Umělá inteligence - 4
Pokračování seriálu Umělá inteligence, v tomto díle o perceptronech a jejich učícím algoritmu.
Pokračování seriálu Umělá inteligence, v tomto díle o perceptronech a jejich učícím algoritmu.
V seriálech o umělé inteligenci jsme si probrali některé základní typy inteligentních softwarových systémů. Při řešení složitých problémů technické praxe je nutno použít kombinaci několika metod, které se vzájemně doplňují. Takovým systémům říkáme hybridní systémy.
Expertní systémy jsou asi nejznámější teorií umělé inteligence. Článek popisuje základní myšlenky těchto systémů zejména z pohledu jejich realizace v průmyslové praxi. V závěru je představen procedurální systém umístění pravoúhlých dílců na ploše, kde použití popsaných principů velmi zjednodušilo řešení úlohy a přineslo další příznivé vedlejší efekty.
Seriál o evolučních optimalizačních systémech pokračuje popisem a demo verzí další praktické aplikace – optimalizačního systému dělení materiálu na válcovně. Přínosem tohoto systému je jeho rychlost, systém dokáže plánovat proces dělení v reálném čase.
Článek navazuje na seriál Inteligentní ekonomické systémy a zabývá se metodami prognózování a analýzy dat s využitím neuronových sítí. Přináší nové poznatky získané při realizaci inteligentního prognostického projektu v technické praxi a popisuje demoverzi systému TNeuTest, který navazuje na původní výukový program TNeuron.
V minulé kapitole jsme si předvedli jednoduchý genetický algoritmus a jeho základní funkce. V této kapitole již popíšeme skutečný systém přinášející značné úspory materiálu ve výrobě.
Podíváme se blíže na nanotechnologii v oblasti medicíny, budeme vycházet částečně z pilotního dílu: Nanotechnologie. Shlédneme průkopníky v této oblasti, SPM, mechanismy, aplikace, nanostroje a podíváme se na výzkum.
Určitě každý z nás někdy zafantazíroval, jaké to bude na Zemi třeba za 50 let. Možná vás napadli roboti, kteří za nás budou uklízet nebo nám budou dělat společníky, nebo vás napadla pustina, která zbyla po jaderné válce. A možná vás napadl technický vývoj spojený s nanotechnologií. Jestli chcete vědět, jak může takovýto vývoj vypadat, tak čtěte dále.
V minulé kapitole jsme odvodili základní pravidla, kterými se řídíme při navrhování evolučních systémů v souladu se zákony vývoje, které platí v přírodě. V této kapitole si předvedeme, jak takový jednoduchý genetický algoritmus na počítači skutečně pracuje. Seznámíme se také s některými riziky, se kterými se při navrhování těchto systémů můžeme setkat.
Při vytváření informačních systémů se někdy setkáváme s problémy, pro které neexistuje algoritmus řešení. Častým případem jsou optimalizační úlohy, kdy je třeba vybrat nejvhodnější z velkého množství možností, přitom neexistuje návod, jak takový výběr provést. Každou již nalezenou alternativu však musíme umět ohodnotit. Přehled několika takových úloh s nástinem řešení jsem již podal v článku Genetické algoritmy a jejich aplikace v praxi, v tomto seriálu bych se chtěl touto problematikou zabývat podrobněji.
V minulé kapitole jsme se seznámili s využitím lineární neuronové sítě pro ekonomické prognózování a faktorovou analýzu. Nyní si probereme další typy sítí a jejich využití v ekonomických úlohách.
Základní pojmy a práce průmyslových robotů
Historie a zaměření bioinformatiky
Struktura a funkce DNA
Geny, genomy a buňky
Historie robotiky.
V minulé kapitole jsme se seznámili s nejjednodušším typem neuronové sítě - lineární sítí MADALINE. Ukázali jsme si, že touto sítí se dá řešit řada ekonomických úloh. Ve třetí kapitole si probereme další rozsáhlou aplikační oblast využití neuronových sítí - ekonomické prognózování s využitím časových řad...
V tomto seriále se podíváme na obor robotika - její historii, průmyslové roboty a kinematiku průmyslových robotů...
Základní pojmy k neuronovým sítím
Výkonný prvek neuronové sítě
Měření vzdálenosti
Druhy sítí a topologie
Aplikace..
19. září minulého roku získal program A.L.I.C.E. Silver Edition prestižní Loebnerovu cenu poté, co v New Yorku uspěl v každoročně pořádaném Turingově testu. Tvůrce programu, AI Foundation (Artificial Intelligence Foundation) v čele s Dr. Richardem S. Wallacem získala již třetí bronzovou Loebnerovu plaketu a částku 2000 dolarů. Nyní oslavuje 10 let.
V minulé kapitole jsme se seznámili se základními principy funkce neuronových sítí a na jednoduchých příkladech jsme si ověřili jejich nejvýznamnější vlastnost, schopnost učit se z příkladů. Použili jsme k tomu lineární neuronovou síť, která se dokázala naučit lineární vztah. V této kapitole si vlastnosti lineární sítě podrobněji popíšeme a především se budeme zabývat jejím využitím v konkrétních ekonomických úlohách. ..
V tomto seriálu bych chtěl zájemce seznámit se základními typy ekonomických úloh, které je možné řešit pomocí neuronových sítí. Pro snadnější pochopení problematiky nabízím volně šiřitelný simulátor neuronové sítě TNeuron s typovými příklady.
V tomto starším článku o umělé inteligenci se zabývám jejím méně známým oborem, genetickými algoritmy. Vedle všeobecných informací popisuji konkrétní praktické aplikace optimalizačních úloh, které jsem na počátku své činnosti v tomto oboru realizoval. Uvádím také modifikace, které přizpůsobovaly řešení praktickým podmínkám a urychlovaly naleznení požadovaného řešení. Aktuální aplikace a nové poznatky popisuji v dalších článcích na tomto serveru.
Dnes se podíváme na neuronové sítě, konkrétně biologické neuronové sítě. Popíšeme si jejich funkci, stavbu a zkusíme pochopit, jak vlastně fungují. Jak vypadá samotný neuron v těle a jak funguje? Podíváme se na to ve článku.
Pojem inteligence, umělá inteligence, neuronové sítě obecně, vědy zabývající se problémy inteligence. To vše v novém seriálu.