Přednáška Umělé inteligence II

Přejatá prezentace Úvod do bayesovských sítí
Algoritmy vyhodnocení bayesovské sítě (Eliminace proměnných, použitím stromu spojení, aproximativní algoritmy).
Markovské procesy (filtrování, predikce, vyhlazování, maximálně pravděpodobný průchod stavy).
Rozhodovací stromy, Influenční diagramy, výpočet v OpenOfice nebo v Excelu
Markovské rozhodovací procesy, zpětnovazebné učení
Letmý úvod do strojového učení

Letos neprobíráno:

Prohledávání prostoru verzí
Učení bayesovských sítí
Zpracování obrazu - první zpředu, druhé a třetí od konce slajdy prof. Hlaváče.
analýza scény, zpracování přirozeného jazyka bez slajdů, např. v Russel, Norvig: Artificial Intelligence.
Zpracování řeči

Přednáška Umělé inteligence I


Seznam látky

Slajdy 2005
Stavový prostor, A* algoritmus (stary, ale elvivalentni)
Hry dvou hráčů zkouší se všechna rozšíření alpha-beta algoritmu (o minimaxu apod. ani nemluvě), přehled her a AO* se nezkouší.
Dokazování ve výrokové logice
Dokazování v predikátové logice (1. část)
Obecná rezoluce (dokončení)
Plánování (STRIPS, POP)
Expertní systémy
Fuzzy logika
(Sémantické sítě a rámce, systémy s dědičností, fuzzy logika )
Logika defaultů
Genetické algoritmy, program TSP od K. Boukreev

Strojové učení


Slajdy
Úvodní stránky
Učení založené na instancích
Lineární modely
Rozhodovací stromy
Pravidla
Induktivní logické programování
Ohodnocování modelů
Support vector machine
Kombinace modelů
Učení bez učitele - Nákupní košík (Apriori alg.), klastrování k-means

Bayesovské učení

EM algoritmus

Letos neprobíráno:

Data na Strojové učení.
Logistická regrese
Normální, binomické, Studentovo rozložení

Přednáška se bude zabývat učením modelů z dat. Nejdříve se seznámíme s programem Weka, který umožňuje učení mnoha modelů a má volný zdrojový kód v Javě (1. hodina). Pak se budeme seznamovat s jednotlivými modely (rozhodovacími stromy, množinami pravidel, ILP, pravděpodobnostními modely, asociačními pravidly apod.), jejich učením a ohodnocením.

Seminář z Umělé inteligence I

úterý 10:40 v S4 na Malé Straně


program a nabídka článků




F.V. Jensen, C. Skaaning, U. Kjaerulff: The SACSO System for Troubleshooting of Printing Systems, základ Dezide

Acting Optimally in Partially Observable Stochastic Domains

Deep Blue (šachový program) Petr Zíta
Go M. Mueller: Computer Go, Artificial Intelligence 134 (2002) 145-179
Analýza obrazu R.Ronfard C.Schmid B.Triggs : Learning to Parse Pictures of People,European Conference on Computer Vision, LNCS 2553 volume 4 pages 700-714 June 2002

Scrabble B. Sheppard: World/championship/caliber Scrabble, Artificial Intelligence 134 (2002), 241-275

Bridge Bridge
ftp://ftp.cirl.uoregon.edu/pub/users/ginsberg/papers/ gib.ps.gz , partition.ps.gz , bridge.ps.gz

Bioinformatika a Bayesovské sítě
Using Bayesian Networks to Analyze Expression Data (Source: Proceedings of the fourth annual international conference on Computational molecular biology, ACM Press)

aplikace GA Peter Augustsson, Peter Nordin, Krister Wolff: Creation of a Learning, Flying Robot by Means of Evolution


Suihong Liang A. Nur Zincir-Heywood Malcolm I. Heywood: Intelligent Packets for Dynamic Network Routing Using Distributed Genetic Algorithm


Gerry Dozier, Douglas Brown, Krystal Cain,John Hurley : Vulnerability Analysis of Immunity-Based Intrusion Detection Systems Using Evolutionary Hackers
Particle Swarm Optimization Tutorial
?? nebo tenhle?

