Искусственный интеллект

Что такое искусственный интеллект?

Transcript

1. Мажуга Вера РУДН, кафедра информационных технологий 2011
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.
3. 3 Распознавание изображений
4. 4 Анализ естественного языка • машинный перевод • распознавание речи • синтез речи • анализ текста • синтез текста • информационный поиск • извлечение информации
5. 5 Генетические алгоритмы моделируют базовые положения в теории биологической эволюции — процессы отбора, мутации и воспроизводства.
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.
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.
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.
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.
10. 10 Классы: состояния пациента (например, болен/здоров, виды болезней, степени заболевания) Признаки: результаты обследования, список симптомов
12. 12 Низкая степень заболевания Высокая степень заболевания Имеются изображения фаций (наблюдаемых под микроскопом графических образцов биологической жидкости пациентов) .
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 )
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
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.
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:
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)
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.
21. 21 Для каждого вектора сi строим функцию развертки по следующей формуле: 1 ( ) | sin( ) | n k k x k       Класс 1 Класс 2