Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
Webová stránka:
http://cw.felk.cvut.cz/doku.php/courses/a4m33rzn/start
Anotace:
Kurz navazuje na bakalářský předmět A4B33ZUI a prohlubuje chápání reprezentace znalostí nad rámec formalismu výrokové a predikátové logiky. Studenti se seznámí s ontologiemi a deskripční logikou, základními stavebními kameny sémantického webu. Dále bude pozornost věnována rozšíření logického systému o pravděpodobnostní atributy typu možnosti a nutnosti. Pravděpodobnostní grafické modely spojují klasickou pravděpodobnost s teorií grafů. Umožňují zjednodušenou reprezentaci sdružené pravděpodobnosti a efektivní usuzování. Fuzzy množiny umožňují vyjádřit vágní informaci.
Výsledek studentské ankety předmětu je zde:
A4M33RZN
Cíle studia:
Seznámit se s pokročilejšími formami reprezentace strukturované a neurčité znalosti.
Osnovy přednášek:
| 1. | | Úvod: od rámců k použití ontologií. |
| 2. | | Deskripční logika - jazyk a jeho vyjadřovací schopnost. Srovnání/spolupráce s pravidlovými systémy. |
| 3. | | Deskripční logika - specifické postupy používané pro odvozování, metoda |
tableaux.
| 4. | | Formulace a vyhodnocování dotazů v DL. Výskyt nekonzistence v ontologii a jeho vysvětlení. |
| 5. | | Výpočetně zvladatelné fragmenty DL. Sémantický web a co dál? |
| 6. | | Nejistota, podmíněná nezávislost, úvod do pravděpodobnostních sítí. |
| 7. | | Inference v bayesovských sítích. |
| 8. | | Učení bayesovských sítí z dat. |
| 9. | | Dynamické pravděpodobnostní modely, spojité veličiny, neorientované grafy. |
| 10. | | Role a zpracování nejisté a nepřesné informace ve znalostních systémech. |
| 11. | | Fuzzy množiny a jejich reprezentace. |
| 12. | | Fuzzy čísla a operace s nimi. |
| 13. | | Operace s fuzzy množinami. |
| 14. | | Algebra fuzzy operací. |
Osnovy cvičení:
| 1. | | Úvod, seznámení s ontologickým editorem Protege. Příklad na modelování ontologií v jazyku OWL. Zadání úlohy. |
| 2. | | Inference s pomocí inferenčního stroje Pellet. Rozdíl mezi OWA (Pellet) a CWA (Prolog). Řešení úlohy. |
| 3. | | Dotazovací jazyk SPARQL. Řešení úlohy. |
| 4. | | Vysvětlení modelovacích chyb. Odevzdání úlohy. Test deskripční logiky. |
| 5. | | Modality a čas v logice - připomenutí. |
| 6. | | Softwarové nástroje pravděpodobnostního modelování (Bayes Net Toolbox for Matlab). Zadání úlohy. |
| 7. | | Početní řešení inferenčních úloh. Implementace řešení úlohy v BNT. |
| 8. | | Ilustrace učení bayesovských sítí z dat. Implementace řešení úlohy v BNT. |
| 9. | | Odevzdání úlohy. Test na grafické pravděpodobnostní modely. |
| 10. | | Vzájemný převod reprezentací fuzzy množin. |
| 11. | | Fuzzy čísla a operace s nimi, zadání úlohy. |
| 12. | | Operace s fuzzy množinami. |
| 13. | | Vlastnosti fuzzy operací, odevzdání úlohy, test fuzzy. |
| 14. | | Rezerva, zápočty. |
Literatura:
| [1] | | Franz Baader , Diego Calvanese , Deborah L. McGuinness , Daniele Nardi , Peter F. Patel-Schneider, The Description Logic Handbook, Cambridge University Press, New York, NY, 2007. |
| [2] | | Baader, F., Sattler U.: An overview of tableau algorithms for description logics ; Studia Logica, 69:5-40, 2001. |
| [3] | | Charniak, E.: Bayesian Networks without Tears. AI Magazine 12(4): 50-63, 1991. |
| [4] | | Pearl , J.: Causality: Models, Reasoning and Inference. Cambridge University Press, 2001. |
| [5] | | Navara, M., Olšák, P.: Základy fuzzy množin. Skriptum ČVUT, 2. (přepracované) vydání, Praha, 2007. |
Požadavky:
Znalosti z předmětů A4B33ZUI a A0B01PSI.
URL:
http://cw.felk.cvut.cz/doku.php/courses/a4m33rzn/start
Poznámka:
| Rozsah výuky v kombinované formě studia: 14p+6c |
Klíčová slova:
ontologie, deskripční logika, podmíněná nezávislost, bayesovská síť, fuzzy množiny a operace.
Předmět je zahrnut do těchto studijních plánů:
| Plán |
Obor |
Role |
Dop. semestr |
| Stránka vytvořena 18.4.2024 17:50:33, semestry: Z/2024-5, Z,L/2023-4, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |