Анотация

---

Курсът лекции по дисциплината "Основи на изкуствения интелект" запознава студентите от специалност „Изкуствен интелект“ с фундаменталните концепции в съвременната теория на изкуствения интелект и практическата реализация на традиционните методи за класификация и регресионен анализ.

Съдържание

---

• Основни понятия и исторически сведения. Школи в изкуствения интелект. Етика, морал и социални норми. Приложения.
• Агенти и околен свят. Комуникация, възприятие, действие. Интелигентни агенти. Рационален агент използващ модел на околния свят. Агенти изпълняващи зададен
• цел. Агенти използващи целеви функции. Самообучаващи се агенти.
• Машинно самообучение. Дискриминативни и генеративни методи за класификация. Невронни мрежи (FFNN, MLPNN), Вероятностни невронни мрежи (PNN), класификация с опорни вектори (SVM), смеси от Гаусови функции (GMM), рекурентни невронни мрежи (RNN), локално-рекурентни вероятностни невронни мрежи (LR PNN), конволюционни (CNN) и дълбоки невронни мрежи (DNN).
• Машинно самообучение. Регресионен анализ. Проста и сложна регресия. Линейна регресия. Анализ на грешките при използване на регресия.
• Машинно самообучение. Съвременни методи за оптимизация използвани при
• обучение на класификатори, в т.ч. Диференциална еволюция (DE) и Оптимизация с рояк от частици (PSO).