MI
jetson https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-nano/learn-ai/ https://courses.nvidia.com/courses/course-v1:DLI+C-RX-02+V1/about
inteligens rendszerek elmélete youtube sorozat (kb 15 óra) https://www.youtube.com/watch?v=QP0bdol-5Y0&list=PLSBcNSXgMqreVXQV0dMaVrManDyfGnWvF
korábbi vizsgakidolgozások http://zyxon.github.io/pages/mi-vizsga.html vagy cache
Vissszalépéses keresés 1
- nincs kör és mélységi korlát figyelés
- véges körmentes gráfon terminál, ha van megoldás talál egyet
Vissszalépéses keresés 2
elsődleges
nem modelfüggő, nem merít a feladattól és annak modelljétől, nem merít a feladat ismeretiből és a modell sajátosságaiból.
másodlagos
modellfüggő, nem függ a feladat imsereteitől, de építa feladat modelljének általános elemére, pl lineáris input stratégia
heurisztikus
feladattól származik, nem rögzített megoldással, de a feladatból ismert adatokat használja
best first
a csúcsoknak súlya van ~ heursiztika. ezeket figyelembe véve, minidg a legkisebb fele indul
https://www.youtube.com/watch?v=kNIEMi9OIwA
A algoritmus
van költsége az élnek, ez alapján tejeszti ki az lagoritmus, a legkisebb fle indul, mint az előző, az út költsége + a csúcs heurisztikája, ha a csúcsn átmegy az út akkor nem kell figyelembe venni a heurisztikáját.
https://www.youtube.com/watch?v=bK3Z61A8R48
A*
az út hossza a csúcsba, a csúcs heurisztikája és az addig vezető utat is figyelembe veszi,
CSÚCS, ÚTHOSSZ, ÚTHOSSZ+HEURISZTIKAformában. Az, hogy melyik lépésben melyikkel foyltatja attól függ, aÚTHOSSZ+HEURISZTIKAtól függ, ismét a legkisebbet veszi figyelembe. Ha egy csúcsot már érintettünk, de az úthossz nagyobb mint az előző alklaommal akkor nem lép tovább, mer előnytelen. Ha eléri a célt, de a heurisztika nagyobb mint a még be nem járt úton, akkor azzal folytatjuk, és tovább keresünk.
https://www.youtube.com/watch?v=hhCT9wyfEqE
AésA*közti különbség: https://cs.stackexchange.com/questions/50722/algorithm-a-vs-algorithm-a-whats-the-difference
Mintafeladat: feladat: 06.HF_ABA.pdf és mintamegoldás: ABA.pdf első és utolsó feladata!
B
Bemenő számok együtteséből kimenő értékeket előáállító rendszer,kapcsolódó, tanítható egységekből áll, pl: mesterséges neuron, hálózati topológia, tanulási szabály, neuronháló.
Mintafeladat: feladat: 06.HF_ABA.pdf és mintamegoldás: ABA.pdf középső része!
minimax
felváltva keres minimumot és maximumot a gyerekek között. mindig
MAXaz első!!
https://www.youtube.com/watch?v=vSXF-beEdko
negamax
felváltva keres maximumot és negáltak maximumát. mindig
NEGMAXaz első!!
https://www.youtube.com/watch?v=q4B72LU0ERI
Mintafeladat: feladat: 08.HF_game.pdfés megoldás: NegaMax.jpg
átlagoló kiértékelés
két érték adott
nésm, ez egyébként egyminimaxfa ahol aMAXszintekennaMINszintekenmdarab elemet átlagolunk, értlemeszerűen a maxon az első m darab legnagyobb, a minen az első n darab legkisebb átlaga kell.
https://www.youtube.com/watch?v=f9LcjuwWcdw
alfa béta vágás
nem veszi figyelembe az egyébként előnytelen ágakat
pl: ha adott szintre a minimum kell és a előző maximumot keres akkor ha a az egyk ág klegkisebb értéke is nagyobb mint a a másik ág maximuma úgy azon nm kell kisázmolni a maximumot, hiszen a végén úgyis csak a kisebb érdekel a következő szintre.
https://www.youtube.com/watch?v=80wILJOXFog
gyakorlóprogram alfa-béta vágásra: http://inst.eecs.berkeley.edu/~cs61b/fa14/ta-materials/apps/ab_tree_practice/ Mintafeladat:: feladat: 08.HF_game.pdf és megoldás: Alfa-béta.jpg
mesterséges genetikus algoritmusok/evolúciós algoritmusok
https://www.youtube.com/watch?v=_0TX-pHKRIc
Mintafeladat
Tervezzen evolúciós algoritmust az utazó ügynök probléma minél jobb megoládásának előállítására!
Adott n város a közöttük vezető utak költségeivel. Melyik a legolcsóbb olyan útvonal, amely egy adott városból indulva mindegyik várost pontosan egyszer érintve visszatér a kiinduló városba?
Készítsen egy rövid dokumentációt:
- problématér (Mik legyenek a probléma egyedei?)
