w głąb, Dijkstry, heurystyczne, na grafach AND-OR, minimax, alfa-beta.

Logika w sztucznej inteligencji. Metody automatycznego wnioskowania w rachunku predykatów, zasada rezolucji.

Wnioskowanie w warunkach niepewności. Metody rozmyte, sieci probabilistyczne.

Uczenie. Typy uczenia (z nauczycielem. ze wzmocnieniem, samoorganizacja).Struktury uczące się (sztuczne sieci neuronowe, systemy rozmyte, sieci probabilystyczne, drzewa decyzyjne, systemy indywiduowe). Algorytmy uczenia (metody gradientowe, metody bezgradientowe, szukanie przypadkowe, symulowane wyżarzanie, algorytmy ewolucyjne, ID3, różnic czasowych (TD)).

Metody uczenia ze wzmocnieniem w optymalizacji wieloetapowych procesów decyzyjnych.

Literatura :

Mulawka J.J., Systemy ekspertowe, WNT, Warszawa 1996.

Cichosz P., Systemy uczące się, WNT, Warszawa, 2000.

Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe, PWN, Warszawa 1996.

Jędruch W., Sztuczna inteligencja. Materiały do wykładu, 2003.