Data Mining Ming-Syan Chen, Jiawei Hun, Philip S. Yu Data Mining: An Overview from Database Perspective vypustte detaily ci vyberte cast

Bioinformatika Marcel Dettling and Peter Bühlmann Supervised Clustering of Genes

Roboti Bagr: A. Stentz, J. Bares, S. Singh and P. Rowe: A Robotic Excavator for Autonomous Truck Loading

Hry H. Herik, J. Uiterwijk, J. Rijswijck: Games solved: Now and in the future, Artificial Intelligence 134 (2002) 277-311

aplikace Jana Koehler, Daniel Ottiger: An AI-based Approach to Destination Control in Elevators

sachy M. Campbell, A. Hoane, F. Hsu: Deep Blue, Artificial Intelligence 134 (2002) 57-83)

Poč. hry Cavazza, M., Charles, F., and Mead, S.J., 2001. Agents' Interaction in Virtual Storytelling. Intelligent Virtual Agents, Madrid, Spain.



D. Suryadi, P. Gmytrasiewicz: Learning Models of Other Agents Using Influence Diagrams


Daniel G. Schwartz Agent-oriented epistemic reasoning: Subjective conditions of knowledge and belief,Artificial IntelligenceVolume 148, Issues 1-2, (August 2003) Pages 177-195


M. Valtorta, Y. Kim, J. Vomlel: Soft evidential update for probabilistic multiagent systems, International Journal of Approximate Reasoning 29 (2002) 71-106

web R. Khoussainov, N. Kushmerick: Automated Index Management for Distributed Web Search


neuronové sítě pro roboty


A. Kleiner, M. Dietl, and B. Nebel. Towards a life-long learning soccer agent. In Proc. Int. RoboCup Symposium '02, pages 119 -- 127. Fukuoka, Japan, 2002.
http://citeseer.nj.nec.com/kleiner02towards.html



Quake III bot
http://www.kbs.twi.tudelft.nl/Publications/MSc/2001-VanWaveren-MSc.html



Wolfram Burgarda, Armin B. Cremersa, Dieter Foxb, Dirk Hähnela, Gerhard Lakemeyerc, Dirk Schulza, Walter Steinera and Sebastian Thrun: Experiences with an interactive museum tour-guide robot, Artificial Intelligence , Volume 114, Issues 1-2 , October 1999, Pages 3-55


N. Arni, K. Ong, S. Tsur, H. Wang, C. Zaniolo: The Deductive Database System LDL++

Support Vector machines Ch. Burges: A Tutorial on Support Vector Machines for Pattern Recognition 15

Správné usuzování Judea Pearl: Reasoning with cause and effect 16


N. McCain and H. Turner, Causal Theories of Action and Change
T. Eiter, T. Lukasiewicz: Causes and Explanations in the Structural-Model Approach: Tractable Cases
17

Diagnostika G. Lamperti, M. Zanella: Diagnosis of discrete-event systems from uncertain temporal observations Artificial Intelligence 137 (2002) 91-163 19



20


H. Langseth, F.V. Jensen:Decision Theoretic Troubleshooting of Coherent Systems 21

Jine: Influenční diagramy 22

aukce A. Ockenfels, A. Roth: The Timing of B ids in Internet Auctions: Market Design, Bidder Behavior, and Artificial Agents
a další
23

Integrace znalostí A. Hunter, R. Summerton: NewsFusion Sistems: Logic-based merging of heterogenous news report


Data mining: Mining very large databases 24


J. Vomlel: Bayesian Networks in Educational Testing



25


A fuzzy constraint based model for bilateral, multi-issue negotiations in semi-competitive environments, Pages 53-102
Xudong Luo, Nicholas R. Jennings, Nigel Shadbolt, Ho-fung Leung and Jimmy Ho-man Lee
26










Seminář z Umělé inteligence II



Anotace

Referativní seminář o aktuálních teoretických i praktických otázkách na poli výzkumu umělé inteligence. Referáty vycházejí z publikovaných článků.

