
Bài giảng Trí tuệ nhân tạo (Tuần 9)
Thông tin tài liệu:
Nội dung trích xuất từ tài liệu:
Bài giảng Trí tuệ nhân tạo (Tuần 9) 3/10/2014 Tuần 9 (Bài 1) Hai V Pham HUST 1 Trong môi trường không chắc chắn có rất nhiều các ứng dụng cần biểu diễn tri thức 2 P(A) được biểu diễn: 3 1 3/10/2014456 2 3/10/2014 A và B được gọi độc lập về xác suất P(A I B) = P(A) Các luật như sau: 7 8 Logic mờ cho phép biểu diễn các thông tin không chắc chắn (rõ ràng) 9 3 3/10/2014 Hai V Pham hai@spice.ci.ritsumei.ac.jp 10 Hai V Pham hai@spice.ci.ritsumei.ac.jp 11 nh nghĩa : Cho một tập vũ trụ U. Tập hợp :ịnh A~ được xác định bởi đẳng thức: A~ = {µA~(u) /u : u ∈ U, µA~((u) ∈ [0, 1]} được gọi là một tập hợp mờ trên tập U. Biến u lấy giá trị trong U được gọi là biến cơ sở và vì vậy tập U còn được gọi là tập tham chiếu hay miền cơ sở. Hàm µA~ : U → [0, 1] được gọi là hàm thuộc (membership function) và giá trị µA~(u) tại u được gọi là độ thuộc của phần tử u thuộc về tập hợp mờ A~. 12 4 3/10/2014 13 Cho A~ và B~ là hai tập mờ trên U. (1): A~ bằng B~ , ký hiệu A~ = B~ , nếu µA~(x) = µB~ (x), ∀ x ∈U. (2): A~ chứa trong B~, ký hiệu A~ ⊆ B~, nếu µA~(x) ≤ µB~(x), ∀x ∈U. (3): Hợp của hai tập mờ A~ và B~, ký hiệu A~ ∪ B~, là một tập mờ trên U với hàm thuộc xác định bởi: µA~∪B~(x) = Max{µA~(x), µB~ (x)}, ∀ x ∈U. (4): Giao của hai tập mờ A~ và B~, ký hiệu A~ ∩ B~, là một tập mờ trên U với hàm thuộc xác định bởi: µA~∩B~(x) = Min{µA~(x), µB~(x)}, ∀ x ∈U. (5): Phần bù của tập mờ A~, ký hiệu A~ là một tập mờ trên U với hàm thuộc xác định bởi: µA~ (x) = 1- µA~(x)), ∀ x ∈U 14 Cho A~ và B~ là hai tập mờ trên U (1): Tổng đại số A~ ⊕ B~ = {(x, µA~+B~(x)) | x ∈U, µA~+B~(x) = µA~(x)+ µB~(x)- µA~(x). µB~(x)}. (2): Tích đại số A~ ⊗ B~ = {(x, µA~.B~(x)) | x ∈U, µA~.B~(x) = µA~(x). µB~(x)}. 15 5 3/10/2014161718 6 3/10/2014 Sinh viên cần chuẩn bị trình bày kết quả & demo chương trình Báo cáo bài tập lớn: ◦ Viết thuật giải ◦ Trình bày không gian trạng thái ◦ Các bước cài đặt / hướng dẫn cài đặt ◦ Gửi email cho lớp trưởng (báo cáo đầy đủ, Slides trình bày, mã nguồn) ◦ Gửi bản in báo cáo nộp tại lớp buổi cuối của môn học Hai V Pham hai@spice.ci.ritsumei.ac.jp 19 7
Tìm kiếm theo từ khóa liên quan:
Bài giảng Trí tuệ nhân tạo Trí tuệ nhân tạo Biểu diễn tri thức Biểu diễn xác suất Xác suất có điều kiện Suy diễn mờTài liệu có liên quan:
-
Đề cương chi tiết học phần Trí tuệ nhân tạo
12 trang 476 0 0 -
7 trang 282 0 0
-
6 trang 209 0 0
-
Kết quả bước đầu của ứng dụng trí tuệ nhân tạo trong phát hiện polyp đại tràng tại Việt Nam
10 trang 206 0 0 -
Xây dựng ontology trợ giúp ra quyết định về đào tạo cho các trường Đại học ở Việt Nam
10 trang 180 0 0 -
9 trang 171 0 0
-
Xu hướng và tác động của cách mạng công nghiệp lần thứ tư đến môi trường thông tin số
9 trang 170 0 0 -
Tìm hiểu về Luật An ninh mạng (hiện hành): Phần 1
93 trang 155 0 0 -
Xác lập tư cách pháp lý cho trí tuệ nhân tạo
6 trang 154 1 0 -
Luận văn tốt nghiệp: Ứng dụng trí tuệ nhân tạo trong xây dựng GAME
120 trang 147 0 0 -
Chuyển đổi số: cơ sở và ứng dụng
18 trang 135 0 0 -
Tác động của ứng dụng công nghệ tài chính đến hiệu quả hoạt động của ngân hàng thương mại Việt Nam
10 trang 122 0 0 -
Nhận dạng giọng chữ cái tiếng Việt sử dụng deep Boltzmann machines
8 trang 96 0 0 -
Dự báo công suất nguồn điện mặt trời sử dụng trí tuệ nhân tạo
12 trang 89 0 0 -
Dạy học Xác suất có điều kiện ở lớp 12 theo Chương trình Giáo dục phổ thông môn Toán 2018
7 trang 87 0 0 -
Đồ án tốt nghiệp: Thiết kế và điều khiển robot tự hành dò đường trong mê cung
64 trang 86 0 0 -
Triển khai AI trong dạy học và nghiên cứu khoa học của sinh viên theo xu hướng chuyển đổi số
13 trang 76 0 0 -
39 trang 73 0 0
-
Độ chính xác nhận dạng trong mô hình Faster R-CNN khi có nhiễu
5 trang 68 0 0 -
Hệ sinh thái kinh tế số tại Việt Nam
10 trang 66 0 0