Bevezetés

A mesterséges intelligencia általános jellemzése.

Probléma modellezés. Útkereső probléma.

𝛿-gráf, ÉS/VAGY gráf (hiper-út, megoldás gráf), Gráfreprezentáció.

Keresés gráfreprezentációban.

bevezetes.pdf

Modellezés

Állapottér modell és az állapot-gráf.

Visszafelé haladó keresés és a probléma redukció.

A probléma dekompozíció fogalma.

modellek.pdf

Heurisztikus útkereső algoritmusok

Kereső rendszerek komponensei, a vezérlési stratégia szintjei, kategóriái.

Lokális keresések: hegymászó módszer, tabu-keresés, szimulált hűtés algoritmusa.

A heurisztika hatása a kereső rendszerre.

lokalker.pdf  hegymászó_tabu animáció

Visszalépéses vezérlési stratégia. A visszalépéses keresés két változata.

visszalep.pdf   n-királynő_animáció

Az általános gráfkereső algoritmus és tulajdonságai. Nevezetes gráfkereső eljárások: mélységi, szélességi és egyenletes keresés, előre tekintő (best-first) keresés, az A algoritmus, A* algoritmus, következetes (Ac) algoritmus. A* algoritmus hatékonysága, és a B algoritmus.

grafker.pdf   black-white_animáció  8-puzzle_animáció  Martelli_animáció

Kétszemélyes játékok

Teljes információjú kétszemélyes játékok reprezentálása játékfával. A nyerő stratégia létezése és elvi meghatározása. A játékfa részleges kiértékelése minimax eljárással. A minimax eljárás módosításai, az alfa-béta levágás.

jatek.pdf  alfa-beta_animáció

Evolúciós algoritmusok

Evolúciós algoritmusok általános sémája, kódolás és a rátermettségi függvény szerepe, evolúciós operátorok jellemzése.

evolucio.pdf

Logikai következtetés

A rezolúció, mint kereső rendszer.

Rezolúciós stratégiák. Rezolúciós válaszadási eljárás.

Szabályalapú logikai reprezentációk, előre és visszafelé haladó szabályalapú logikai következtetés.  

kovetkeztetes.pdf

Bizonytalanságkezelés

A következtetések bizonytalansága.

Klasszikus valószínűségszámítási technikák.

Bayes (valószínűségi) háló építése és következtetésre való használata.

Heurisztikus bizonytalanságkezelő technikák.  

bizonytalansag.pdf

Gépi tanulás

Nevezetes felügyelt gépi tanuló módszerek: k-legközelebbi szomszéd módszere, döntési fa, véletlen erdő. felugyelt.pdf

Mesterséges neuronhálók. neuronhalok.pdf

Nevezetes felügyelet nélküli gépi tanuló módszerek: klaszterezések (k-közép módszer, téma modellezés), dimenzió csökkentés (főkomponens analízis, autoenkóder). felugyeltnelkul.pdf