Corso di Intelligenza Artificiale
Laurea in Informatica Magistrale

 

 

Docenti:

Floriana Esposito

Dipartimento di Informatica
Universita' di Bari
Via Orabona 4
70126 Bari - Italy
Tel/Fax: +39 0805443264
Email: esposito@di.uniba.it

Stefano Ferilli
Dipartimento di Informatica
Universita' di Bari
Via Orabona 4
70126 Bari - Italy
Tel/Fax: +39 0805442293
Email: ferilli@di.uniba.it

 

 

Materiale didattico per l'anno accademico 2012 - 2013 (Modulo A)

 

 Modulo 1

1.1 - Introduzione: cosa è l'Intelligenza Artificiale.

1.2 - Agenti.

1.3 - Rappresentare Conoscenza.

1.4 - Conoscenza: le dimensioni delle rappresentazioni

 Modulo 2

2.1 - La soluzione di un problema come ricerca nello spazio degli stati. I sistemi a regole: il recognize-act cycle, il matching e la soluzione dei conflitti. Ragionamento in avanti e ragionamento all'indietro.

2.2 - La ricerca della soluzione nello spazio degli stati del problema: strategie irrevocabili e strategie tentative. Ricerca cieca e ricerca informata.

2.3 - Ricerca informata e l'uso di euristiche: l'algoritmo A*, ammissibilità di A*, confronto tra algoritmi di ricerca ammissibili. Misure di prestazione.

 Modulo 3

3.1 - La rappresentazione della conoscenza: introduzione alle ontologie.

3.2 - Schemi per la rappresentazione della conoscenza: frames e scripts.

3.3 - La qualità della conoscenza. Ragionamento automatico: ragionamento modale e temporale, ragionamento non monotono.

 Modulo 4

4.1 - Tecniche di Apprendimento Automatico (ML) per l'acquisizione automatica di conoscenza.

4.2 - Apprendimento Automatico di conoscenza in forma dichiarativa: considerazioni generali.

4.3 - Apprendimento induttivo concettuale guidato in domini non strutturati e strutturati: Il sistema ARCH. Alberi di decisione, apprendimento di regole (AQ e INDUCE).

4.4 - Apprendimento induttivo concettuale e formazione di concetti: una formalizzazione in logica. Il Candidate Elimination Algorithm e lo spazio delle versioni.

4.5 - Confronto di algoritmi di apprendimento con task di classificazione.

4.6 - Apprendimento logico induttivo.

4.7 - Apprendimento induttivo concettuale da osservazioni: il clustering concettuale.

 Letture

A. Newell - The knowledge level

N. J. Nilsson - Human-Level Artificial Intelligence? Be Serious!

W. A. Woods - Meaning and Links

R. Cordeschi - Vecchi problemi filosofici per la nuova intelligenza artificiale

R. Neches, R. Fikes, T. Finin, T. Gruber, R. Patil, T. Senator and W. R. Swartout - Enabling Technology for Knowledge Sharing

M. Frixione - L'evoluzione delle reti semantiche

M. Minsky - A Framework for Representing Knowledge

D. Nardi and R. J. Brachman - An Introduction to Description Logics

G. Brewka, I. Niemela and M. Truszczynski - Nonmonotonic Reasoning

F.A. Emerson - Temporal and Modal Logic

M. Kubat, I. Bratko, R.S. Michalski - A review of Machine Learning methods

R. S. Michalski - A theory and methodology of Inductive Learning

R. S. Michalski - Inferential theory of learning as a conceptual basis for multistrategy learning

R.S. Michalski, R. Stepp - Clustering

R. Stepp, R.S. Michalski - Conceptual clustering of structured objects: a goal-oriented approach

 

[Top of this page]