• Giáo trình Trí tuệ nhân tạo - Chương 7: Tri thức và suy luận không chắc chắn -Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 7: Tri thức và suy luận không chắc chắn -Nguyễn Văn Hòa

    Bù của một tập mờ  Khái niệm: Bù của một tập mờ thể hiện mức độ một phần tử không thuộc về tập đó là bao nhiêu.  Công thức: µ ¬A(x) = 1 - µA(x)  Thí dụ: µTrẻ(An) = 0.8 => µ ¬Trẻ(An) = 1 – 0.8 = 0.2 A’ Luật mờ  Một luật mờ là một biểu thức if - then được phát biểu ở dạng ngôn ngữ tự nhiên thể hiện sự phụ thuộc nhân quả giữa các biến....

    pdf36 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 857 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 6: Biểu diễn tri thức và sử dụng luật -Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 6: Biểu diễn tri thức và sử dụng luật -Nguyễn Văn Hòa

    Các hàm xuất nhập chuẩn  Xuất ra màn hình write( Arg1, Arg2, ,Argn) in ra màn hình giá trị của các đối số. writef(đinh_dang, Arg1, Arg2, ,Argn) in ra màn hình giá trị của các đối số theo định_dạng Các định_dạng  “%d”: In số thập phân bình thường; đối số phải là char hoặc integer  “%c”: Đối số là một số integer, in ký tự có mã Ascci là...

    pdf27 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 697 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 5: Sử dụng logic mệnh đề và vị từ - Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 5: Sử dụng logic mệnh đề và vị từ - Nguyễn Văn Hòa

    Đưa về claus form 7. Chuyển hội chuẩn (Conjunctive Normal Form - CNF) Một chuỗi các mệnh đề kết nối nhau bằng quan hệ AND (^). Mỗi mệnh đề có dạng một tuyển OR (v) của các biến mệnh đề. Dùng phép phân phố giữa v và ^ Dạng thường gặp: (a ^ b) v c = (a v c) ^ (b v c) (a ^ b) v (c ^ d) = (a v c) ^ (a v d) ^ (b v c) ^ (b v d) Ví dụ: tiếp ...

    pdf35 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 1390 | Lượt tải: 1

  • Giáo trình Trí tuệ nhân tạo - Chương 4: Biểu diễn tri thức - Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 4: Biểu diễn tri thức - Nguyễn Văn Hòa

    Vấn đề khung Sử dụng các tiền đề khung: Mô tả tất cả những cái sẽ không thay đổi khi áp dụng 1 toán tử cụ thể nào đó để chuyển từ trạng thái n → n+1 Ví dụ: “Vật X có màu Y tại trạng thái S1 thì cũng có màu Y tại trạng thái S2 khi di chuyển X từ S1 → S2’ color(X,Y, S1) ^ move(X,S1,S2) color(X,Y,S2). → Bất tiện: → Số tiền đề nhiều.Vấn đề...

    pdf33 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 674 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 3: Các chiến lược tìm kiếm Heuristics - Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 3: Các chiến lược tìm kiếm Heuristics - Nguyễn Văn Hòa

    Giải thuật cắt nhánh alpha-beta Hạn chế với số mức d đi nữa thì số trạng thái đã rất lớn. Cờ vua: nhân tố nhánh b=35; d=3 có 35*35*35=42.785 trạng thái Giảm bớt các trạng thái cần khảo sát mà vẫn không ảnh hưởng gì đến việc giải quyết bài toán. Cắt bỏ các nhánh không cần khảo sát. Giải thuật cắt nhánh alpha-beta Tìm kiếm theo kiểu depth-f...

    pdf43 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 2117 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 2: Chiến lược tìm kiếm mù - Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 2: Chiến lược tìm kiếm mù - Nguyễn Văn Hòa

    Vấn đề trong thiết kế CT tìm kiếm Sự tìm kiếm Tìm kiếm ~ duyệt cây, từ TT bắt đầu -> TT đích Cả cây tìm kiếm thường không được xây dựng sẵn Cấu trúc đồ thị thường thay thế cho cây trong biểu diễn KGTT Các vấn đề Xác định hướng tìm (forward hay backward reasoning). Cách lựa chọn luật để áp dụng (matching) Cách biểu diễn nút (NODE) của...

    pdf43 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 1027 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 1: Tổng quan về trí tuệ nhân tạo - Nguyễn Văn HòaGiáo trình Trí tuệ nhân tạo - Chương 1: Tổng quan về trí tuệ nhân tạo - Nguyễn Văn Hòa

    Các thành tựu hiện tại Computer beats human in a chess game Computer-human conversation using speech recognition Expert system controls a spacecraft Robot can walk on stairs and hold a cup of water Language translation for webpages. Hướng nghiên cứu của TTNT Nhận dạng và tổng hợp Tiếng nói, hình ảnh, chữ viết Xử lý ngôn ngữ tự nhiên Lập...

    pdf38 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 678 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 4: Học máy - Lý Anh TuấnGiáo trình Trí tuệ nhân tạo - Chương 4: Học máy - Lý Anh Tuấn

    Thuật toán lan truyền ngược • Học bằng cách lặp lại việc xử lý một tập các đối tượng huấn luyện, so sánh dự đoán mạng của mỗi đối tượng với nhãn lớp đã biết của nó (sai số) • Các trọng số được chỉnh sửa để làm cực tiểu sai số trung bình bình phương. Việc chỉnh sửa được thực hiện theo chiều “đi lùi”: từ tầng đầu ra, xuyên qua mỗi tầng ẩn xuốn...

    pdf43 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 688 | Lượt tải: 0

  • Giáo trình Trí tuệ nhân tạo - Chương 3, Phần a: Logic - Lý Anh TuấnGiáo trình Trí tuệ nhân tạo - Chương 3, Phần a: Logic - Lý Anh Tuấn

    Những hạn chế của logic mệnh đề Logic mệnh đề khá đơn giản, và có khả năng diễn đạt hạn chế do đó khó có thể diễn tả các phát biểu liên quan tới các đối tượng và các mối quan hệ. Ví dụ: Làm thế nào sử dụng logic mệnh đề để diễn tả {Tất cả mọi người đều yêu thích hoa hồng} Để làm được như vậy cần có một mệnh đề riêng biệt cho mỗi người trên t...

    pdf60 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 1197 | Lượt tải: 1

  • Giáo trình Trí tuệ nhân tạo - Chương 2, Phần b: Giải quyết vấn đề bằng tìm kiếm - Lý Anh TuấnGiáo trình Trí tuệ nhân tạo - Chương 2, Phần b: Giải quyết vấn đề bằng tìm kiếm - Lý Anh Tuấn

    Chiến lược Minimax ------------------------------------- function MaxVal(u); {hàm xác định giá trị cho các đỉnh Max} begin if u là đỉnh kết thúc then MaxVal(u) ← f(u) else MaxVal(u) ← max(MinVal(v) | v là đỉnh con của u) end; • Thủ tục chọn nước đi như trên gọi là chiến lược Minimax, bởi vì MAX đã chọn được nước đi dẫn tới đỉnh con có giá ...

    pdf86 trang | Chia sẻ: thucuc2301 | Ngày: 24/11/2020 | Lượt xem: 711 | Lượt tải: 0