برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvsft124
در این آموزش با هدف پر نمودن خلأ موجود در درس هوش مصنوعی برای دانشجویان، مخاطبان و داوطلبان آزمون های ورودی، سعی داریم همراه با تشریح مفاهیم مختلف، مثال های متعددی نیز حل کنیم. این آموزش به عنوان یک منبع قوی برای تمامی دانشجویان و داوطلبان برایی تمامی آزمون ها و کنکورهای ارشد قابل استفاده می باشد.
در این آموزش از دو کتاب قوی در حوزه درس هوش مصنوعی (کتاب مرجع استورات راسل و بن کوپن) استفاده شده است. همچنین در این آموزش بحث شبکه های بیزین و تصمیم گیری در شرایط عدم قطعیت نیز بحث شده است که در خیلی از منابع بعضاً به طور ناقص آمده است و همواره این خلا وجود داشته است.
در این آموزش مثال های متعددی مورد بررسی و تجزیه و تحلیل قرار گرفته اند، که مخاطبین را از مطالعه هر منبعی بی نیاز می کند.
سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: مقدمه ای بر هوش مصنوعی – عامل های هوشمند
هوش مصنوعی چیست؟ کجاها به هوش مصنوعی نیاز هست؟
عامل های هوشمند و چگونگی کارکرد آنها
توصیف محیط عامل های هوشمند
انواع عامل های هوشمند
درس دوم: حل مسئله از طریق جستجو – جستجوی ناآگاهانه
عامل حل مسئله – اجزا حل مسئله
چند مسئله برای حل
روش های جستجوی ناآگاهانه
تولید و تست
جستجوی سطح اول
جستجوی هزینه یکنواخت
جستجوی اول عمق
جستجوی عمق محدود
جستجوی اول عمق عمیق شونده تکراری
جستجوی دوطرفه
مقایسه روش های جستجوی ناآگاهانه
حذف حالات تکراری در جستجوی ناآگاهانه
جستجو با اطلاعات ناقص
مسائل وابسته به شرایط (احتمالی)
درس سوم: جستجوهای آگاهانه
مقدمه ای بر جستجوی آگاهانه
جستجوهای آگاهانه
جستجوی اولین بهترین حریصانه
جستجوی *A
جستجوی *IDA
جستجوی اول بهترین بازگشتی (RBFS)
جستجوی *SMA
تابع هیوریستیک – افزایش کارایی
الگوریتم های جستجوی محلی – مسائل بهینه سازی
جستجوی تپه نوردی
جستجوی (Simulated annealing (SA
جستجوی پرتوی محلی (Local beam Search)
الگوریتم های خانواده ژنتیک
جستجو در محیط های پیوسته
درس چهارم: مسائل ارضا محدودیت
معرفی فرمت مسائل ارضا محدودیت (CSP)
جستجوی عقب گرد برای مسائل ارضا محدودیت
انتشار اطلاعات محدودیت ها
جستجوی بررسی پیشرو (FC)
پخش محدودیت (سازگاری کمان (Arc Consistency))
عقب گرد هوشمند
جستجوی محلی در حل مسائل ارضای محدودیت
درس پنجم: جستجوی خصمانه (بازی ها)
تصمیمات بهینه در بازی ها
روش MiniMax
هرس آلفا – بتا
تصمیمات بلادرنگ
توابع ارزیابی – قطع جستجو
بازی های دارای عامل شانس
درس ششم: عامل های منطقی
عامل مبتنی بر دانش – تعریف دنیای WUMPUS
منطق چیست؟
معرفی منطق گزاره ای (نحو، معناشناسی، استنتاج، هم ارزی، ارضا پذیری)
الگوهای استدلال در منطق گزاره ای (قیاس – رزولوشن)
زنجیره سازی به جلو و عقب
عامل های مبتنی بر منطق گزاره ای – عامل های مبتنی بر مدار
درس هفتم: منطق مرتبه اول
بازنمایی دانش
نحو و معانی در منطق مرتبه اول
ترم ها – سورها جملات ساده و پیچیده در منطق مرتبه اول
به کارگیری منطق مرتبه اول در توصیف
مهندسی دانش در منطق مرتبه اول
درس هشتم: استنتاج در منطق مرتبه اول
مقایسه استنتاج گزاره ای و استنتاج منطق مرتبه اول
یکسان سازی و ارتقا
زنجیره سازی پیشرو
رزولوشن در منطق مرتبه اول
درس نهم: عدم قطعیت – شبکه های بیزین
قانون احتمال – قانون بیزین
استدلال در شبکه های باور
مدرس: مهندس منوچهر بابایی
آموزش, تکمیلی, هوش, مصنوعی