Page 1 of 2

Τεχνητή Νοημοσύνη

Posted: Sun Jan 08, 2017 3:11 pm
by valeia
Καλησπέρα και καλή χρονιά!
Υπάρχει κάποιος που να έκανε bayes με πολυμεταβλητη bernoulli που μπορει να μου πει που βρήκε dataset που να κάνει?

Re: Τεχνητή Νοημοσύνη

Posted: Sun Jan 08, 2017 3:46 pm
by Georgilakis Antonios
valeia wrote:Καλησπέρα και καλή χρονιά!
Υπάρχει κάποιος που να έκανε bayes με πολυμεταβλητη bernoulli που μπορει να μου πει που βρήκε dataset που να κάνει?
https://archive.ics.uci.edu/ml/datasets.html

Re: Τεχνητή Νοημοσύνη

Posted: Mon Jan 09, 2017 7:03 pm
by valeia
Στον bayes με bernoulli ακόμα και η κατηγορία πρέπει να είναι bernoulli έτσι? Γιατί αυτό έχω καταλάβει..

Re: Τεχνητή Νοημοσύνη

Posted: Tue Jan 17, 2017 9:17 pm
by valeia
Τα σημερινά θέματα:
1. Α* με κλειστό σύνολο(Sibiu->bucharest)
2. minimax να βρούμε αν υπάρχει το όφελος του Max, συμπλήρωση ενός δέντρου που δινλοταν όπως σε μια άσκηση μελέτης. Συνεπής h αποδειξη οτι Α* με κλειστο βελτιστος.
3. Κάποιες προτάσεις απο φυσική γλώσσα σε πκλ
4. Μια απο αυτές να την κάνουμε cnf
5. Απο αυτές τις προτάσεις κάποιες αποτελούσαν ΒΓ ... να αποδείξουμε με άτοπο τον τύπο της 4 ότι συνεπάγεται απο την ΒΓ.
6. Δινόταν ένας πίνακας με 6 instances και τις κατηγορίες τους ...να χρησιμοποιήσουμε τον k-nn για k=1 ώστε να πουμε αν απαντα 100% ή λιγότερο τη σωστη κατηγορία.με απόσταση το πλήθος των διαφορετικών τιμών των ιδιοτήτων.
7. Για τον ιδιο πίνακα να κάνουμε naive bayes με εκτιμητρια laplace.
8. Λογιστική παλινδρόμηση με διάγραμμα
9. Χάρτη του αλγορίθμου earley μιας γραμματικής για μια πρόταση και dcg γι αυτήν ωστε να δινουν κάποια phrase συγκεκριμενα αποτελέσματα.
αυτά ήταν συνοπτικά όποιος θέλει ας συμπληρώσει.

Re: Τεχνητή Νοημοσύνη

Posted: Thu Feb 09, 2017 5:26 pm
by skater1995
Η εξέταση εργασιών σε ποιο εργαστήριο γίνεται?

Re: Τεχνητή Νοημοσύνη

Posted: Thu Feb 09, 2017 9:04 pm
by feronimus
Εξέταση εργασιών 2017

Επιστροφή
Ημερομηνία: 2017-01-31 10:45:55
Καλημέρα



Στο παρακάτω doodle μπορείτε να διαλέξετε ώρα και μέρα εξέτασης

http://doodle.com/poll/s232esmp4wcdr6m7

Διαβάστε καλά τις οδηγίες του doodle που βλέπετε και παρακάτω.

Κάθε ομάδα εξετάζεται για μισή ώρα και για τις τρεις ασκήσεις.
Μόνο ένα άτομο ανά ομάδα θα κλείσει κάποιο (αλλά μόνο ένα) μισάωρο.
Θα πρέπει παρ' όλα αυτά να γράψετε όλα τα ονόματα της ομάδας σας στο αντίστοιχο slot.
π.χ. ΠΑΠΠΑΣ Δ. - ΚΥΝΗΓΟΠΟΥΛΟΣ Θ. - ΚΑΡΑΓΚΟΥΝΗΣ Α.



Τέλος συστήνεται να έχετε μαζί σας και λάπτοπ.



Καλή συνέχεια και καλά αποτελέσματα στις εξετάσεις σας

Re: Τεχνητή Νοημοσύνη

Posted: Thu Feb 09, 2017 10:35 pm
by skater1995
ναι το πού ρωτάω..

