Disciplina
Aprendizagem Simbólica e Sub-Simbólica
Área
Área Científica de Inteligência Artificial > Sistemas Inteligentes
Activa nos planos curriculares
DEAEIC2006 > DEAEIC2006 > 3º Ciclo > Aprendizagem Estruturada
Nível
Exame orais (60%) + Problemas praticas (40%)
Tipo
Não Estruturante
Regime
Semestral
Carga Horária
1º Semestre
3.0 h/semana
126.0 h/semestre
Objectivos
Ao contrário de muitas abordagens estatísticas de aprendizagem através de máquinas, que lidam com dados não estruturados, a aprendizagem através de agentes lida com dados estruturados. Durante a aprendizagem, a estrutura dos dados influencia o processo de aprendizagem. A formulação lógica do processo de aprendizagem será examinada e abordagens diferentes da aprendizagem simbólica através de máquinas, como a aprendizagem com base na explicação ou a aprendizagem com base em casos, serão demonstradas. Na segunda parte das aulas iremos lidar com redes neurais artificiais hierárquicas.
Programa
1.Uma Formulação Lógica da Aprendizagem 2.Aprendizagem através da Análise de Diferenças 3.Aprendizagem através da Explicação da Experiência 4.Conhecimento e Aprendizagem 5.Aprendizagem com base em casos 6.Descoberta de padrões 7.Copycat 8.Funções Heurísticas de Aprendizagem 9.Aprendizagem com base na Explicação 10.Repetição: O que é aprendizagem estatística 11.Topologia e dados 12.Sistema Visual ?Mammalian? 13.Redes de Atraso de Tempo 14.Convolutional Neural Networks 15.Aprendizagem não supervisionada 16.Redes hierárquicas 17.Cognitron 18.Neocognitron 19.Reconhecimento de caracteres escritos à mão 20.Atenção selectiva 21.Shift Invariance Analysis 22.Redes hierárquicas e sistemas simbólicos
Metodologia de avaliação
Exame orais (60%) + Problemas praticas (40%)
Pré-requisitos
Componente Laboratorial
Princípios Éticos
Componente de Programação e Computação
Componente de Competências Transversais
Bibliografia
Principal
Artificial Intelligence, Structures and Strategies for Complex Problem Solving
Luger, George F. and Stubblefield, William A.
Secundária
Fluid Concepts and Creative Analogies: Computer Models of the Fundamental Mechanisms of Thought
A hierarchical neural network capable of visual pattern recognition.