Slides Hoorcollege AI (HC) 2009

• Hoofdstuk 1. Hoofdstuk 1
• Hoofdstuk 2. Hoofdstuk 2
• Hoofdstuk 3. Hoofdstuk 3
• Hoofdstuk 4. Hoofdstuk 4
• Hoofdstuk 5. Hoofdstuk 5
• Hoofdstuk 6. Hoofdstuk 6 zelf
• Hoofdstuk 7. Hoofdstuk 7
• Hoofdstuk 8. Hoofdstuk 8
• Hoofdstuk 9. Hoofdstuk 9
• Hoofdstuk 10. Hoofdstuk 10
• Hoofdstuk 13. Hoofdstuk 13 zelf
• Hoofdstuk 16. Hoofdstuk 16

Oefententamen (tentamen 2007)

Bruikbare sheets van vorige docent (Prof. Lambert Schomaker) : zijn additioneel aan de slides van Russel & Norvig.

• Zoekproblemen. Voorbeeld van een zoekproces in handschriftherkenning. Zowel breadth-first als depth-first kan worden gebruikt. Momenteel gebruikt men voornamelijk breadth-first search, doch met een limiet op het aantal woordhypothesen dat per zoekstap mag worden geexpandeerd. De kwaliteit van een oplossing (pad van letters) wordt vaak bepaald door het product van alle kansen op de letters. Zo kun je bv. ook partiële paden met een te lage kans afknippen (niet expanderen) om de tijd/ruimte belasting te beperken.

• hc10   (PDF)   (.ps.gz) (regels voor inferentie, deductie)

• hc15   (PDF)   Bayes en de quizmaster

• hc15   (PDF)   Waargenomen kansen en utiliteiten

• Hfdst. 18   (PDF)   (.ps.gz)   Beslissingsbomen leren

• Clips, een voorbeeld van redeneren met forward chaining

• Ad Hfdst. 18 (b)

Elders:

• hc7   Wumpus sites op WWW

• hc8   Ontologies (world-knowledge bases) op WWW

• Bayes, dependency modeling

• Decision tree learning (elders)

• AIMA slides in Powerpoint

Tentameninformatie