Giao trinh mon tri tue nhan tao

286 1.2K 0
Giao trinh mon tri tue nhan tao

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Những năm gần đây chúng ta thường nghe nói nhiều về máy tính thế hệ 5, hệ chuyên gia, lập trình Prolog, logic mờ, mạng nơron nhân tạo, giải thuật di truyền,…Đây là một số thuật ngữ trong một ngành mới của khoa học máy tính: Trí tuệ nhân tạo (TTNT). Để hình dung TTNT giải quyết những vấn đề gì, chúng ta hãy xem những ứng dụng với những đòi hỏi cụ thể của nó.

TRÍ TUỆ NHÂN TẠO Artificial Intelligence Nội dung chương trình Thời gian: 45 tiết Nội dung: phần Phần 1: Giải vấn đề tìm kiếm Phần 2: Biểu diễn tri thức lập luận Phần 3: Logic mờ Lập luận xấp xỉ Các chương 1-7,11 TLTKhảo [1] Tài liệu tham khảo [1] Trí tuệ nhân tạo – Đinh Mạnh Tường [2] Trí tuệ nhân tạo – George F Luger [3] Trí tuệ nhân tạo – Nguyễn Thanh Thủy [4] Giáo trình nhập mơn Trí tuệ nhân tạo – Hoàng Kiếm [5] Artificial Intelligence, A Modern Approach - Stuart J Russell CHƯƠNG GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO I-Một số ứng dụng trí tuệ nhân tạo Những năm gần thường nghe nói nhiều máy tính hệ 5, hệ chuyên gia, lập trình Prolog, logic mờ, mạng nơron nhân tạo, giải thuật di truyền,… Đây số thuật ngữ ngành khoa học máy tính: Trí tuệ nhân tạo (TTNT) Để hình dung TTNT giải vấn đề gì, xem ứng dụng với đòi hỏi cụ thể Trò chơi: Cờ carơ, cờ vua, ô số,… Mỗi bước bàn cờ định số nhiều khả lựa chọn Tất khả sinh không gian lớn phức tạp Sẽ khó khăn sòng phẳng xét hết tất khả Khó khăn Vì lý thời gian, người đánh cờ cảm nhận khả tốt lựa chọn Một chương trình thơng minh phải có khả Chiến lược lựa chọn mang tính cảm nhận có sở gọi heuristic, khơng chắn mang lại kết nhiều khả mang đến thành cơng, nhiên hàm chứa rủi ro dẫn đến thất bại Chương trình Samuel Năm 1953, Samuel viết chương trình chơi cờ gây ấn tượng lớn cơng chiếu tivi Chương trình có khả học huấn luyện có khả chơi hay người viết Chương trình đánh cờ cho máy tính Deep-Blue (1997) ứng dụng TTNT vào trò chơi Hệ chuyên gia Một chuyên gia phải có nhiều tri thức chun mơn kỹ sử dụng tri thức để giải vấn đề Một hệ chương trình thay cho chuyên gia gọi hệ chuyên gia Nó bao gồm sở tri thức quy tắc suy luận Hệ chuyên gia ứng dụng rộng rãi lĩnh vực y tế, giáo dục, thiết kế, kinh doanh, khoa học,… Những hệ chuyên gia tiếng DENDRAL (Stanford, 1960) dùng để đoán cấu trúc phân tử hữu từ cơng thức hóa học chúng MYCIN (Stanford, 1970) chẩn đoán kê đơn điều trị cho bệnh viêm màng não nhiễm trùng máu PROSPECTOR (MIT, 1979) xác định vị trí, loại quặng mỏ dựa thông tin địa lý 10 Khái niệm Điều chỉnh tự động van cho nước bình Dựa theo số nguyên tắc gọi luật: Nếu mực nước thấp mở van lớn Nếu mực trung bình mở van trung bình Nếu mực nước cao mở van nhỏ Nếu mực nước cao mở van nhỏ 272 Hệ điều khiển mờ Tự động điều khiển theo luật mờ: HĐK mờ Đặc trưng: Nguyên tắc đk: luật (kinh nghiệm) Khơng cần mơ hình tóan học xác Mực nước: đầu vào Van: đầu 273 Tóm lại Bộ ĐK mờ: tự động hóa dựa kinh nghiệm người Hệ mờ hệ dựa tri thức Ứng dụng thành công nhiều lĩnh vực: hệ chuyên gia y học, quản lý, hệ điều khiển 274 Cấu trúc hệ mờ CS luật x Mờ hóa A’ Bộ suy diễn B’ Khử mờ y 275 Phân loại SISO đầu vào - đầu MISO nhiều đầu vào - đầu MIMO nhiều đầu vào nhiều đầu Chỉ cần quan tâm đến dạng MISO? 276 Xây dựng suy diễn từ CS luật Luật thứ k CS luật có dạng: if x1 is Ak1, ,xn is Akn then Y is Bk Chuyển thành dạng if x is Ak then Y is Bk Ở đây, x=(x1, ,xn); Ak=Ak1 x xAkn, tính tốn cụ thể theo tnorm Mỗi luật xác đinh Rk theo Denies-Rescher, Zadeh, Mamdani, 277 a Kết hợp trước suy diễn sau Kết hợp Rk thành R (có thể phụ thuộc độc lập) Tính B’=A’ o R 278 b Suy diễn trước, kết hợp sau Mỗi luật k: if x is Ak then Y is Bk, Tính B’k= A’ o Rk Kết hợp B’k thu B’ 279 Nhận xét Có nhiều kết thu tính B’: ◦ Chọn pp1 hay pp2 ◦ Chọn cách tính R ◦ Chọn t-norm, s-norm Tiêu chuẩn chung phù hợp với mong muốn chủ quan chuyên gia 280 Mờ hóa (fuzzification) Biến đổi giá trị đầu vào x thuộc U thành tập mờ A’ U Nguyên tắc: ◦ x phụ thuộc cao vào A’ ◦ Hiệu tính tốn 281 Các cách mờ hóa Mờ hóa đơn thể Mờ hóa Gauss A’(x)=exp(-((u-x)/a)^2), a>0 Mờ hóa tam giác 282 Khử mờ (defuzzification) Biến đổi tập mờ B’ thành số y thuộc V đại diện cho B’ Nguyên tắc ◦ B’(y) lớn ◦ Hiệu tính tốn ◦ Liên tục: B’ thay đổi y thay đổi 283 Các cách khử mờ Khử mờ lấy max Khử mờ lấy trọng tâm 284 Kết luận Hệ mờ hệ tính xấp xỉ vạn năng: ◦ Sử dụng tri thức chuyên gia dạng ngôn ngữ ◦ Hợp lý đầu vào khơng xác Về lý thuyết: 285 Định lý (Wang) Giả sử f: U→V, U phận R^n, V phận R Nếu f liên tục tập compac U ln ln tồn hệ mờ F Sao cho với e>0: sup|F(x)-f(x)|