Re: Τεχνητή Νοημοσύνη

Posted: Thu Feb 09, 2017 10:38 pm
by Alive
Εργαστήριο Επεξεργασίας πληροφοριών 4ος όροφος (τελευταία αίθουσα) Πτέρυγα Αντωνιάδου

Re: Τεχνητή Νοημοσύνη

Posted: Fri Feb 10, 2017 9:53 am
by skater1995
:smt023

Re: Τεχνητή Νοημοσύνη

Posted: Tue Sep 05, 2017 6:29 pm
by skater1995
Τα σημερινά θέματα:
Θέμα 1) 1. BestFS με κλειστό σύνολο(Sibiu->bucharest)
2. Α* με κλειστό σύνολο(Sibiu->bucharest)
3. Να δείξω αν είναι αποδεκτή και συνεπής η ευρετική.
4. Α* με κλειστό σύνολο αν βρίσκει βέλτιστη μονοπάτι
Θέμα 2) 1. Έδινε κάποιες προτάσεις σε ΠΚΛ οι οποίες είχαν κάποια λάθη και ζήταγε να τις διορθώσουμε.
2. Μετατροπή προτάσεων σε CNF (στις 3 έδινε και τελική μορφή).
3. Με βάση τον κανόνα της ανάλυσης να δείξουμε ότι 2 από αυτές τις προτάσεις συνεπάγονταν σε μία άλλη πρόταση.
4. Μετατροπή 2 προτάσεων σε OWL.
Θέμα 3) 1. και 2. ερώτημα όπως το Θέμα 3(α,β) του 2012
3. Παρόμοιο με άσκηση μελέτης 18.4
Θέμα 4) 1. Παρόμοιο με άσκηση μελέτης 23.2
2. Γράψτε ως προτάσεις Horn πρωτοβάθμιας κατηγορηματικής λογικής τους ακόλουθους κανόνες γραμματικής DCG. Συμβολίστε με «s1 + s2» τη συνένωση δύο συμβολοσειρών s1, s2.

Re: Τεχνητή Νοημοσύνη

Posted: Fri Oct 06, 2017 5:05 pm
by nikos8232
τι δυσκολιας ειναι οι εργασιες ?τι επιπεδο java χρειαζεται??

Re: Τεχνητή Νοημοσύνη

Posted: Sat Oct 07, 2017 1:53 pm
by Agelos123
Οποιος ψάχνει άτομο για εργασίες ας στείλει πμ.

Re: Τεχνητή Νοημοσύνη

Posted: Tue Oct 10, 2017 5:26 pm
by nikos8232
ψαχνω και γω αν θες στειλε να μιλησουμε

Re: Τεχνητή Νοημοσύνη

Posted: Sun Oct 29, 2017 11:04 am
by pgl
Υπάρχει άτομο ή ζεύγος που ψάχνει συνεργάτη για τις εργασίες;

Re: Τεχνητή Νοημοσύνη

Posted: Wed Dec 13, 2017 10:15 pm
by jennaki123
Καλησπερα παιδια! Μηπως εχει καποιος την εκφωνηση της δευτερης εργασιας για το ετος 2015-2016? (θελω να βελτιωσω τον κωδικα μου και ψαχνω την εκφωνηση :P )

Re: Τεχνητή Νοημοσύνη

Posted: Wed Jan 17, 2018 9:49 am
by pgetsos
Θεματα απο χθες, για βοηθηστε

1) α) Χρηση γενετικου αλγοριθμου για προγραμμα σχολειου, νομιζω υπαρχει τετοιο στα θεματα του 2009?
β) Minmax με 3 παιχτες σε ΜΗ τελικα φυλλα ομως
2) Κλασσικο θεμα με Μιλο και Ψιτα, σε ΠΚΛ, Horn, OWL
3) α) Εντροπια και Κερδος πληροφοριας (πολλαπλης με εξηγηση)
β) Perceptrons, να πουμε πως θα ειναι ενα δικτυο
4) α) Κυλιομενο παραθυρο νευρωνικου δικτυου, να πεις τις διαστασεις καποιων πινακων
β) Τι γραμμματικη ηταν αυτη που δινει και να κανεις earley Μονο τελικων ακμων

