پاورپوینت کتاب هوش مصنوعی راسل و نورویگ با ترجمه رامین رهنمون

این فایل با تخفیف ویژه به مبلغ 50,000 تومان می‌باشد که بلافاصه بعد از پرداخت میتوانید آن را دانلود کنید. تعداد صفحات پاورپوینت کتاب هوش مصنوعی راسل و نورویگ با ترجمه رامین رهنمون 359 صفحه است. همچنین این فایل با فرمت pptx قابل اجرا می‌باشد. برای خرید و دانلود روی دکمه زیر کلیک کنید.

تخفیف ویژه به مدت محدود فقط تا فردا سه‌شنبه 27 آبان

66 هزار تومان 50 هزار تومان

پشتیبانی: 09374433704

پاورپوینت کتاب هوش مصنوعی راسل و نورویگ با ترجمه رامین رهنمون و آناهیتا هماوندی

دانلود پاورپوینت کتاب هوش مصنوعی راسل و نورویگ با ترجمه رامین رهنمون و آناهیتا هماوندی جهت رشته کامپیوتر در قالب 359 اسلاید و با فرمت pptx بصورت کامل و جامع و با قابلیت ویرایش

هوش مصنوعی (به انگلیسی: Artificial Intelligence) که گاهی اوقات هوش ماشینی(به انگلیسی machine intelligence) نامیده می‌شود، به هوشمندی نشان داده شده توسط ماشین ها در شرایط مختلف اطلاق می شود که در مقابل هوش طبیعی در انسان ها قرار دارد. به عبارت دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان (دانش شناخت و طراحی عامل‌های هوشمند) تعریف کرده‌اند.

هوش مصنوعی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، عصب‌شناسی، فیزیولوژی، تئوری کنترل، احتمالات و بهینه‌سازی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر دارد.

از زبان‌های برنامه‌نویسی هوش مصنوعی می‌توان به لیسپ، پرولوگ، کلیپس و ویپی اکسپرت اشاره کرد.

یک «عامل هوشمند» سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌است.

فهرست مطالب
 

فصل اول: علل مطالعه Al
AI چیست؟‌
1. انسان گونه عمل کردن: رهیافت آزمون تورینگ
2. انسانی فکر کردن: رهیافت مدل سازی شناختی
3. منطقی فکر کردن: قوانین رهیافت تفکر
4. منطقی عمل کردن: رهیافت عامل منطقی
مزایای مطالعه AI به‌ عنوان طراحی عامل منطقی
زیربنای هوش مصنوعی
فلسفه (428 قبل از میلاد مسیح- تاکنون)
ریاضیات (800. C- تاکنون)
محاسبات
منطق
احتمالات
تئوری پیچیدگی
روان شناسی (1879- تاکنون)
مهندسی کامپیوتر (1940- تاکنون)
زبان‌ شناسی (1975- تاکنون)
تاریخچه هوش مصنوعی
پیدایش هوش مصنوعی
اشتیاق زودهنگام، آرزوهای بزرگ (1952-1969)
مقداری واقعیت (1966-1974)
سیستم‌های مبتنی بر دانش: کلید قدرت؟ (1969-1979)
روش‌های ضعیف
MYCIN نسبت به DENDRAL دو تفاوت عمده دارد
AI به یک صنعت تبدیل می‌شود (1980-1988)
بازگشت شبکه‌های عصبی

فصل دوم: عامل‌های هوشمند
عامل
عامل نرم‌افزاری
عوامل انسانی
حس کردن: گوش، چشم، دیگر ارگان‌ها
اثرگذاری: دست، پا، بینی، اندام‌های دیگر
عوامل روباتیک
حس کردن: دوربین، یابنده‌های مادون قرمز
اثرگذاری: موتور
عامل‌ها چگونه باید عمل کنند؟
تفاوت میان منطقی بودن و دانش کل (omniscience)
نگاشت ایده‌آل از دنباله‌های ادراکی به عملیات
ساختار عامل‌های هوشمند
برنامه‌های عامل
تشابهات عامل‌های هوشمند
چرا تنها به پاسخ‌ها نگاه نمی‌کنیم
عامل‌های واکنشی ساده
عامل‌هایی که اثرات دنیا را حفظ می‌کنند
عامل‌های هدف گرا
تفاوت عامل‌های واکنشی و هدف‌گرا
عامل‌های سودمند
ارتباط بین عامل و محیط
خواص محیط
قابل دسترسی در مقابل غیر دسترسی
قطعی در برابر غیر قطعی
پپیزودیک در مقابل غیراپیزودیک
ایستا در مقابل پویا
گسسته در مقابل پیوسته
سخت‌ترین حالت در بین حالات موجود برای محیط
برنامه‌های محیط

