آموزش هوش مصنوعی - بخش ششم

Views:
 
Category: Education
     
 

Presentation Description

در حال حاضر هوش مصنوعی به عنوان یکی از گرایش های رشته تحصیلی دانشگاهی مهندسی کامپیوتر در مقاطع کارشناسی ارشد و دکتری می باشد. همچنین هوش مصنوعی یکی از دورس مقطع کارشناسی رشته مهندسی کامپیوتر و فناوری اطلاعات نیز می باشد. طرح درس در این آموزش به نحوی در نظر گرفته شده است که هم برای دانشجویان مقطع کارشناسی و عموم علاقه مندان مفید باشد و هم افرادی که قصد شرکت در آزمون کارشناسی ارشد و یا آزمون دکتری را دارند، بتوانند از این فیلم های آموزشی، برای منظور خود استفاده نمایند. سرفصل هایی که در این آموزش به آن پرداخته شده است: درس یکم: هوش مصنوعی چیست؟ درس دوم: عامل هوشمند درس سوم: جستجوهای ناآگاهانه درس چهارم: جستجوهای آگاهانه ... برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید: http://faradars.org/courses/fvsft102

Comments

Presentation Transcript

slide 1:

شوه شزومآ یعونصم faradars.org/fvsft102 سردم : یربص دمحم یعونصم شوه شیارگ رتویپماک یسدنهم یرتکد یوجشناد وضع سدق رهش دحاو یملسا دازآ هاگشناد یملع تایه نارهت نیون یتفایهر ،یعونصم شوه مشش لصف : « یزاب اه » 1 سرداﺮﻓ FaraDars.org

slide 2:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • افلآ سره اتب و • هدهاشم لباق یشخب طیحم رد یزاب 2 سرداﺮﻓ FaraDars.org

slide 3:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • افلآ سره اتب و • هدهاشم لباق یشخب طیحم رد یزاب 3 سرداﺮﻓ FaraDars.org

slide 4:

شوه شزومآ یعونصم faradars.org/fvsft102 ؟تسیچ یزاب • یزاب کی طیحم دنچ هلماع تسا . • طیحم یاه یتباقر / یراکمه دنچ هلماع • طیحم دنچ هلماع یتباقر ار یوجتسج هنامصخ دنیوگ . • ارچ یزاب اه هعلاطم یم ؟دنوش – زا رظن یخیرات مرگرس هدننک تسا . – هب لیلد یگدیچیپ هزوح باذج یارب شهوژپ تسا . – هب یگداس لباق نایب تسا و دادعت لامعا دودحم تسا . 4 سرداﺮﻓ FaraDars.org

slide 5:

شوه شزومآ یعونصم faradars.org/fvsft102 وجتسج و یزاب هطبار  Search – no adversary  Solution is heuristic method for finding goal  Heuristics and CSP techniques can find optimal solution  Evaluation function: estimate of cost from start to goal through given node  Examples: path planning scheduling activities  Games – adversary  Solution is strategy strategy specifies move for every possible opponent reply.  Time limits force an approximate solution  Evaluation function: evaluate “goodness” of game position  Examples: chess checkers Othello backgammon 5 سرداﺮﻓ FaraDars.org

slide 6:

شوه شزومآ یعونصم faradars.org/fvsft102 یزاب عاونا 6 سرداﺮﻓ FaraDars.org

slide 7:

شوه شزومآ یعونصم faradars.org/fvsft102 یزاب تاصخشم • ود نکیزاب : MAX و MIN • MAX یزاب ار عورش یم دنک و یزاب ات نایاپ همادا یم دبای . هدنرب هزیاج یم دریگ و هدنزاب همیرج یم دوش . MAX یارب نییعت تکرح یدعب زا تخرد وجتسج هدافتسا یم دنک .  Games as search:  Initial state: e.g. board configuration of chess  Successor function: list of move state pairs specifying legal moves.  Terminal test: Is the game finished  Utility function: Gives numerical value of terminal states. E.g. win +1 loose -1 and draw 0 in tic-tac-toe next 7 سرداﺮﻓ FaraDars.org

slide 8:

شوه شزومآ یعونصم faradars.org/fvsft102 زود یزاب Tic-Tac-Toe ای X_O 8 سرداﺮﻓ FaraDars.org

slide 9:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • افلآ سره اتب و • هدهاشم لباق یشخب طیحم رد یزاب 9 سرداﺮﻓ FaraDars.org

slide 10:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • افلآ سره اتب و • هدهاشم لباق یشخب طیحم رد یزاب 10 سرداﺮﻓ FaraDars.org

slide 11:

شوه شزومآ یعونصم faradars.org/fvsft102 MINIMAX • ده ف ادیپ ندرک کی یژارتسا یارب MAX تسا . • ضرف نیا تسا هک ره ود نکیزاب هنیهب یزاب یم دننک . MINIMAX-VALUEn UTILITYn If n is a terminal max s  successorsn MINIMAX-VALUEs If n is a max node min s  successorsn MINIMAX-VALUEs If n is a min node 11 سرداﺮﻓ FaraDars.org

slide 12:

شوه شزومآ یعونصم faradars.org/fvsft102 یضرف هرفن ود یزاب 12 سرداﺮﻓ FaraDars.org

slide 13:

شوه شزومآ یعونصم faradars.org/fvsft102 یضرف هرفن ود یزاب 13 سرداﺮﻓ FaraDars.org

slide 14:

شوه شزومآ یعونصم faradars.org/fvsft102 یضرف هرفن ود یزاب January 20 2016 TLo IRIDIA 14 سرداﺮﻓ FaraDars.org

slide 15:

شوه شزومآ یعونصم faradars.org/fvsft102 یضرف هرفن ود یزاب January 20 2016 TLo IRIDIA 15 The minimax decision Minimax maximizes the worst-case outcome for max. سرداﺮﻓ FaraDars.org

slide 16:

شوه شزومآ یعونصم faradars.org/fvsft102 یضرف هرفن ود یزاب • قبط فیرعت ره ود نکیزاب هنیهب یزاب یم دننک و نیدب بیترت یجورخ یارب MAX رد نیرتدب تلاح رثکادح یم دوش . • رگا MIN هنیهب یزاب ؟دنکن • هاگنآ MAX یتح هجیتن رتهب مه دهاوخ تفرگ . 16 سرداﺮﻓ FaraDars.org

slide 17:

شوه شزومآ یعونصم faradars.org/fvsft102 MINIMAX 17 سرداﺮﻓ FaraDars.org

slide 18:

شوه شزومآ یعونصم faradars.org/fvsft102 MINIMAX 18 سرداﺮﻓ FaraDars.org

slide 19:

شوه شزومآ یعونصم faradars.org/fvsft102 هرفن دنچ یزاب 19 سرداﺮﻓ FaraDars.org

slide 20:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • اتب و افلآ سره • هدهاشم لباق یشخب طیحم رد یزاب 20 سرداﺮﻓ FaraDars.org

slide 21:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • اتب و افلآ سره • هدهاشم لباق یشخب طیحم رد یزاب 21 سرداﺮﻓ FaraDars.org

slide 22:

شوه شزومآ یعونصم faradars.org/fvsft102 MINIMAX • لکشم : دادعت تلاح یاه یزاب تبسن هب دادعت تکرح اه ییامن تسا . • هار لح : همه هرگ اه یسررب دنوشن .  افلآ سره – اتب • افلآ : هرگ رد رادقم نیرتشیب MAX و اتب : هرگ رد رادقم نیرتمک MIN  لوا نوناق : هرگ کی رد رگا MIN دشاب رتمک شردپ یافلآ زا اتب .  نوناق مود : هرگ کی رد رگا MAX دشاب رتشیب شردپ یاتب زا افلآ . 22 سرداﺮﻓ FaraDars.org

slide 23:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example January 20 2016 TLo IRIDIA 23 -∞ +∞ -∞+∞ Range of possible values Do DF-search until first leaf سرداﺮﻓ FaraDars.org

slide 24:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 24 -∞3 -∞+∞ سرداﺮﻓ FaraDars.org

slide 25:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 25 -∞3 -∞+∞ سرداﺮﻓ FaraDars.org

slide 26:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 26 3+∞ 33 سرداﺮﻓ FaraDars.org

slide 27:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 27 -∞2 3+∞ 33 This node is worse for MAX سرداﺮﻓ FaraDars.org

slide 28:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 28 -∞2 314 33 -∞14 سرداﺮﻓ FaraDars.org

slide 29:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 29 −∞2 35 33 -∞5 سرداﺮﻓ FaraDars.org

slide 30:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 30 22 −∞2 33 33 سرداﺮﻓ FaraDars.org

slide 31:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Example continued January 20 2016 TLo IRIDIA 31 22 -∞2 33 33 سرداﺮﻓ FaraDars.org

