Grundlagen der Künstlichen Intelligenz

Grundlagen der kuenstlichen Intelligenz ist eine Basisveranstaltung im Fachgebiet Methoden der KI (Studiengebiet KI).

Inhalt

Einführung: "Was ist künstliche Intelligenz?", Ggschichtlicher Überblick, intelligente Softwareagenten
Problemlösen und Suche: Problemformulierung, Lösungssuche, informierte Suche, Constraint Satisfaction Problems (CSPs)
Planen: STRIPS, Planungsalgorithmen
Logikbasierte Agenten: Agenten basierend auf Aussagenlogik und Prädikatenlogik
Belief Revision: Truth Maintenance Systems (TMS), Justification-based TMS (ATMS), Assumption-based TMSS (JTMS)
Modallogik: Belief, Desire, Intention, BDI Agenten
Bayes Netze: probabilistische Inferenz, DAGs, Decomposable Undirected Graphs, Junction Trees
Hidden Markov Modelle
konnektionistisches Neuron
Multi-Lagen-Perzeptron: Architektur,Lernen,Prädiktion
Probabilistische Verfahren: Generative Modelle, Bayessche Verfahren, MAP-Methode, Kostenfunktionen
Einführung in die statistische Lerntheorie: Empirical Risk Minimization (ERM), Structural Risk Minimization (SRM), VC-Dimension
Support Vector Maschinen: SVMs für linear (+nicht-linear) separable sowie nicht separable Probleme

(im Wesentlichen aus den Folien des WS 05/06 entnommen)

Da Prof. Wysotzki die Vorlesung nicht mehr halten wird (er verlaesst die Uni), ist es relativ sinnlos, gute Tipps zu geben ;)

Literatur: nichts gelesen

(Nicht unterschriebene Kommentare werden gelöscht!)

War ganz ok. FelixB