Ngày đăng: 16/03/2018, 10:33

Từ khóa liên quan

Mục lục

  • TRÍ TUỆ NHÂN TẠO Artificial Intelligence

  • Nội dung chương trình

  • Tài liệu tham khảo

  • CHƯƠNG 0. GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO

  • I-Một số ứng dụng của trí tuệ nhân tạo

  • Trò chơi:

  • Khó khăn

  • Chương trình của Samuel

  • Hệ chuyên gia

  • Những hệ chuyên gia nổi tiếng

  • Slide 11

  • Lập kế hoạch và robot

  • Slide 13

  • Điều khiển mờ

  • PowerPoint Presentation

  • Slide 16

  • Slide 17

  • Hiểu và mô hình hóa ngữ nghĩa NNTN

  • Slide 19

  • II. Khái niệm về trí tuệ nhân tạo

  • Slide 21

  • Slide 22

  • Khác với các ngành khác

  • Định nghĩa

  • Phân tích định nghĩa – 2 quan điểm

  • Trắc nghiệm Turing

  • Tác nhân thông minh

  • Một tác nhân thông minh:

  • III- Những đặc điểm của công nghệ xử lý thông tin dựa trên TTNT

  • Slide 30

  • Slide 31

  • Slide 32

  • Chương 1. CÁC CHIẾN LƯỢC TÌM KIẾM MÙ

  • I. Biểu diễn vấn đề trong KG trạng thái.

  • Ví dụ (trò chơi 8 số)

  • Các thành phần của KGTT

  • Slide 37

  • Slide 38

  • Biểu diễn KGTT

  • Biểu diễn bằng cây

  • Chiến lược tìm kiếm?

  • Đánh giá một chiến lược?

  • Thông tin mỗi nút?

  • II. Các chiến lược tìm kiếm mù

  • Tìm kiếm mù?

