|
Folien
Skript
Übungen
Software
Links
Applets
|
 WS 05/06:
Vorlesung
Künstliche Intelligenz
Dozent: PD Dr. Stefan Edelkamp
Betreuer: M.Sc. Shahid Jabbar
Zeiten: Mi 14-16, Fr 12-14 (Campus Süd, HG I/HS 3)
Übungen: vorl. Fr 16-18 (GB IV, R 126)
Inhalt
Die Vorlesung gibt eine problem- und algorithmenorientierte
Einführung in Methoden der Künstlichen Intelligenz
(KI). Wichtige Teilgebiete der modernen KI-Forschung werden
angesprochen: Problemlösen durch Suche, Logikbasierte Agenten,
Handlungsplanung, Zwei- und Mehrpersonenspiel, Handeln unter
Unsicherheit, Maschinelles Lernen, und Robotik.
Ziel ist es, den Studierenden einen Überblick über die
verschiedenen Techniken der KI zu vermitteln.
Aufbau
Begonnen wird mit einer allgemeinen Einführung in die KI,
indem verschiedene aktuelle KI-Projekte angesprochen
werden. Der Hauptteil der Vorlesung geht auf
Problemlösestrategien ein und
stellt verschiedene Suchstrategien vor.
Die Handlungsplanung wird als Suche im Zustandsraum
eingeführt.
Die Wahrscheinlichkeitstheorie
hilft, Agenten zu konstruieren, die mit unsicherem
Wissen arbeiten können. Die Vorlesung beschäftigt sich
mit Verfahren des Maschinellen Lernens und Anwendungen in
der Robotik.
- Zur Einführung: Definitionsversuche KI;
Vorstellung verschiedener aktueller KI Projekte;
Einführung in (intelligente) Agenten: Reflexagenten,
zielbasierte Agenten, nutzenbasierte Agenten und deren Umgebungen.
- Zum Problemlösen: Problemdarstellung;
Einfache Suchstrategien: Breitensuche, kostenoptimierte Breitensuche, Tiefensuche, Tiefensuche mit maximaler Tiefe, fortschreitende Vertiefung, bidirektionale Suche;
Informierte Suche: Bestensuche, gierige Suche, A*, IDA*-Suche;
Heuristiken;
Verbesserte Algorithmen: Bergsteigen, Simulated Annealing.
- Zur Logik:
Repräsentation und Schlussfolgerungen;
Aussagenlogik: Syntax, Semantik, Inferenzmechanismen;
Logik erster Stufe: Syntax, Semantik, Inferenzmechanismen, Situationskalkül, Frame-Problem, Resolutionsbeweis, Normalformen, Resolutionsstrategien, Vollständigkeit.
- Zum Planen:
Planen im Situationskalkül;
Repräsentationsformen;
Partial Order Planung;
Graphplanung;
Erfüllbarkeitsplanen;
BDD Planung; und
Planen durch heuristische Suche.
- Zur Wahrscheinlichkeitstheorie:
Unsicheres Wissen;
Entwurf eines entscheidungstheoretischen Agenten;
Baye'sche Regeln;
Wahrscheinlichkeitsbasierte Schlussfolgerungssysteme;
Belief Netzwerke; und
Inferenz auf Belief Netzwerken.
- Zum Maschinellen Lernen:
Entscheidungsbäume;
Neuronale und Bayes Netze;
Lernen von Makrooperatoren und
Kontrollregeln.
- Zur Robotik:
Beispiele von Industrierobotern bis hin zu humanoiden
Robotern; Typen von Sensorinformationen: Sonar, Laser, GPS, Kamara,
Odometrie; Selbstlokalisation,
Integration von Information durch Kalman Filter;
Kartenerstellung; Pfadplanung
Literatur
Prüfungsrelevant sind die Folien der Vorlesung.
Zur Vertiefung der Vorlesung dient die Buchvorlage
-
Stefan Edelkamp, Stefan Schroedl, and Sven Koenig
Theory and Practice of Heuristic Search
Submitted to Morgan Kaufmann
|
|