slide 32:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Algorithm January 20 2016 TLo IRIDIA 32 function ALPHA-BETA-SEARCHstate returns an action inputs: state current state in game v MAX-V ALUEstate - ∞ +∞ return the action in SUCCESSORSstate with value v function MAX-V ALUEstate   returns a utility value if TERMINAL-TESTstate then return UTILITYstate v  - ∞ for as in SUCCESSORSstate do v  MAXvMIN-V ALUEs   if v ≥  then return v   MAX  v return v سرداﺮﻓ FaraDars.org

slide 33:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Algorithm January 20 2016 TLo IRIDIA 33 function MIN-V ALUEstate   returns a utility value if TERMINAL-TESTstate then return UTILITYstate v  + ∞ for as in SUCCESSORSstate do v  MINvMAX-V ALUEs   if v ≤  then return v   MIN  v return v سرداﺮﻓ FaraDars.org

slide 34:

شوه شزومآ یعونصم faradars.org/fvsft102 Alpha-Beta Algorithm • سره یریثات رب یور هجیتن ییاهن درادن . • لک ریز تخرد سره دهاوخ دش . • بترم یزاس Perfect Ordering یم دناوت دوبهب یریگشمچ هتشاد دشاب . 34 سرداﺮﻓ FaraDars.org

slide 35:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • اتب و افلآ سره • هدهاشم لباق یشخب طیحم رد یزاب 35 سرداﺮﻓ FaraDars.org

slide 36:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • اتب و افلآ سره • هدهاشم لباق یشخب طیحم رد یزاب 36 سرداﺮﻓ FaraDars.org

slide 37:

شوه شزومآ یعونصم faradars.org/fvsft102 هدهاشم لباق یشخب طیحم رد یزاب • یوجتسج MINIMAX و Alpha-beta Pruning هب هظفاح یزاین دراد . • نینچمه هب لیلد نامز دایز زین ًلمع ریغ لباق هدافتسا تسا . • یروئت نوناش :  Cut off search earlier replace TERMINAL-TEST by CUTOFF-TEST  Apply heuristic evaluation function EVAL replacing utility function of alpha- beta 37 سرداﺮﻓ FaraDars.org

slide 38:

شوه شزومآ یعونصم faradars.org/fvsft102 هدهاشم لباق یشخب طیحم رد یزاب  Change:  if TERMINAL-TESTstate then return UTILITYstate Into  if CUTOFF-TESTstatedepth then return EVALstate 38 سرداﺮﻓ FaraDars.org

slide 39:

شوه شزومآ یعونصم faradars.org/fvsft102 EV AL • هکینامز Cutoff خر یم دهد هاگنآ Evaluation ماجنا یم دوش . • هدیا : نیمخت زا ییاراک دروم راظتنا زا یزاب رد نیا تلاح • یدنمزاین : .1 EV AL دیاب یارب هرگ یاه گرب دننامه عبات Utility دشاب . .2 EV AL یارب هرگ یاه ریغ یگرب دیاب بسانتم اب سناش هدنرب ندش دشاب . .3 هبساحم نآ دیاین دایز هب لوط دماجنا . 39 سرداﺮﻓ FaraDars.org

slide 40:

شوه شزومآ یعونصم faradars.org/fvsft102 EV AL 40 Evals w 1 f 1 s + w 2 f 2 s + … + w n f n s سرداﺮﻓ FaraDars.org

slide 41:

شوه شزومآ یعونصم faradars.org/fvsft102 تلکشم EV AL 41 سرداﺮﻓ FaraDars.org

slide 42:

شوه شزومآ یعونصم faradars.org/fvsft102 تلکشم EV AL 42 سرداﺮﻓ FaraDars.org

slide 43:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • اتب و افلآ سره • هدهاشم لباق یشخب طیحم رد یزاب 43 سرداﺮﻓ FaraDars.org

slide 44:

شوه شزومآ یعونصم faradars.org/fvsft102 بلاطم تسرهف • یزاب عاونا و فیرعت • متیروگلا MiniMax • اتب و افلآ سره • هدهاشم لباق یشخب طیحم رد یزاب 44 سرداﺮﻓ FaraDars.org

slide 45:

شوه شزومآ یعونصم faradars.org/fvsft102 سردارف رد هدش حرطم تاکن یانبم رب اه دیلسا نیا « یعونصم شوه شزومآ » تسا هدش هیهت . یامن هعجارم ریز کنیل هب شزومآ نیا دروم رد رتشیب تاعلطا بسک یارب دی faradars.org/fvsft102 شوه شزومآ یعونصم faradars.org/fvsft102 سرداﺮﻓ FaraDars.org