Re: Τεχνητή Νοημοσύνη

Posted: Wed Jan 17, 2018 12:23 pm
by axill
Οτι θυμαμαι απο τα θεματα του Ιανουαριου του 2018:
Θεμα 1: γενετικοι αλγοριθμοι Σου εδινε τα μαθηματα που πρεπει να εξεταστουν, νομιζω ποσες ωρες καθε μερα ηταν διαθεσιμες για να δινονται μαθηματα και καποιους περιορισμους οι οποιοι ειχαν σειρα προτεραιοτητας.
Θεμα 2: α) εδινε εναν πινακα και ζητουσε εντροπια
ειχε ενα ερωτημα για τον ID3, οπου επρεπε να χρησιμοποιησεις τον πινακα και τα υπολοιπα δεν τα θυμαμαι αλλα ειχαν να κανουν με αυτα τα κεφαλαια και σιγουρα δεν ζητουσε Bayes το οποιο εμπαινε τις αλλες χρονιες
Θεμα 3: α) εδινε καποιες προτασεις σε φυσικη γλωσσα, τις εδινε μεταφρασμενες σε πρωτοβαθμια κατηγορηματικη λογικη αλλα επρεπε να συμπληρωσεις καποια κενα, βασικα τα και και τα ή
β) επρεπε να μετατρεψεις μια απο αυτες σε Cnf, ενω σου εδινε και την τελικη της μορφη
γ) να μετατρεψεις καποιες προτασεις απο φυσικη γλωσσα σε OWL. Να σημειωθει οτι σε βοηθουσε δινοντας το θα ειναι καποια κομματια των προτασεων σε OWL
δ) να κανεις resolution (κανονας της αναλυσης) με καποιες προτασεις απο το α
Θεμα 4: αφορουσε τα νευρωνικα δικτυα

Re: Τεχνητή Νοημοσύνη

Posted: Wed Jan 17, 2018 2:35 pm
by jimilegolas
Να προσθέσω επίσης πως το μισό δεύτερο θέμα είχε να κάνει με την 4η ενότητα (αλγόριθμος Early, και σχεδίαση αυτόματου)

Re: Τεχνητή Νοημοσύνη

Posted: Fri Oct 05, 2018 3:28 pm
by anilora
Καλησπέρα παιδιά! Ψάχνω άτομο/α για τις εργασίες, όποιος ενδιαφέρεται ας μου στείλει. :)

Re: Τεχνητή Νοημοσύνη

Posted: Tue Jan 15, 2019 7:07 pm
by Xarma
Θέματα Ιανουαρίου 2019 όσο καλύτερα τα θυμάμαι:
1) Άσκηση 4.2.α), 6.3
2) Άσκηση 8.2, αλλη μια σαν τις 11.1 και 11.2 α) και β) και μία όπου ήθελε να μετατρέψουμε 2 προτάσεις σε OWL
3) Σχεδόν ίδια με 16.1 και 16.2, Entropy και infogain και κάτι με παλινδόμηση
4) Prolog, 21.1(νομιζω) και ενα ερώτημα με Early
Οι ασκήσεις που αναφέρω είναι των φροντιστηρίων 2018-2019.

Mod edit:

Μια προσθήκη στο 4) Την άσκηση της διάλεξης 20 αλλά με τελείως διαφορετικά νούμερα και κατηγορίες.

Re: Τεχνητή Νοημοσύνη

Posted: Tue Sep 03, 2019 9:49 pm
by parasleivadaros
Θέματα | Σεπτέμβριος 2019 (όσα θυμάμαι)

Θέμα 1: (30%)
α) BestFS
β) Α*
γ) Πότε μια ευρετική συνάρτηση είναι αποδεκτή;
δ) Πότε μια ευρετική συνάρτηση είναι συνεπής, τι κερδίζουμε όταν είναι συνεπής αλλά όχι αποδεκτή;
ε) MiniMax με τρεις αντιπάλους A, B, C
i) συμπλήρωση των τιμών (οφέλη παικτών) στους κόμβους του δέντρου
ii) να δείξουμε προς τα που θα κινηθεί ο Α και τι θα επιλέξουν οι Β, Γ
iii) αν οι Β, Γ χρησιμοποιήσουν τον MiniMax για τις επιλογές τους, το παιχνίδι θα καταλήξει στην ίδια κατάσταση όπως το ii);

Θέμα 2: (30%)
α) ΠΚΛ
β) CNF
γ) Κανόνας Ανάλυσης και Δέντρο
δ) OWL

Θέμα 3: (25%)
α-δ) Entropy HC

Θέμα 4: (15%)
α) DCG
β) Horn & CNF

Re: Τεχνητή Νοημοσύνη

Posted: Tue Jan 21, 2020 6:12 pm
by Gtkall
ΘΕΜΑΤΑ ΙΑΝΟΥΑΡΙΟΥ 2020

ΘΕΜΑ 1 (25 μόρια, BestFS, A*):

α) Ο γνωστός χάρτης με τις Σλάβικες πόλεις. Δίνονται οι αποστάσεις ως ευθεία γραμμή για την Υ πόλη ως ευρετική. Να εκτελέσετε BestFS με Κλειστό Σύνολο και να γράψετε το δέντρο και τη διαδρομή.
β) Να εκτελέσετε BestFS ΧΩΡΙΣ Κλειστό Σύνολο και να γράψετε το δέντρο. Τι παρατηρείτε;
γ) Να εκτελέσετε BestFS με Κλειστό Σύνολο με προορισμό μία άλλη πόλη Ζ. Να γράψετε το δέντρο και την διαδρομή.
δ) Να εκτελέσετε A* με κλειστό σύνολο μέχρι την πόλη Ζ και να γράψετε το δέντρο και την διαδρομή.