فصل سوم: حل مسائل توسط جستجو
عامل‌های حل مسئله
مسائل تک حالته (Single-state)
مسائل چند حالته (Multiple-state)
مسائل احتمالی (Contingency)
مسائل  اکتشافی (Exploration)
دانش و انواع مسئله
دنیای مکش (جاروبرقی)
مدل‌های مختلف برای مسئله جاروبرقی
مسائل و راه‌حل‌های خوب تعریف شده
اندازه‌گیری کارایی حل مسئله
انتخاب حالات و عملیات
انتزاع
مسائل نمونه
مسائل اسباب‌ بازی
Cryptarithmetic
دنیای مکش
مسئله کشیش‌ها و آدمخوارها
مسائل دنیای واقعی
مسیریابی
مسائل فروشنده دوره گرد و تور
طرح VISI
هدایت ربات
خط تولید خودکار
جستجو برای راه‌حل
تولید دنباله‌های عمل
فرآیند گسترش حالت
اصل جستجو
ریشه درخت جستجو
گره‌های برگی درخت
ساختارهای داده برای درخت‌های جستجو
تفاوت بین گره‌ها و حالت‌ها
استراتژی جستجو
جستجوی سطحی
جستجوی با هزینه یکسان
جستجوی عمقی
جستجوی عمقی محدود شده
جستجوی عمیق‌کننده تکراری
جستجوی دوطرفه
مقایسه استراتژی‌های جستجو
اجتناب از حالات تکراری
سه راه برای حل مشکل حالات تکراری برای مقابله با افزایش مرتبه و سرریزی فشار کار کامپیوتر وجود دارد
جستجوی ارضاء محدودیت (Constraint Satisfaction Problem)
محدودیت‌ها به گونه‌های مختلفی ظاهر می‌شوند
محدودیت‌های یکتا
محدودیت‌های دودویی
محدودیت‌های مطلق
محدودیت‌های اولویت‌دار

فصل چهارم: روش‌ های جستجو آگاهانه
جستجوی بهترین
حداقل هزینه تخمین زده شده برای رسیدن به هدف: جستجوی حریصانه
ویژگی‌های جستجوی حریصانه
حداقل‌سازی مجموع هزینه مسیر: جستجوی
کشف‌کنندگی قابل قبول
جستجوی A*
رفتار جستجوی A*
نگاهی گذرا به اثبات کامل و بهینه بودن A*
توابع کشف‌کننده
اثر صحت کشف‌کنندگی بر کارایی
کشف‌کننده‌ها برای مسائل ارضا محدودیت
ما حداکثر از سه رنگ (قرمز، آبی، سبز) می‌توانیم استفاده کنیم
جستجوی SMA*
SMA*  دارای خواص زیر است
الگوریتم‌های اصلاح تکراری
این الگوریتم‌ها به دو گره اصلی تقسیم می‌شوند:
 الگوریتم‌های تپه‌نوردی (Hill-climbing)
Simulated annealing
کاربردها در مسائل ارضا محدودیت

فصل پنجم: تئوری بازی
بازی‌ها در نقش مسائل جستجو
دلایلی که محققین قدیم، شطرنج را به‌عنوان موضوعی در AI برگزیدند
پیچیدگی بازی‌ها
عدم قطعیت
تصمیمات کامل در بازی‌های دونفره
یک بازی به طور رسمی می‌تواند به عنوان نوعی از مسئله جستجو به همراه قسمت‌های زیر تعریف شود
الگوریتم MINMAX به منظور تعیین استراتژی بهینه برای MAX طراحی شده است و از این رو می‌توان بهترین حرکت را تصمیم‌‌گیری کرد. الگوریتم شامل 5 مرحله است:
تولید درخت کامل بازی، تمام راه تا مراحل پایانی
درخواست تابع سودمندی برای هر حالت پایانی به منظور بدست آوردن مقدارش
از سودمندی حالات پایانی به منظور تعیین سودمندی گره‌ها یک مرحله بالاتر دردرخت جستجو استفاده کنید.
بررسی مقادیر را از گره‌های برگی تا ریشه، یک لایه در هر لحظه، ادامه دهید.
احتمالاً مقادیر به بالای درخت می‌رسند، MAX حرکتی را انتخاب می‌کند که به بالاترین مقدار منتهی می‌شود.
تصمیمات ناقص
الگوریتم مینی‌ماکس،  به دو راه تغییر یابد
تابع ارزیابی
چگونه به طور دقیق کیفیت را می‌توان اندازه گرفت؟
قطع جستجو
هرس آلفا- بتا
هرس درخت جستجو
درخت جستجوی آلفا- بتا
مزایای هرس آلفا- بتا
بازی‌هایی که شامل عنصر شانس هستند
ارزیابی موقعیت در بازی‌ها با گره‌های شانس
پیچیدگی

