Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja | ||
|
pl:dydaktyka:krr:start [2016/02/17 12:19] msl |
pl:dydaktyka:krr:start [2019/06/27 15:50] (aktualna) |
||
|---|---|---|---|
| Linia 1: | Linia 1: | ||
| - | ====== Knowledge Representation and Reasoning 2014 ====== | + | ====== Knowledge Representation and Reasoning 2017 ====== |
| + | |||
| + | Wykłady z KRR w roku 2017 prowadzone są w oparciu o materiał kursu w języku angielskim. | ||
| + | |||
| + | [[http://ai.ia.agh.edu.pl/wiki/en:dydaktyka:krr:start|Plan wykładów 2017]] | ||
| + | |||
| + | Wskazane poniżej materiały są aktualne. Nowe materiały pomocnicze będą uzupełniane na stronie j.w. | ||
| + | ==== Wykłady_KRR:2016 ==== | ||
| + | |||
| + | - **Wprowadzenie do zagadnień reprezentacji i przetwarzania wiedzy. Grafy i drzewa. Systemy statyczne i dynamiczne; przestrzeń stanów. Poszukiwanie ścieżek w grafie (przykład 25 ścieżek).** [23.02.2016] | ||
| + | - **Przeszukiwanie grafów. Graph Search vs. Tree Search. Backtracking Search. Implementacja w Prologu i w Pythonie.** [23.02.2016] | ||
| + | - **Algorytmy BFS i DFS. Algorytm Dijkstry. [[http://edu.i-lo.tarnow.pl/inf/alg/001_search/0122.php|Grafy: reprezentacja, BFS, DFS, algorytm Dijkstry]] Algorytmy szukania (blind). [[http://artint.info/html/ArtInt_46.html|Problem Solving as Search]]** [1.03.2016] | ||
| + | - **Metody szukania heurystycznego. Algorytm A*. Algorytmy inspirowane biologicznie. Przeszukiwanie wiązką.** [8.03.2016] | ||
| + | - **Wprowadzenie do programowania z ograniczeniami. Backtracking Search in Prolog. Przykłady problemów i rozwiązań. Biblioteka clp(fd).** [15.03.2016] | ||
| + | -**Programowanie z ograniczeniami. Biblioteka clp(fd) - przykłady zastosowań. Problemy rozwiązywania CP. Propagacja ograniczeń. Dekompozycja i porządkowanie ograniczeń. Przykład: SEND+MORE=MONEY (best solution)** [22.03.2016] | ||
| + | - Święta Wielkanocne [29.03.2016] | ||
| + | - **Programowanie z ograniczeniami. Wybrane metody propagacji ograniczeń. Przykład problemu harmonogramowania produkcji.** [5.04.2016] | ||
| + | - **Constraint Programming: Shift-Work Scheduling (NRP). Systemy regułowe - wprowadzenie.** [12.04.2016: ALi] | ||
| + | - **Systemy regułowe. Reprezentacja wiedzy, wnioskowanie, sterowanie wnioskowaniem. Wybrane narzędzia.** [19.04.2016] | ||
| + | - **Systemy regułowe. Synteza i analiza. Narzędzia i przykłady.** [10.05.2016] | ||
| + | - **Przykłady systemów regułowych. Automatyczne planowanie. Zbiory rozmyte. ** [17.05.2016] | ||
| + | - Zbiory, relacje i systemy rozmyte. Rozmyte systemy regułowe. Logika rozmyta. Diagnostyka systemów. Wnioskowanie abdukcyjne i wnioskowanie na bazie niespójności. [24.05.2016] | ||
| + | - Egzamin zerowy testowy. [31.05.2016] | ||
| + | - Answer Set Programming (ASP). | ||
| + | - Metody optymalizacji w obszarze AI. Metaheurystki. | ||
| + | - Metody reprezentacji i przetwarzania wiedzy. | ||
| + | |||
