From WikiAI

1. Nazwa polska przedmiotu: Klasyczne i Nieklasyczne Metody Wnioskowania

2. Kod: KNW

3. Katedra / Zespół: Katedra Systemów Wieloagentowych i Robotyki

4. Rodzaj studiów : inżynierskie dzienne i wieczorowe

5. Semestr nauczania:

– studia inżynierskie dzienne – 5

– studia inżynierskie wieczorowe - 7

6. Forma zaliczania:

– studia inżynierskie dzienne – egzamin

– studia inżynierskie wieczorowe – egzamin

7. Liczba godzin w tygodniu:

• wykłady (w)

– studia inżynierskie dzienne – 2

– studia inżynierskie wieczorowe - 2

• laboratoria (l)

– studia inżynierskie dzienne – 2

– studia inżynierskie wieczorowe - 2

8. Abstrakt w języku polskim:

Przedmiotem wykładu są logiki klasyczne i nieklasyczne, złożoność obliczeniowa, systemy uczące się, reprezentacja wiedzy, wnioskowanie w warunkach niepewności, a także języki programowania w logice oraz LISP. Wykład uzupełnia wiedzę o sztucznej inteligencji, zawartą w wykładzie NAI, i przygotowuje do ewentualnych studiów magisterskich, na kierunkach związanych głównie ze sztuczną inteligencją i eksploracją danych oraz z robotyką i systemami wieloagentowymi.

Abstrakt w języku angielskim:

The main topics of the lecture:

- Classical and non-classical logic.

- Computational complexity.

- Machine learning methods.

- Knowledge representation.

- Reasoning under uncertainty.

- Logic programming and LISP.

9. Plan realizacji wykładów, ćwiczeń i laboratoriów

Tabela rekomendowanego sposobu realizacji wykładów, ćwiczeń i laboratoriów w rozbiciu na 15 tygodni

Nr tyg. Wykład Laboratorium

1 Dedukcja i indukcja. Rachunek zdań.

2 Rachunek predykatów. Schematy wnioskowania w bazach wiedzy.

3 Symboliczne systemy uczące się. Metody rezolucji w bazach wiedzy.

4 Systemy eksperckie. Systemy uczące się i systemy eksperckie.

5 Programowanie w logice I. Podstawy języka PROLOG.

6 Programowanie w logice II. Zastosowania.

7 LISP I Podstawy języka SCHEME

8 LISP II Zastosowania.

9 Złożoność obliczeniowa I. DTM, NDTM, oraz problem SAT.

10 Złożoność obliczeniowa II. Heurystyki dla problemu SAT.

11 Teoria zbiorów przybliżonych. Kolokwium.

12 Teoria zbiorów rozmytych. Zbiory przybliżone i rozmyte.

13 Logiki nieklasyczne. Logiki nieklasyczne.

14 Uczenie warstwowe. Prezentacje.

15 Systemy wieloagentowe i rozproszone. Prezentacje.

10. Literatura podstawowa:

• G. Luger: Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Addison-Wesley (2002).

11. Literatura uzupełniająca:

• Ustalana w porozumieniu z asystentami.

12. Wymagane przedmioty poprzedzające:

Algebra

Matematyka Dyskretna

Algorytmy i Struktury Danych

Narzędzia Sztucznej Inteligencji

13. Powiązania merytoryczne

Nazwa przedmiotu poprzedzającego Wymagane zagadnienia / umiejętności niezbędne w realizacji danego przedmiotu

Algebra liniowa i geometria Zakres całego przedmiotu.

Matematyka Dyskretna Zakres całego przedmiotu

Algorytmy i Struktury Danych Zakres całego przedmiotu.

Narzędzia Sztucznej Inteligencji Zakres całego przedmiotu.

Linki

• Oficjalny opis specjalizacji [1]