فصل ششم: عامل‌هایی که به طور منطقی استدلال می‌‌کنند
معرفی طراحی پایه‌ای برای یک عامل مبتنی بر دانش
عامل مبتنی بر دانش به موارد زیر نیاز دارد:
چه چیزهایی را بداند؟
وضعیت جاری دنیا؟
چطور توسط ادراک به خواص نادیده دنیا رجوع کند؟
چطور دنیا زمان را می‌گشاید؟
عامل به چیزی می‌خواهد برسد؟
فعالیت‌هایی که در شرایط مختلف انجام می‌دهد چیست؟
پایگاه دانش
هر زمان که برنامه دانش صدا زده می‌شود، دو عمل انجام می‌شود
به پایگاه دانش گفته می‌شود (TELL) که چه دریافت کرده است.
از پایگاه دانش سؤال می‌‌شود (ASK) که چه عملی باید انجام شود
می‌توانیم یک عامل مبتنی بر دانش را در سه سطح تعریف کنیم
سطح دانش knowledge level یا سطح epistemological که خلاصه‌ترین سطح است؛ می‌توانیم عامل را توسط گفتن این که عامل چه می‌داند، تعریف ‌نماییم
سطح منطقی logical level سطحی است که دانش به صورت جملات رمزگذاری می‌شود.
سطح پیاده سازی Implementation Level سطحی است که در معماری عامل اجرا می‌شود و بازنمایی‌های فیزیکی از جملات سطح منطقی، در این سطح وجود دارد
دنیای WUMPUS
بازنمایی، استدلال و منطق
زبان بازنمایی دانش متوسط دو خاصیت تعریف می‌شود
تفاوت بین حقایق و بازنمایی‌های آن ها
استلزام
رویه استنتاج می‌تواند یکی از دو عامل ذیل را انجام دهد
با داشتن پایگاه دانش KB می‌تواند جملات تازه‌ای از a  تولید کند که مفهوم آن استلزام توسط KB باشد.
یا با داشتن یک پایگاه دانش KB و جمله a دیگری، این رویه می‌تواند گزارش دهد که a توسط KB مستلزم شده است یا خیر
کلید استنتاج صحیح
بازنمایی
مزایا و معایب زبان طبیعی
صدق‌پذیری
استنتاج در کامپیوترها
منطق گزاره‌ای: یک منطق بسیار ساده
علائم منطق گزاره‌ای:
ثابت های منطقی (true, False)
علائم گزاره‌ای: Q, P
رابط‌های
پرانتز ()
تمام جملات توسط قرار دادن این علائم با هم و با استفاده از قوانین زیر، ساخته ‌می‌شوند:
ثابت های منطقی (true, False) خودشان جمله محسوب می‌شوند.
علامات گزاره‌ای نظیر Q, P هر کدام به تنهایی یک جمله هستند.
پرانتزهای اطراف یک عبارت، آن عبارت را تبدیل به یک جمله واحد می‌سازند مثل (P ^ Q)
یک جمله می‌تواند توسط ترکیب جملات ساده‌تر با یکی از پنج رابط منطقی ایجاد می‌شود.
مدل‌ها Models
قوانین استنتاج برای منطق گزاره‌ای
یکنوایی
مشکل کند شدن رویه استنتاج

