پروژه پاورپوینت موضوع هوش مصنوعی رهیافتی نوین

فهرست بخشی از مطالب:

• عدم قطعيت
• توابع کشف‌کننده
• مسيريابي
• A
• استنتاج در کامپيوترها
• ايجاد منبع دانش
• يک عملگر
• دومين ايده کليدي در وراي برنامه‌ريزي
• SMA* داراي خواص زير است
• کامل بودن Completeness
• برخورد با دانش غيرقطعي
• فصل نهم
• Goal State
• ايستا در مقابل پويا

  محيط پويا

• سور عمومي
• Resolution تعميم يافته (ترکيبات شرطي)
• قوانين استنتاج براي منطق گزاره‌اي
• نام كتاب
• به سوي يک عامل هدفدار
• مدل اکتشافي
• اولين ايده کليدي در وراي برنامه‌ريزي
• حوادث اخير
• براي تعريف يک مسئله موارد زير نياز داريم
• انواع علائم
• FORTY
  + TEN
  + TEN
  ———-
  SIXTY
• مسئله کشيش‌ها و آدمخوارها
• – مدل چند حالته
• مي‌خواهيم که از تبديل جايگزيني‌هاي مشابه اجتناب کنيم
• Resolution
• ارتباط بين عامل و محيط
• چهار نوع اساسي از مسائل وجود دارند
• مدل‌ها Models
• دو نوع اصلي از قوانين همزمان وجود دارند
• الگوريتم زنجيره‌سازي به جلو
• کامپيوتر‌ها از دور نقطه ضعف رنج مي‌برند
• ما روي دو نوع منطق تمرکز خواهيم کرد
• پيچيدگي
• طراحي براي يک عامل تصميم‌گيري نظري
• .
• جستجوي سطحي
• محاسبه موقعيت
• مسائل دنياي واقعي
• معاني
• تبديل به فرم نرمال
• دنباله ادراکي
• استنتاج خواص پنهاني دنيا
• عدم قطعيت و تصميمات عقلاني
• عامل مبتني بر دانش به موارد زير نياز دارد
• فصل دوم
• – مدل احتمالي
• زنجيره‌سازي به عقب (Backward Chaining)
• منطق شامل موارد زير مي‌شود
• بازنمايي عمليات
• بازنمايي، استدلال و منطق
• فصل هفتم
• percepts
• تست تورينگ
• عبارات تابعي و گزاره‌اي با استفاده از عملگر λ
• حل مسائل توسط جستجو
• توليد دنباله‌هاي عمل
• منطق مرتبه اول
• فصل هشتم
• مقايسه استراتژي‌هاي جستجو
• مسئله افقي (horizonproblem)
• اجزايي که در اين منطق وجود دارند
• بازنمايي تغيير در دنيا
• عامل‌هاي سودمند
• سيمبولهاي گزاره (Predicate Symbols)
• برنامه‌ريزي
• فاز اجرايي
• ارزيابي موقعيت در بازي‌ها با گره‌هاي شانس
• طرح VISI
• اجتناب از حالات تکراري
• مزاياي مطالعه AI به‌عنوان طراحي عامل منطقي
• سودمندي
• عامل‌هاييکه به طور منطقي استدلال مي‌‌کنند
• احتمالات
• ارائه انساني
• iE
• فرم Canonical
• Resolution‌تعميم يافته (ترکيبات فصلي)
• جستجوي دوطرفه
• قانون استنتاج resolution
• استراتژي جستجو
• کشف‌کنندگي قابل قبول
• فصل پنجم
• مسائل و راه‌حل‌هاي خوب تعريف شده

  مسئله

• يکسان‌سازي (Unificaiton)
• مربع مستطيل
• اين سياست ساده، سه زيان عمده دارد
• سور وجودي (Existential)
• انسان گونه عمل کردن
• سيستم‌هاي مبتني بر دانش
• مدل‌هاي مختلف براي مسئله جاروبرقي
• قطع جستجو
• agent
• جان مک کارتي در MIT
• تفاوت ميان منطقي بودن و دانش کل (omniscience)
• E
• عامل
• بازنمايي اهداف
• عامل‌هاي هوشمند
• مينسکي
• effectors
• روش‌هاي جستجو آگاهانه
• Artificial Intelligence
• خودمختاري
• مسئله چند حالته
• يک عامل ساده برنامه‌ريزي
• عامل‌ها چگونه بايد عمل کنند؟

