Universitatea "Babeş-Bolyai" din Cluj-Napoca

Facultatea de Matematică şi Informatică
FISA DISCIPLINEI

Inteligenţă artificială Artificial intelligence
Cod
Semes-
trul
Ore: C+S+L
Credite
Tipul
Sectia
MI017
6
2+1+0
9
obligatorie
Tehnologie Informatică
(College of Computer Technology)
MI017
7
2+1+1
6
obligatorie
Informatică
(Computer Science)
Cadre didactice indrumatoare Teaching Staff in Charge
Prof. Dr. DUMITRESCU Dan Dumitru, ddumitr@cs.ubbcluj.ro
Lect. SOOS Anna, asoos@math.ubbcluj.ro
Obiective Aims
Sa furnizeze o introducere coerenta in domeniul I.A.
Sa realizeze directiile fundamentale de evolutie a domeniului.
Sa asigure baza necesara urmaririi unor cursuri avansate.

Continut
1. Paradigma logico-simbolica a Inteligentei artificiale.
1.1. Rezolvarea problemelor in IA.
1.2. Spatiul starilor problemei.
1.3. Sisteme de reguli de producere.
1.4. Strategii de cautare (control).
1.4.1. strategii prin incercari succesive.
1.4.2. control irevocabil.
1.4.3. introarcere cronologica.
1.4.4. grafe si arbori de cautare.
1.5. Caracteristicile sistemelor de producere.
1.6. Explozia combinatoriala.
1.7. Cautare euristica.
2. Metode de rezolvare a problemelor.
2.1. Rationamentul inainte si rationamentul inapoi.
2.2. Metode de cautare oarba(neinformata) in spatiul starilor.
2.3. Cautare ordonata. Functia de evaluare.
2.4. Algoritmul A si algoritmul A*.
2.5. Admisibilitatea algoritmului A*.
2.6. Compararea algoritmilor.
3. Reprezentarea cunoasterii in IA.
3.1. Reprezentarea cunoasterii folosind logica predicatelor.
3.2. Reprezentarea cunoasterii folosind logici nestandard.
3.3. Metode declarative si metode procedurale.
3.4. Reprezentarea procedurala(sistemele SIR, SHRDLU).
3.5. Completitudinea si consistenta sistemelor procedurale.
3.6. Retele semantice.
3.7. Reprezentarea cunoasterii prin cadre.
3.8. Reprezentarea prin scenarii.
4. Invatarea in sistemele cu inteligenta artificiala.
4.1. Directii de cercetare.
4.1.1. Achizitia simbolica.
4.1.2. Modelarea neuronala.
4.1.3. Invatarea unui domeniu.
4.2. Strategii de invatare.
4.2.1. Tipuri de invatare.
4.2.2. Invatarea inductiva.
4.3. Instruire neuronala.
4.3.1. Instruire supervizata.
4.3.2. Instruire nesupervizata.
4.3.3. Instruire hebbiana.
5. Paradigma conexionista a Inteligentei Artificiale.
5.1. Istoric.
5.2. Elemente de neurobiologie.
5.3. Modele conexioniste-principii de baza.
5.4. Paradigmele instruirii.
6. Modelul perceptronului.
6.1. Arhitectura de baza.
6.2. Functia criteriu.
6.3. Algoritmul de instruire.
6.4. Convergenta procedurii de instruire.
6.5. Limite ale perceptronului.
6.6. Arhitrctura cu mai multe straturi.
6.7. Instruirea perceptronului cu mai multe straturi.
6.8. Algoritmul Gallant.
7. Instruire prin minimizarea erorilor patratice.
7.1. Metoda globala.
7.2. Algoritmul Widrow-Hoff (regula delta).
7.3. ADALINE.
7.4. Procedura probabilista.
7.5. Convergenta metodei iterative.
7.6. Comparatia cu perceptronul.
8. Retele asociative.
8.1. Memorii asociative bidirectionale(MAB).
8.2. Asociatorul liniar.
8.3. Memorii liniare optimale.
8.4. Functionarea MAB.
8.5. Stabilitatea MAB. Functii Liapunov.
8.6. MAB adaptive.
9. Modelul Hopfield.
9.1. Arhitectura.
9.2. Instruirea si functionarea.
9.3. Stabilitatea.
10. Propagarea inapoi a erorii.
10.1. Arhitectura.
10.2. Functia criteriu.
10.3. Regula de corectie.
10.4. Algoritmul de propagare inapoi.
10.5. Convergenta procedurii.
10.6. Marirea vitezei de convergenta.
10.6.1. Metoda momentului.
10.6.2. Metoda de tip Newton.
10.6.3. Metoda directiilor conjugate.
10.6.4. Metoda de netezire.
Bibliografie
1. Dumitrescu, D., Inteligenta artificiala, Lito. Univ. "Babes-Bolyai", 1995.
2. Dumitrescu, D., Modele conexioniste in Inteligenta Artificiala, Univ. "Babes-Bolyai", 1995.
3. Georgescu, I., Inteligenta artificiala, Ed. Academiei, 1987.
4. Malita, M., Bazele matematice ale Inteligentei Artificiale, Ed.Tehnica, 1988.
5. Partridge, D., Artificial Intelligence. Aplications in the future of software engineering, Ellis Harwood Series in A.I., John Wiley & Sons, New York 1986.
6. Rich, E. Artificial Intelligence, Mc.Graw Hill, 1989.
7. Winston, P., Inteligenta artificiala, Ed.Tehnica, 1980.
8. Goldberg, D. E., Genetic Algorithm. Addison-Wesley, Reading, 1989.
Evaluare Assessment
Fiecare student trebuie sa demonstreze ca a atins un nivel acceptabil de cunoastere si intelegere a domeniului, ca este capabil sa exprime cunostintele intr-o forma coerenta, ca are capacitatea de a stabili anumite conexiuni si de a utiliza cunostintele in rezolvarea unor probleme. Verificarea cunostintelor consta dintr-un examen scris si oral. Fiecare student va primi cate o nota pentru materia din partea I-a si o nota pentru materia din partea a doua. Nota finala va fi media celor doua note.