Osnova

Referáty jsou vybraná témata z následující nabídky:
rozhodování za nejistoty, pravděpodobnostní modely: markovské rozhodovací procesy s neúplnou informací (POMDP), bayesovské sítě, influenční diagramy
diagnostika: elektronických přístrojů, medicínská, diagnostika programů
robotika a rozpoznávání: např. RoboCup, generování plánů, rozpoznávání obrazu, řeči, porozumění přirozenému jazyku
hry a aukce: novinky v řešení her (např. šachy, scrabble, crosswords) a aukcí
jiné obory umělé inteligence: automatické dokazování vět, constrain satisfaction, temporal/modal logic programming, víceagentní systémy, genetické algoritmy, neuronové sítě, strojové učení a jiné.

Literatura:

Časopisy:
Artificial Intelligence, Elsevier Volume 134
Knowledge and Information Systems, Springer
Soft Computing, Springer
Machine Learning, Kluwer
Data & Knowledge Engineering, Elsevier


Sborníky:

Conference on Uncertainty in Artificial Intelligence (UAI)
European Conference on Symbolic and Quantitative Approaches to Reasoning under Uncertainty (ECSQARU)


Elektronický archiv článků:

http://citeseer.nj.nec.com/cs



program a nabídka článků


Chtěla bych na pokračování společně číst:

Brian Sallans: Reinforcement Learning for Factored Markov Decision Processes (2002)

protože shrnuje mnohé z pravděpodobnostních modelů a měla by být "snadno" čitelná.

Další články:

Judea Pearl: Reasoning with Cause and Effect


K. Aas, L. Eikvil: Text Categorisation: A Surway


Heckerman:A Tutorial on Learning Bayesian Networks http://citeseer.ist.psu.edu/135897.html


J. Cheng, R. Greiner: Comparing Bayesian Network Classifiers


L. de Campos, J. Gamez, J. Puerta: Graphical Models to Causal Discovery from Data


D.Allen, A. Darwiche: Optimal Time-Space Tradeoff in Probabilistic Inference


S. Lauritzen, D. Nilsson: Prepresenting and Solving Decision Problems with Limited Information


W. Smart, L. Kaelbling: Practical Reinforcement Learning in Continuous Spaces


T. Nielsen, F. Jensen: Learning a decision maker's utility function from (possibly) inconsistent behavior


G. Lamperti, M. Zanella: Diagnosis of discrete-event systems from uncertain temporal observations Artificial Intelligence 137 (2002) 91-163


J. Charnes, P. Shenoy: Multi-stage Monte Carlo Method For Solving Influence Diagrams Using Local Computation











1


P. J. Flemming R. C. Purshouse: Genetické algoritmy v teorii řízení J. Benda - slajdy


J. Charnes, P. Shenoy: Multi-stage Monte Carlo Method For Solving Influence Diagrams Using Local Computation


Towards a general theory of topological maps, Pages 47-104
Emilio Remolina and Benjamin Kuipers, Volume 152, January 2004



J. Lang, P. Liberatore and P. Marquis: Conditional inependence in propositional logic, pp. 79-123, AI 141, nb. 1-2, 2002


Reconstructing force-dynamic models from video sequences, Pages 91-154
Jeffrey Mark Siskind, v 151, n 1-2, 2003



Nonmonotonic inconsistency, Pages 161-178
Charles B. Cross, vol 149, is 2, 2003



Fuzzy rrDFCSP and planning, Pages 11-52
Ian Miguel and Qiang Shen, vol 148, is. 1-2,2003



Solving factored MDPs using non-homogeneous partitions, Pages 225-251
Kee-Eung Kim and Thomas Dean, vol. 147, nr. 1-2, 2003



Object-based visual attention for computer vision, Pages 77-123
Yaoru Sun and Robert Fisher, v 146, i 1, 2003



Similarity of personal preferences: Theoretical foundations and empirical analysis, Pages 149-173
Vu Ha and Peter Haddawy, v 146, n2, 2003



A. Cassandra, L.P. Kaelbling and M. L. Littman, Actiong Optimally in Partially Observable Stochastic Domains


K. Aas and L. Eikvil, Text Categorisation: A Survey









Spojení teorie rámců a Bayes. sítí Daphne Koller, Avi Pfeffer: Probabilisticframe-basedsystems (1998)
http://citeseer.nj.nec.com/koller98probabilistic.html