  • 1. Tìm kiếm theo chiều rộng (BFS)

  • Ví dụ

  • Thuật toán BFS

  • Nhận xét

  • Đánh giá

  • Slide 51

  • 2. Tìm kiếm theo chiều sâu (DFS)

  • Thuật toán DFS

  • Slide 54

  • Hạn chế

  • 3. Tìm kiếm với độ sâu hạn chế

  • Slide 57

  • Thuật toán

  • Slide 59

  • Khó khăn d?

  • 4. Tìm kiếm sâu dần

  • Slide 62

  • Slide 63

  • Slide 64

  • Chương 2. CÁC CHIẾN LƯỢC TÌM KIẾM KINH NGHIỆM

  • Nguyên nhân

  • 1. Hàm đánh giá

  • Khái niệm về hàm đánh giá

  • Slide 69

  • Hình thức hóa

  • Tính h(D), h(E)

  • Nhiều cách XD hàm h

  • Các bước

  • II. Các chiến lược tìm kiếm kinh nghiệm.

  • a) Tìm kiếm leo đồi – Hill Climbing Search (Pearl, 1984)

  • Thuật toán HCS

  • Slide 77

  • Hoạt động của thuật toán…

  • Nhanh, có thể thất bại

  • Tìm kiếm ưu tiên tốt nhất – Best First Search (Best-FS)

  • Slide 81

  • Slide 82

  • Thuật toán Best_FS

  • Phương án lưu nghiệm

  • Chương 3. CÁC CHIẾN LƯỢC TÌM KIẾM TỐI ƯU

  • Lý do

  • Slide 87

  • 1. Hàm đánh giá cải tiến.

  • Slide 89

  • Giải thuật A*

  • Slide 91

  • Mô tả hoạt động của A*

  • Lưu các trạng thái

  • Chi tiết các bước

  • Slide 95

  • Chú ý

  • Slide 97

  • Slide 98

  • Slide 99

  • Slide 100

  • Slide 101

  • Slide 102

  • Bài tập: Tìm đường đi nn từ A tới Z

  • Bài tập

  • Kết quả.

  • Chương 4. CÁC CHIẾN LƯỢC TÌM KIẾM CÓ ĐỐI THỦ

  • I.Trò chơi và tìm kiếm trên cây trò chơi

  • II.Thủ tục Minimax cơ bản

  • Ví dụ: trò chơi Nim

  • Phân tích

  • KGTT trò chơi Nim n=7

  • Slide 112

  • Gán trị cho các nút

  • Gán trị thế nào?

  • Trường hợp u thuộc lớp MAX:

  • Trường hợp u thuộc lớp MIN

  • Thủ tục chọn nước đi cho MAX

  • Slide 118

  • III. Minimax với độ sâu hạn chế

  • Ví dụ: hạn chế độ sâu d=3

  • Độ sâu d, u thuộc lớp MAX

  • Slide 122

  • Slide 123

  • Định giá nút lá thế nào?

  • Ví dụ: cờ vua

  • Chương trình chơi cờ của Samuel

  • Trò chơi Dodgem

  • Luật chơi

  • KGTT

  • Định giá cho nút ở độ sâu d?

  • Chính xác hơn?

  • Số quân?

  • IV. Thủ tục cắt nhánh alpha-beta

  • Thủ tục anpha-beta

  • Slide 135

  • Cơ sở của thủ tục

  • Cụ thể

  • Định giá cho nút u lớp Max

  • Định giá cho nút u - lớp Min

  • Thủ tục hướng dẫn nước đi cho Max

  • Phần 2. BIỂU DIỄN TRI THỨC VÀ LẬP LUẬN

  • Khái niệm về biểu diễn và xử lý tri thức

  • Tri thức là gì?

  • Phân loại

  • Nhu cầu xử lý tri thức?

  • Ví dụ về một hệ tri thức

  • Slide 147

  • Kinh nghiệm gì?

  • Biểu diễn kinh nghiệm bằng luật

  • Slide 150

  • Ví dụ: Vx=3, Vy=4, z=2

  • Tóm lại

  • Biểu diễn tri thức này thế nào?