  عامل منطقي

• مزايا
• مثال
• اين جمله نيست، اما يک قانون استنتاج است.
• منطق گزاره‌اي
• تفاوت عامل‌هاي واکنشي و هدف‌گرا
• TELL
• معايب
• کليد استنتاج صحيح
• زنجيره‌سازي به جلو و عقب (Forward AND Backward Chaining)
• مسئله کيفيت
• ايده‌آل هوشمندي
• environment
• بازگشت شبکه‌هاي عصبي
• پردازش‌هاي فکري و استدلالي
• پايگاه دانش
• دو مشکل عمده در اين رسم منطق‌گرايي وجود دارد
• جستجو
• جستجوي عمقي
• Unit preference
• محدوديت‌هاي عامل‌هاي واکنشي ساده
• حالات
• تصميمات کامل در بازي‌هاي دونفره
• انتزاع
• ويژگي‌هاي جستجوي حريصانه
• ASK
• Modus Ponens تعميم يافته
• عوامل انساني
  حس کردن
• حداقل‌سازي مجموع هزينه مسير
• مسائل فروشنده دوره گرد و تور
• يک فرمول ساده
• اگر
• شرايط کنوني
• سومين ايده کليدي در وراي برنامه‌ريزي
• الگوريتم زنجيره‌سازي به عقب
• فصل دهم
• جستجوي عميق‌کننده تکراري
• اولويت بين عمليات
• عامل‌هاي مبتني بر دانش قادرند که
• دنياي WUMPUS
• گسسته در مقابل پيوسته

  محيط گسسته

• برنامه‌هاي عامل
• فلسفه
• جستجوي SMA*
• منطق
• ?
• هدايت ربات
• تئوري بازي
• جستجوي ارضاء محدوديت (Constraint Satisfaction Problem)
• سورها (Quantifires)
• نحو و معاني
• جملات اتمي (Atomic sentences)
• عملگر يکتايي
• سه قانون استنتاجي جديد
• اثر صحت کشف‌کنندگي بر کارايي
• بازنمايي
• دياگرام شماتيک از عامل ساده واکنشي
• اندازه‌گيري کارايي حل مسئله
• توسعه‌ها و تمايزات نگارشي
• اعتبار و استنتاج
• درخت جستجوي آلفا-بتا
• ترم‌ها (Terms)
• قطعي در مقابل غير قطعي

  محيط قطعي

• از حل مسئله به برنامه‌ريزي
• ساختارهاي داده براي درخت‌هاي جستجو
• تفاوت بين حقايق و بازنمايي‌هاي آنها
• ديويد هيلبرت
• اين جستجوي فوق العاده جستجوي خاموش ناميده مي‌شود.
• h*(n)
• مثال‌هايي از انواع محيط و ويژگي‌هاي آنها
• Start State
• خط توليد خودکار
• ما به جمله‌اي مي‌رسيم که برابر است با
• تعريف دقيق هر عنصر به صورت زير است
• حالت‌ها
• ثبت عمليات رويه استنتاج صحيح، اثبات (Proof) ناميده مي‌شود.
• دنياي مکش
• Heath Robinson
• استفاده از منطق مرتبه اول
• يکنوايي
• AI
• جستجو براي راه‌حل
• استلزام
• زبان‌هاي طبيعي بيش‌تر محتاج محاوره بر خلاف بازنمايي هستند.
• سور يکتايي
• actions
• حداقل هزينه تخمين زده شده براي رسيدن به هدف
• تساوي (Equality)
• مزايا و معايب زبان طبيعي
• هرس آلفا-بتا
• عامل واکنشي ساده
• عامل‌هاي منطق براي دنياي Wumpus
• برخورد با مسئله تساوي
• sensors
• زيربناي هوش مصنوعي
• MYCIN نسبت به DENDRAL دو تفاوت عمده دارد
• سورهاي لانه‌اي (Nested Quantifiers)
• جستجوي عمقي محدود شده
• جمله
• استنتاج در منطق مرتبه اول
• جملات
• فصل ششم
• قوانين استنتاج مربوط به سورها
• هوش مصنوعي
• بازنمايي حالات
• محاسبات
• تمرکز بر روي پردازش‌هاي رفتاري
• قابل دسترسي در مقابل غيرقابل دسترسي

  محيط قابل دسترسي

• جملات پيچيده
• عامل واکنشي با حالت داخلي
• عامل‌هاي هدف گرا
• دانش و انواع مسئله

  دنياي مکش (جاروبرقي)

• جستجوي بهترين
• تئوري سودمندي
• استراتژي‌هاي Resolution
• کشف‌کننده‌ها براي مسائل ارضا محدوديت
• زبان بازنمايي دانش متوسط دو خاصيت تعريف مي‌شود
• فصل سوم
• رويه‌اي براي تبديل به فرم نرمال
• يک زبان بازنمايي خوب مي‌بايست
• سيستم مقدار عملياتي
• Cryptarithmetic
• معرفي طراحي پايه‌اي براي يک عامل مبتني بر دانش
• جستجوي با هزينه يکسان
• صدق‌پذيري
• منطق مرتبه بالاتر
• بازي‌هايي که شامل عنصر شانس هستند
• استنتاج
• بازنمايي برنامه‌ها
• عناصر اوليه يک حل مسئله مبتني بر جستجو
• مسائل نمونه
• مي‌توان اين قوانين را با استفاده از
• فرم‌هاي Canonical براي resolution
• تابع ارزيابي
• عاملي با اهداف دقيق
• فصل چهارم
• تصميمات ناقص