ΘΕΜΑ 2 (25 μόρια, ΠΚΛ, κανόνας ανάλυσης, CNF):

Δίνονται Προτάσεις Κατηγορηματικής Λογικής με σύμβολα σχέσης: Human(x), Woman(x), HasChild(x,y), HasGrandChild(x,y), HasBrother(x,y), HasMother(x,y), [... μπορεί να ξέχασα μερικά...], και όροι οι Μαρία ως Mary, Γιάννης ως John και Νίκος ως Nick.
α) να παραστήσετε τις εξής προτάσεις ως ΠΚΛ:
  • i) Η Μαρία είναι μητέρα
  • ii) Ο Νίκος έχει τουλάχιστον έναν αδερφό
  • iii) Η Μαρία έχει τουλάχιστον ένα παιδί
  • iv) Η Μαρία έχει ένα ΑΚΡΙΒΩΣ εγγόνι
  • v) Όλοι οι άνθρωποι έχουν μητέρα
  • vi) Αν ένας άνθρωπος έχει τουλάχιστον ένα εγγόνι, τότε θα έχει και τουλάχιστον ένα παιδί
β) Να μετατρέψετε μία από τις προηγούμενες ΠΚΛ σε CNF (δεν θυμάμαι ποιον).
γ) μέσω του κανόνα της ανάλυσης, να αποδείξετε μία από τις ΠΚΛ του (α) οτι ισχύει.

ΘΕΜΑ 3 (25 μόρια, Naive Bayes με Laplace, Μεγιστοποίηση με Ανάβαση Κλίσης, Νευρωνικά Δίκτυα) :

α) Να αποφανθείτε για μία πρόταση του στυλ "I regret that I didn't buy this great song even though they say it's terrible." ως θετική (C+) ή αρνητική (C-) μέσω Naive Bayes χρησιμοποιώντας Laplace. Τα δεδομένα εκμάθησης ήταν κάτι του στυλ:
  • "I like this song"
  • "It's a good song"
  • "This song is great"
  • "I adore this song"
  • "I do not like this song"
  • "It's a bad song, I don't like it"
  • "I regret buying this song"
  • "Terrible song, don't buy it"
αντίστοιχα, οι λέξεις ήταν X1=good, X2=like, X3=great, X4=adore, X5=not, X6=bad, X7=regret, X8=terrible με τιμές 1 αν υπάρχει ή 0 αν δεν υπάρχει. Δινόταν ο πίνακας αποφάσεων με 4 C+ και 4 C- και έπρεπε να βάλουμε τιμές στα Χ1 ως Χ8 για κάθε περίπτωση. Τέλος, υπολογίζαμε τις πιθανότητες σε προκαθορισμένο χώρο που μας έδωσε και παίρναμε απόφαση για την πρόταση.
β) Μία θεωριτική ερώτηση για την Ανάβαση Κλίσης. Είχε να κάνει με το γιατί βάζουμε τις τιμές {0.1, 0.01, 0.001, 0.0001 κλπ...} στο η ανά κάθε εποχή.
γ) Νευρωνικά Δίκτυα. Δεν το ακούμπησα, οπότε δεν το θυμάμαι...

ΘΕΜΑ 4 (25 μόρια, Ανάπτυξη υποδέντρων σε γραμματική, Earley)

α) Να αναπτύξετε τα δύο υποδέντρα της τάδε γραμματικής, παρόμοια με την (study_exercises_2019_2020 -> 21.1)
β) Να φτιάξετε τον χάρτη μέσω Earley σε τάδε γραμματική, παρόμοια με την (study_exercises_2019_2020 -> 22.2) αλλά με επίθετα ως επιπλέον παράγοντα.

EDIT: Είναι σημαντικό θεωρώ το γεγονός ότι ΔΕΝ έβαλε έπιπλέον θέμα Bonus, αλλά τα υπόλοιπα θέματα ήταν αρκετά εύκολα.