- reprezentáció (Hogyan kódoljuk az egyedeket?)
- rátermettségi függvény (Hogyan mérjük az egyedek rátermettségét?)
- evolúciós operátorok (Javasoljon kiválasztásra, rekombinálásra, mutációra, visszahelyezésre egy-egy módszert.)
- stratégiai paraméterek (Mi legyen populáció mérete, a mutáció valószínűsége, az utódképzési- és a visszahelyezési táta?)
- Mutasson be egy evolúciós ciklust!
Megoldások:
- mintamegoldás: EvolúcióHF_mo.pdf
- saját, majdnem tökéletes megoldás: https://github.com/gabboraron/MI-EA/blob/master/MI%20beadand%C3%B3%20genetikus%20algoritmus.pdf
Automatikus következtetés
Mintafeladat
Axiómák: „Aki tud írni és olvasni, az nem analfabéta. A delfinek analfabéták. Néhány delfin intelligens."
Célállítás: "Vannak olyan intelligens lények, akik nem tudnak írni és olvasni."
Bizonyítsa be rezolúcióval és szabályalapú következtetéssel, hogy a célállítás következik az axiómákból.
Meg kell adni:
- Az axiómák és a célállítás formuláit
- Kiinduló klózokat
- Cáfolati gráfot
- Szabályalapú reprezentációt (tényállítás, szabályok, célállítás)
- A szabályalapú következtetés irányát.
- A bizonyítást leíró ÉS/VAGY gráfot
Segítség:
- Használja az alábbi szimbólumokat
Predikátum szimbólumok:
- A(x) : x analfabéa
- I(x) : x intelligens
- D(x) : x egy delfin
- IO(x) : x ctud írni és olvasni
A rezolúciónál mindig csak olyan klózpárt rezolváljon, ahol az egyik klóz a célállításból származik.
Ha van IO(x) → ! A(x) szabálya, akkor használhatja az A(x) → ! IO(x) (kontrapozitív) szabályt is.
Mintamegoldás: KövetkeztetésHF_mo.pdf
bizonytalanság kezelés
https://www.inf.u-szeged.hu/~berendg/?pp=teaching&subj=dm
Mintafeladat
Egy gépjármű akkumulátorának állapotára az úgynevezett „zöld szem” színe alapján következtethetünk: ez 0.95 valószínűséggel elsötétül, ha az akkumulátor lemerült, de 0.2 valószínűséggel akkor sem zöld, ha az akkumulátor jó. A gépjármű indító-motora csak 0.1 valószínűséggel működik lemerült akkumulátorral, de száz esetből egyszer nem üzemel akkor se, ha az akkumulátor jó. Az akkumulátort nem rég vásároltuk (jó állapotban van), így egy a kilenchez (10-ből egy) annak esélye, hogy lemerült. A benzin-motor 0.9 valószínűséggel nem indul be, ha az indító-motor nem forog, de 0.2 eséllyel akkor sem, ha az indító-motor működik.
Válassza ki a probléma valószínűségi változóit, adja meg a probléma valószínűségi hálóját a csúcsok valószínűségi tábláival együtt.
Mintamegoldás: https://github.com/gabboraron/MI-EA/blob/master/BizonytalansagkezelesHF.pdf
Döntési fa
Mintafeladat
Tanuljuk meg, hogy a barátunk (barátnőnk) milyen filmeket szeret megnézni a moziban, ha az alábbiakat figyeltük meg eddig:
HA Származás Feliratos Téma AKKOR Tetszik neki
amerikai igen akció nem
magyar nem akció nem
francia nem vígjáték igen
amerikai igen krimi nem
magyar nem vígjáték igen
amerikai nem romantikus igen
Rajzolja fel a probléma döntési fáját! Ennél mindig a legnagyobb információs előnyt biztosító attribútumot válassza.
(Néhány entrópia érték: E(1/2,1/2)=1.0; E(1/3,2/3)=0.92; E(1/4,3/4)=0.81; E(1/5,4/5)=0.72; E(2/5,3/5)=0.97)
Mintamegoldás: https://github.com/gabboraron/MI-EA/blob/master/Dontesi_fa.pdf
Mesterséges neuronháló
Mintafeladat
Tervezzen egy olyan neuronhálózatot, amely síkbeli koordináta rendszer pontjairól el tudja dönteni, hogy azok beleesnek-e azon origó középpontú rombuszba, amelynek átlói a koordináta tengelyekre esnek (origóban metszik egymást) és 2 egység hosszúak. Használjon Rosenblatt-féle perceptronokat. (A perceptronok súly-tényezőit "kézzel" kell kiszámolnia.)
Megoldások:
- mintamegoldás: https://github.com/gabboraron/MI-EA/blob/master/neuronHF.pdf
- saját, full pontos megoldás: https://github.com/gabboraron/MI-EA/blob/master/MI-mesters%C3%A9ges_neuronhalo.pdf és adatbázis hozzá: https://github.com/gabboraron/MI-EA/blob/master/rombok(1).ods
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent
