Искусственный интеллект

Что такое искусственный интеллект?

Transcript

1. Мажуга Вера
   РУДН, кафедра информационных технологий
   2011
   

   View Slide

2. 2
   Искусственный интеллект – это совокупность методов
   создания устройств, способных демонстрировать разумные
   рассуждения и целенаправленное поведение.
   К искусственному интеллекту относятся задачи,
   которые не имеют алгоритмов решения.
   

   View Slide

3. 3
   Распознавание
   изображений
   

   View Slide

4. 4
   Анализ естественного языка
   • машинный перевод
   • распознавание речи
   • синтез речи
   • анализ текста
   • синтез текста
   • информационный поиск
   • извлечение информации
   

   View Slide

5. 5
   Генетические алгоритмы
   моделируют базовые положения в
   теории биологической эволюции —
   процессы отбора, мутации и
   воспроизводства.
   

   View Slide

6. 6
   Экспертные системы
   – это вычислительные системы, в которые включены знания
   специалистов о некоторой конкретной проблемной области и которые
   в пределах этой области способны принимать экспертные решения.
   

   View Slide

7. 7
   Искусственные
   нейронные сети
   – математические модели,
   а также их программные
   реализации, построенные
   по принципу организации
   и функционирования
   биологических нейронных
   сетей – сетей нервных
   клеток живого организма.
   

   View Slide

8. 8
   Задано множество объектов (образов), для которых известно,
   к каким классам они относятся.
   Это множество называется выборкой.
   Каждый объект характеризуется
   набором признаков.
   Задача: отнести новый объект
   к одному из классов в соответствии
   со значениями его признаков.
   

   View Slide

9. 9
   Классы ω1
   и ω2
   представляют
   группы футболистов и жокеев.
   Каждый «образ» характеризуется
   результатами двух измерений:
   ростом и весом.
   Векторы образов имеют вид
   x = (x1
   , x2
   ), x1
   – рост, x2
   – вес.
   Каждый вектор можно считать
   точкой двумерного пространства.
   Эти два класса образуют
   непересекающиеся множества.
   

   View Slide

10. 10
    Классы:
    состояния пациента
    (например, болен/здоров,
    виды болезней,
    степени заболевания)
    Признаки:
    результаты обследования,
    список симптомов
    

    View Slide

11. View Slide

12. 12
    Низкая степень
    заболевания
    Высокая степень
    заболевания
    Имеются изображения фаций (наблюдаемых под микроскопом
    графических образцов биологической жидкости пациентов) .
    

    View Slide

13. 13
    Для каждого изображения на основе автоматического измерения
    характеристик полутонового снимка фации получаем набор
    признаков:
    Признаки x1
    и x2
    отражают соотношения черного и белого цветов соответственно
    в белковой и кристаллической зоне фации, x3
    – отношение x2
    / x1
    . Признак x4
    отвечает
    за коэффициент корреляции яркостей полутоновых изображений белковой и
    кристаллической зон. Признаки x5
    и x6
    – соответственно левая и правая суммы
    коэффициентов относительно среднего уровня значений дискретного синусного
    преобразования Фурье, построенного на основе функции яркости белковой зоны.
    (x1
    , x2
    , x3
    , x4
    , x5
    , x6
    )
    

    View Slide

14. 14
    Исходные данные в виде наборов признаков и соответствующих им
    классов получают на основе анализа и знаний экспертов – врачей:
    № Вектор признаков Класс
    1 x1
    = (x1
    1, x2
    1, x3
    1, x4
    1, x5
    1, x6
    1) High
    2 x2
    = (x1
    2, x2
    2, x3
    2, x4
    2, x5
    2, x6
    2) Normal
    3 x3
    = (x1
    3, x2
    3, x3
    3, x4
    3, x5
    3, x6
    3) Normal
    4 x4
    = (x1
    4, x2
    4, x3
    4, x4
    4, x5
    4, x6
    4) High
    5 x5
    = (x1
    5, x2
    5, x3
    5, x4
    5, x5
    5, x6
    5) Normal
    

    View Slide

15. 15
    Многорядный алгоритм МГУА
    (методов группового учета
    аргументов) основан на гипотезе
    селекции, используемой в
    агротехнической практике.
    Принцип селекции в биологии
    обеспечивает постепенное изменение
    вида, генетически обусловленное и
    адекватное внешнему миру.
    

    View Slide

16. View Slide

17. 17
    Пусть имеется N прецедентов (образцов), каждый из которых
    характеризуется вектором признаков
    и номером класса
    Функция, которая находит зависимость выходной величины
    от входных переменных, называется «полным описанием
    объекта» и представляется в виде полинома:
    

    View Slide

18. View Slide

19. 19
    Полученная модель МГУА может быть представлена следующим
    полиномом:
    Для каждого нового изображения вычисляется вектор
    признаков (x1
    , x2
    , x3
    , x4
    , x5
    , x6
    ) и значение полинома.
    Класс = High
    (высокая степень
    заболевания)
    

    View Slide

20. 20
    Имеются 5 векторов, разбитых на 2 класса:
    Векторы x1
    x2
    x3
    x4
    x5
    x6
    Класс
    с1
    1 2 0 1 -1 0
    1
    с2
    -1 0 -1 -2 -2 1
    с3
    1 -1 2 -1 -1 0
    с4
    0 2 1 -1 0 1
    2
    с5
    2 -1 0 -1 -1 0
    Задача заключается в том, чтобы поставить в соответствие
    каждому объекту (вектору) визуальный образ.
    

    View Slide

21. 21
    Для каждого вектора сi
    строим функцию развертки
    по следующей формуле:
    1
    ( ) | sin( ) |
    n
    k
    k
    x k
      
    
     
    Класс 1 Класс 2
    

    View Slide

22. View Slide