Logické programování a BN David Poole, Probabilistic Horn abduction and Bayesian networks (1993)
Artificial Intelligence, 64, pp. 81-129

http://citeseer.nj.nec.com/poole93probabilistic.html

2

učení BN M. I. Jordan, Zoubin Ghahramani, Tommi S. Jaakkola, Lawrence K. Saul: An Introduction to Variational Methods for Graphical Models (1998) Machine Learning, 37(2_3), pp. 183-233

http://citeseer.nj.nec.com/37130.html(vybrali bychom část)

3

Constraint satis. prog. a BN

(Propagace v BN s omezeným prostorem)

Adnan Darwiche: Recursive Conditioning Any-space conditioning method with treewidth-bounded complexity (2000) Articial Intelligence Journal, 2000

http://citeseer.nj.nec.com/darwiche00recursive.html

4

fuzzy Zimmermann H. J.: Fuzzy Set Theory - And Its Applications (kniha v MFF knihovně, vybrali bychom část) 5


A fuzzy constraint based model for bilateral, multi-issue negotiations in semi-competitive environments, Pages 53-102
Xudong Luo, Nicholas R. Jennings, Nigel Shadbolt, Ho-fung Leung and Jimmy Ho-man Lee
6

abdukce (log. prog, usuzuj v protisměru) A. Kakas: Abduction in Logic Programming 7

anotované programy (log. prog. s více stupni pravdivosti) M. Kifer, V.S. Subrahmanian: Theory of Generalized Annotated Logic Programming and its Applications 8

beliefs, default reasoning D. Poole: The Effect of Knowledge on Belief: Conditioning, Specificity and the Lottery Paradox in Default Reasoning 9

Diagnostika G. Lamperti, M. Zanella: Diagnosis of discrete-event systems from uncertain temporal observations Artificial Intelligence 137 (2002) 91-163 (vzali bychom část) 10

kauzalita Judea Pearl: Probabilities of causation: Three conterfactual interpretations and their identification 11


N. McCain and H. Turner, Causal Theories of Action and Change
T. Eiter, T. Lukasiewicz: Causes and Explanations in the Structural-Model Approach: Tractable Cases
12

aukce A. Ockenfels, A. Roth: The Timing of B ids in Internet Auctions: Market Design, Bidder Behavior, and Artificial Agents
a další
13

kategorizace textu

Fabrizio Sebastiani: Machine Learning in Automated Text Categorization (2002) ACM Computing Surveys

http://citeseer.nj.nec.com/sebastiani02machine.html
(vybrali bychom část)

14

deduktivní databáze N. Arni, K. Ong, S. Tsur, H. Wang, C. Zaniolo: The Deductive Database System LDL++ 15

abdukce v LP
Chiaki Sakama, Katsumi Inoue: Abductive logic programming and disjunctive logic programming: their relationship and transferability (1999) Journal of Logic Programming


http://www.jair.org/contents/v20.html Long, D. and Fox, M. (2003) "The 3rd International Planning Competition: Results and Analysis", Volume 20, pages 1-59.


Younes, H.L.S. and Simmons, R.G. (2003) "VHPOP: Versatile Heuristic Partial Order Planner", Volume 20, pages 405-430.


Weiss, G.M. and Provost, F. (2003) "Learning When Training Data are Costly: The Effect of Class Distribution on Tree Induction", Volume 19, pages 315-354.































Cvičení z logiky

Výsledky písemky z logiky

vyukové materiály - oba materiály prof. Štěpánka jsou k tomuto kurzu, nejdříve ten první

Cvičení z Neprocerurálního programování

Stránka dr. Hrice - odkazy na SWI-Prolog, Haskell a studijní materiály

Zápočtové příklady

Pár příkladů z Haskellu, např. prohledávání grafu
pokud si stránku uložíte s příponou .hs, měla by se dát příkazem :l cvicHugs.hs nacist do Haskellu Hugs 98. Příkaz :c novyDir mění pracovní adresář.

Koza, vlk a zelí