| + | |||
| + | |||
| + | ---- | ||
| + | |||
| + | |||
| + | ==== Laboratoria ==== | ||
| + | |||
| + | |||
| + | == Problemy satysfakcji ograniczeń i optymalizacji dyskretnej == | ||
| + | |||
| + | Poniższe laboratoria będą poświęcone reprezentacji problemów z rodziny satysfakcji ograniczeń i optymalizacji dyskretnej przy użyciu metod programowania z ograniczeniami. Po ich ukończeniu student powinien nabyć zdolności do modelowania problemów poprzez identyfikację występujących w nich zmiennych oraz stałych wraz z dotyczącymi ich ograniczeniami. Poruszona również zostanie kwestia skutecznego przeszukiwania przestrzeni stanów. | ||
| + | |||
| + | - [[pl:dydaktyka:csp:intro|Wprowadzenie do problematyki i programowania z ograniczeniami]], 24.02.2016 | ||
| + | - [[pl:dydaktyka:csp:lab1|Flagowe problemy programowania z ograniczeniami]], 02-03-2016 | ||
| + | - [[pl:dydaktyka:csp:lab2|Podstawowe techniki modelowania w programowaniu z ograniczeniami]], 09-03-2015 | ||
| + | - [[pl:dydaktyka:csp:lab3|Rozwiązywania praktycznych problemów optymalizacyjnych]], 16-03-2016 | ||
| + | - Dalszy ciąg [[pl:dydaktyka:csp:lab3|Rozwiązywania praktycznych problemów optymalizacyjnych]], 23-03-2016 | ||
| + | - Kolokwium, 06-04-2016 | ||
| + | |||
| + | **Problemy planowania i gry** | ||
| + | |||
| + | Dział będzie dotyczył problemów planowania, zarówno w kontekście ogólnym jak też szczególnego przypadku gier z wieloma graczami. W trakcie laboratoriów student nabędzie umiejętności definiowania problemów planowania przy użyciu standardu PDDL oraz zapozna się z deklaratywnym opisem gier wraz z podstawowymi algorytmami służącymi do automatycznego grania. | ||
| + | |||
| + | - [[pl:dydaktyka:planning:intro|Wprowadzenie do problematyki automatycznego planowania]], 06-04-2016 | ||
| + | - [[pl:dydaktyka:planning:pddl|Modelowanie problemów planowania w języku PDDL]], 13-04-2016 | ||
| + | - [[pl:dydaktyka:planning:pddl_2|Rozszerzenie problemów PDDL o fluenty]], 20-04-2016 | ||
| + | - [[pl:dydaktyka:ggp:gdl|Regułowa reprezentacja gier w języku GDL]], 27-04-2016 | ||
| + | - [[pl:dydaktyka:ggp:game_tree|Drzewo gry - algorytm MiniMax z cięciami Alpha-Beta]], 11-05-2016 | ||
| + | - [[pl:dydaktyka:ggp:mcts|Drzewo gry - Monte Carlo Tree Search]], 18-05-2016 | ||
| + | - Kolokwium, 25-05-2016 | ||
| + | |||
| + | **Logiczna reprezentacja wiedzy i wnioskowanie** | ||
| + | |||
| + | Poniższy dział będzie dotyczył modelowania wiedzy przy zastosowaniu logik deskrypcyjnych. Poruszona zostanie kwestia zapisu wiedzy w postaci zdań logicznych oraz sposoby wnioskowania z danego zbioru zdań. | ||
| + | |||
| + | - [[pl:dydaktyka:krr:lab_dl|(dość formalny) wstęp do logik deskrypcyjnych]], 01-06-2016 | ||
| + | - [[pl:dydaktyka:krr:lab_dl_reasoning|Wnioskowanie w logikach deskrypcyjnych]], 08-06.2016 | ||
| + | ====== KRR: lata 2013-2015 ====== | ||
| ===== Cele kursu ===== | ===== Cele kursu ===== | ||