فصل هفتم: منطق مرتبه اول
منطق گزاره‌ای
منطق مرتبه اول First-Order_logic)
اجزایی که در این منطق وجود دارند:
تعریف دقیق هر عنصر به صورت زیر است
سیمبول های ثابت (Constant Symbols)
سیمبول های گزاره (Predicate Symbols)
سیمبول های تابع (Function Symbols)
ترم‌ها (Terms)
جملات اتمی (Atomic sentences)
جملات پیچیده
سورها (Quantifires)
منطق مرتبه اول دو سور استاندارد دارد
سور عمومی (Universal Quantification)
سور وجودی (Existential)
سورهای لانه‌ای (Nested Quantifiers)
تساوی (Equality)
سیمبول تساوی
توسعه‌ها و تمایزات نگارشی
1- منطق مرتبه بالاتر
2-1 عبارات تابعی و گزاره‌ای با استفاده از عملگر λ
2-2 سور یکتایی
2-3 عملگر یکتایی
3- انواع علائم
استفاده از منطق مرتبه اول
دامنه Kinship
اصل موضوعات، تعاریف و قضایا
دامنه مجموعه‌ها
علائم خاص برای مجموعه‌ها، لیست‌ها و محاسبات
طرح پرسش و گرفتن پاسخ
عامل‌های منطق برای دنیای Wumpus
عامل واکنشی ساده
محدودیت‌های عامل‌های واکنشی ساده:
وجود مسائلی که باید به عامل از طریق بازنمایی دنیا فهمانده شود.
عامل‌های واکنشی نمی‌توانند از حلقه‌های نامحدود اجتناب ورزند.
بازنمایی تغییر در دنیا
محاسبه موقعیت
استنتاج خواص پنهانی دنیا
دو نوع اصلی از قوانین همزمان وجود دارند
قوانین Causal
قوانین تشخیصی (Diagnostic rules)
اولویت بین عملیات
سیستم مقدار عملیاتی
به سوی یک عامل هدف دار
استنتاج
جستجو
برنامه‌ریزی

فصل هشتم: استنتاج در منطق مرتبه اول
قوانین استنتاج مربوط به سورها
قوانین استنتاج برای منطق گزاره‌ای
Modus Ponens
And – Elimination
And – Introduction
Or – Introduction
Resolution
سه قانون استنتاجی جدید
1- حذف سور عمومی (Universal Elimination)
2- حذف سور وجودی
3- (Existential Introduction)
Modus Ponens تعمیم یافته
فرم Canonical
یکسان‌سازی (Unificaiton)
زنجیره‌سازی به جلو و عقب (Forward AND Backward Chaining):
زنجیره‌سازی به جلو (forward chaining)
زنجیره‌سازی به عقب (Backward Chaining)
الگوریتم زنجیره‌سازی به جلو
الگوریتم زنجیره‌سازی به عقب
کامل بودن Completeness
Resolution: یک رویه استنتاج کامل
قانون استنتاج resolution
Resolution‌تعمیم یافته (ترکیبات فصلی)
Resolution تعمیم یافته (ترکیبات شرطی)
فرم‌های Canonical برای resolution
تبدیل به فرم نرمال
رویه‌ای برای تبدیل به فرم نرمال
1) حذف ترکیب شرطی
2) حذف
3) استاندارد کردن متغیرها
4) انتقال سورها به سمت چپ
5) Skolemize
6) توزیع Λ بر ν
7) ترکیبات فصلی و عطفی لانه‌ای مسطح شده
8) تبدیل ترکیبات فصلی به ترکیب شرطی
برخورد با مسئله تساوی
دو روش برای انجام این امر:
1) بدیهی نمودن تساوی به وسیله ذکر خواص آن
2) استفاده از یک قانون استنتاج از یک قانون استنتاج
استراتژی‌های Resolution:
Unit preference
2) مجموعه Support
3) Resolution‌ ورودی
4) Subsumption

فصل نهم: برنامه‌ریزی
تفاوت عامل برنامه‌ریزی با عامل حل مسئله در سه چیز است
بازنمایی اهداف، حالات و عملیات
یک عامل ساده برنامه‌ریزی
از حل مسئله به برنامه‌ریزی
عناصر اولیه یک حل مسئله مبتنی بر جستجو
بازنمایی عملیات
بازنمایی حالات
بازنمایی اهداف
بازنمایی برنامه‌ها
اولین ایده کلیدی در ورای برنامه‌ریزی
دومین ایده کلیدی در ورای برنامه‌ریزی
سومین ایده کلیدی در ورای برنامه‌ریزی

فصل دهم: عدم قطعیت
مسئله کیفیت
برخورد با دانش غیرقطعی
عدم قطعیت و تصمیمات عقلانی
تئوری سودمندی
طراحی برای یک عامل تصمیم‌گیری نظری

قیم