  • Chương 5. Logic mệnh đề

  • NN biểu diễn TT

  • Các thành phần

  • Slide 157

  • 1. Cú pháp

  • Quy tắc xây dựng công thức

  • Quy ước

  • 2. Ngữ nghĩa

  • CT thỏa được,…

  • CT hằng đúng

  • 3. Dạng chuẩn tắc

  • CT tương đương

  • Slide 166

  • Slide 167

  • 4. Câu Horn

  • Biểu diễn luật, sự kiện

  • 5. Luật suy diễn

  • Một số luật suy diễn quan trọng

  • Slide 172

  • Luật suy diễn đúng đắn?

  • Tiên đề, định lý, chứng minh?

  • Ví dụ về chứng minh

  • Luật suy diễn đầy đủ?

  • Chứng minh bác bỏ (phản chứng)

  • Luật phân giải, CM bằng luật phân giải

  • Giải thức của một tập công thức

  • Định lý phân giải

  • Thủ tục phân giải

  • Nhận xét.

  • Thủ tục cm G→H

  • Slide 184

  • Slide 185

  • Chuơng 6. LOGIC VỊ TỪ

  • Slide 187

  • Slide 188

  • 1 Cú pháp.

  • Hạng thức

  • Công thức phân tử - câu đơn.

  • Công thức

  • Slide 193

  • Ngữ nghĩa câu đơn

  • Ngữ nghĩa của lượng từ

  • Ngữ nghĩa câu phức (công thức)

  • Slide 197

  • 3. Công thức tương đương

  • 4. Dạng chuẩn tắc

  • Slide 200

  • VD. Biểu diễn CS tri thức sau

  • 5. Các luật suy diễn

  • Phép thế

  • Hợp nhất

  • Luật MP tổng quát

  • Slide 206

  • Luật phân giải tổng quát

  • 6. Chứng minh bằng luật phân giải

  • Thủ tục chứng minh bác bỏ

  • Slide 210

  • Thành lập các vị từ, các câu

  • Chương 7. BIỂU DIỄN TRI THỨC BẰNG LUẬT VÀ LẬP LUẬN

  • Lý do chỉ dùng câu Horn

  • 1. Biểu diễn tri thức bằng luật

  • Ví dụ 2

  • Đặc trưng

  • 2. Suy diễn tiến

  • VD

  • Thủ tục suy diễn tiến

  • Slide 220

  • 3. Suy diễn lùi

  • Slide 222

  • Thủ tục

  • Slide 224

  • Slide 225

  • 4. Ứng dụng

  • a. Hệ chuyên gia

  • b. Lập trình Prolog

  • Cú pháp

  • Cú pháp…

  • Sử dụng Prolog

  • Chạy chương trình

  • Slide 233

  • Một số hằng, vị từ đặc biệt

  • Một số chương trình

  • Prolog - một phong cách LTrình khác!

  • Phần 3. LOGIC MỜ VÀ LẬP LUẬN XẤP XỈ

  • Chương 8. TẬP MỜ

  • Slide 239

  • Slide 240

  • 1. Định nghĩa tập mờ

  • Slide 242

  • Slide 243

  • Ví dụ xác định hàm thành viên

  • 2. Các khái niệm cơ bản

  • 3. Các phép toán trên tập mờ

  • Phép toán....

  • 4. Mở rộng các phép toán

  • S-norm (t-conorm)

  • Bù mờ

  • 5. Quan hệ mờ

  • Hợp thành các quan hệ mờ

  • Chương 9. LOGIC MỜ

  • 1. Biến ngôn ngữ

  • 2. Mệnh đề mờ

  • 3. Hợp thành các mệnh đề mờ

  • Mệnh đề kéo theo mờ

  • Slide 258

  • Phép kéo theo Zadeh

  • Slide 260

  • Phép kéo theo Mamdani

  • Mamdani tích

  • Slide 263

  • 4. Qui tắc MP trong LG mờ

  • A(x)B(y) là quan hệ R(x,y)

  • Mở rộng A’(x)

  • Xác định B’(y)

  • Slide 268

  • Slide 269

  • ?

  • Chương 10. HỆ MỜ

  • 1. Khái niệm

  • Hệ điều khiển mờ

  • Slide 274

  • 2. Cấu trúc của một hệ mờ

  • 3. Phân loại

  • 4. Xây dựng bộ suy diễn từ CS luật

  • a. Kết hợp trước suy diễn sau

  • b. Suy diễn trước, kết hợp sau

  • Slide 280

  • 5. Mờ hóa (fuzzification)

  • Các cách mờ hóa

  • 6. Khử mờ (defuzzification)

  • Các cách khử mờ

  • Kết luận

  • Định lý (Wang)

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan