Você está na página 1de 6

Inteligncia artificial

Buscas : todas as estratgicas de buscas se distinguem pela ordem


em que o n so expandidos
Busca em extenso : uma estratgia simples em que o n raiz
expandido
Proposies
uma sentena declarativa, afirmativa e que deve explicar um
pensamento de sentido completo podendo ser escrita na forma
simblica ou linguagem natural .
Ex: a: o Brasil fica na Europa
b: 1232'=1
P: p.q :
Obs: "e"
Q: p+q:
Obs: "ou"
R: p->q:
Obs: " implica "
Operaes lgicas sobre proposies
Negao (' ) l se : " no x "
Conjuno ( . ) l se : " x e y"
Disjuno inclusiva (+) l se :
" x ou y "
Disjuno exclusiva ( @) l se : " x ou y ,mas nas ambas "
Condicional (-->) l se " x ento y , complicao
Bicondicional ( <-->) l se " x se e somente se y "
Captulo 10
Exerccios
1.
P:Luigi joga ftbol q: Luigi joga basqt
P+q ou
P.q
e
P . q'

1.2
P: Luigi italiano q: Luigi brasileiro
P@q Luigi ..
2 exerccios
Disjuno ?
Luigi professor ou jogador
P ___q
Luigi italiano ou brasileiro
P_____q
3 exerccios
Luigi nasceu na paulista ento Luigi paulistano
P____q
3.2
P: a atriz bonita
Q : a atriz elegante
P+ q
P.q
P.q'
PREPOSIES
NEGACAO
CONJUNO
DISJUNO EXCLUSIVA
DISJUNO EXCLUSIVA ,MAS EM AMBAS
CONDICIONAL
BICONDICIONAL

03/05

SIMBOLOS
= NO
.=E
+ = OU
@ = OU
=ENTO
<->=SE SOMENTE

Redes neurais artificiais


O RNA ou sistemas de processamento paralelo e distribudo. Esta
de forma de computao e caracterizado por sistemas que , em
algum nvel , relembram a estrutura do crebro humano . As Rnas
so sistemas compostos por unidade de processamento simples que
calculam determinadas funes. Tas unidades so dispostas em
uma ou mais camadas interligadas por vrias conexes . Na maioria
dos modelos estas conexes esto associadas a pesos,os quais
armazenam conhecimentos e servem para ponderar a entrada
recebida .
Aprendizagem
Aprendizagem a partir de observaes a ideia da aprendizagem
que as percepes de um ser usadas no apenas para agir ,mas
tambm para melhorar a habilidade do agente para agir no futuro .A
aprendizagem ocorre medida que o agente observa suas
interpretaes com o mundo e com seus prprios processos de
tomara de decises . projeto de um elemento da aprendizagem
afetada por trs questes
Importante :
- os componentes do elemento de desempenho que devem ser
aprendidos
- a realimentao estar disponvel para aprender esses
comportamento
Tipo de aprendizagem
A aprendizagem assume vrias formas ,dependendo da natureza do
elemento de desempenho dos componentes serem aperfeioados e
das realimentaes disponveis se a realimentao disponvel ,seja
de um instrutor ou de ambiente ,fornecer o valor correto para a
soluo de problemas ,ento chamamos de aprendizagem
supervisionada ou indutiva .
Aprendizagem em rvore de deciso
A induo de rvore de deciso uma forma mais simples , e ainda
assim mais bem sucedida de algoritmos de aprendizagem.
Ex: problema : " Esperar ou no uma mesa em um restaurante"

Considere:
1-altenativa : ter um restaurante alternativo perto
2-bar:se o restaurante tem uma rea de bar ,onde possa esperar
3-dia da semana: sexta/sbado : dias mais corridos
4- clientes : quantas pessoas esto no restaurante
5- preo
6-chovendo
7-reserva
8-tipo de restaurante
9-espera estimada
....

rvore de Deciso
Exemplo Problema: Esperar ou no uma mesa em um restaurante

O objetivo aprender uma definio para o predicado vai esperar.

Primeiramente necessrio definir quais atributos esto disponveis para


descrever alguns exemplos nesse domnio
Considere:

Atributos:
Alternativa: Verdadeiro se existe um restaurante alternativo
adequado nas proximidades.
Bar: Verdadeiro se o restaurante tem uma rea de bar confortvel
para ficar esperando.
Sex/Sab: Verdadeiro se o dia da semana for sexta ou sbado.
Faminto: Verdadeiro se estamos com fome.
Pessoas: Quantas pessoas esto no restaurante (os valores so
Nenhumas Algumas e Cheio).
Preo: Preo do restaurante de ($, $ $, $$$).
Chuva: Verdadeiro se est chovendo l fora.
Reserva: Verdadeiro se ns fizemos uma reserva.
Tipo: Tipo de restaurante (Francs, Italiano, Tailands, Hambrguer).

Estimativa Espera: Tempo de espera estimado (00-10, 10-30, 30-60,


> 60 minutos).

10/05
Fuzzy ( difusa)
Criada na dcada de 60 ,por Lofti Asker Zadeh ,professor de cincia
da computao da universidade da Califrnia. Zadeh observou que
muitas regras presentes no cotidiano da populao no podiam ser
explicadas pelas pessoas que as usavam .
Ex: podemos olhar para uma pessoa e imaginar que ela tenha 50
anos ,porm no se sabe como explicar esse fato.
Ex2: considerar o perodo meia- idade que comea em 35 anos e
termina em 55 anos usando a lgica tradicional uma pessoa com 34
anos s iria pertencer a esse grupo completar se 35 aniversrio
assim como uma pessoa que tenha 56 anos mas faria parte de tal
grupo .

Conceito : diferente da lgica booleana que admite apenas valores


booleanos ou seja ,verdadeiro ou falso .A lgica difusa ou fuzzy
,trata de valores que variam entre 0 e 1 . Assim ,uma pertinncia de
0,5 pode representar meio verdade ,logo 0,9 e 0,1 ,representam
quase verdade e quase falso ,respectivamente