Popis předmětu - A4M33RZN

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
A4M33RZN Pokročilé metody reprezentace znalostí
Role:  Rozsah výuky:2P+2C
Katedra:13136 Jazyk výuky:CS
Garanti:  Zakončení:Z,ZK
Přednášející:  Kreditů:6
Cvičící:  Semestr:Z

Webová stránka:

http://cw.felk.cvut.cz/doku.php/courses/a4m33rzn/start

Anotace:

Kurz navazuje na bakalářský předmět A4B33ZUI a prohlubuje chápání reprezentace znalostí nad rámec formalismu výrokové a predikátové logiky. Studenti se seznámí s ontologiemi a deskripční logikou, základními stavebními kameny sémantického webu. Dále bude pozornost věnována rozšíření logického systému o pravděpodobnostní atributy typu možnosti a nutnosti. Pravděpodobnostní grafické modely spojují klasickou pravděpodobnost s teorií grafů. Umožňují zjednodušenou reprezentaci sdružené pravděpodobnosti a efektivní usuzování. Fuzzy množiny umožňují vyjádřit vágní informaci.

Výsledek studentské ankety předmětu je zde: A4M33RZN

Cíle studia:

Seznámit se s pokročilejšími formami reprezentace strukturované a neurčité znalosti.

Osnovy přednášek:

1. Úvod: od rámců k použití ontologií.
2. Deskripční logika - jazyk a jeho vyjadřovací schopnost. Srovnání/spolupráce s pravidlovými systémy.
3. Deskripční logika - specifické postupy používané pro odvozování, metoda
tableaux.
4. Formulace a vyhodnocování dotazů v DL. Výskyt nekonzistence v ontologii a jeho vysvětlení.
5. Výpočetně zvladatelné fragmenty DL. Sémantický web a co dál?
6. Nejistota, podmíněná nezávislost, úvod do pravděpodobnostních sítí.
7. Inference v bayesovských sítích.
8. Učení bayesovských sítí z dat.
9. Dynamické pravděpodobnostní modely, spojité veličiny, neorientované grafy.
10. Role a zpracování nejisté a nepřesné informace ve znalostních systémech.
11. Fuzzy množiny a jejich reprezentace.
12. Fuzzy čísla a operace s nimi.
13. Operace s fuzzy množinami.
14. Algebra fuzzy operací.

Osnovy cvičení:

1. Úvod, seznámení s ontologickým editorem Protege. Příklad na modelování ontologií v jazyku OWL. Zadání úlohy.
2. Inference s pomocí inferenčního stroje Pellet. Rozdíl mezi OWA (Pellet) a CWA (Prolog). Řešení úlohy.
3. Dotazovací jazyk SPARQL. Řešení úlohy.
4. Vysvětlení modelovacích chyb. Odevzdání úlohy. Test deskripční logiky.
5. Modality a čas v logice - připomenutí.
6. Softwarové nástroje pravděpodobnostního modelování (Bayes Net Toolbox for Matlab). Zadání úlohy.
7. Početní řešení inferenčních úloh. Implementace řešení úlohy v BNT.
8. Ilustrace učení bayesovských sítí z dat. Implementace řešení úlohy v BNT.
9. Odevzdání úlohy. Test na grafické pravděpodobnostní modely.
10. Vzájemný převod reprezentací fuzzy množin.
11. Fuzzy čísla a operace s nimi, zadání úlohy.
12. Operace s fuzzy množinami.
13. Vlastnosti fuzzy operací, odevzdání úlohy, test fuzzy.
14. Rezerva, zápočty.

Literatura:

[1] Franz Baader , Diego Calvanese , Deborah L. McGuinness , Daniele Nardi , Peter F. Patel-Schneider, The Description Logic Handbook, Cambridge University Press, New York, NY, 2007.
[2] Baader, F., Sattler U.: An overview of tableau algorithms for description logics ; Studia Logica, 69:5-40, 2001.
[3] Charniak, E.: Bayesian Networks without Tears. AI Magazine 12(4): 50-63, 1991.
[4] Pearl , J.: Causality: Models, Reasoning and Inference. Cambridge University Press, 2001.
[5] Navara, M., Olšák, P.: Základy fuzzy množin. Skriptum ČVUT, 2. (přepracované) vydání, Praha, 2007.

Požadavky:

Znalosti z předmětů A4B33ZUI a A0B01PSI. URL: http://cw.felk.cvut.cz/doku.php/courses/a4m33rzn/start

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

Klíčová slova:

ontologie, deskripční logika, podmíněná nezávislost, bayesovská síť, fuzzy množiny a operace.

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr


Stránka vytvořena 5.10.2024 17:50:26, semestry: Z/2024-5, Z/2025-6, L/2024-5, L/2023-4, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)