As aulas teóricas são dadas pelo Prof. João Leite de acordo com o horário publicado aqui.
Aula | Data | Matéria Prevista |
1 | 12/9 | Apresentação. Objectivos, programa, funcionamento e avaliação da disciplina. Breve discussão sobre osobjectos de estudo, história e contornos da Inteligência Artificial como disciplina científica. |
2 | 13/9 | Inteligência artificial como construção de agentes racionais. Propriedades dos agentes, tarefas e ambientes. Medidas de desempenho de agentes e agente racional ideal. Arquitecturas de agentes: agentesreactivos puros; agente reactivo com memória; agente deliberativo com objectivo; agente deliberativo com função de utilidade; agentes aprendizes. |
3 | 18/9 | Agentes de procura: problemas, estados, operadores e soluções. Espaços de estados. Procura em Árvores. Estratégias de procura cega: largura primeiro, custo uniforme, profundidade primeiro, profundidade limitada, aprofundamento progressivo e bidireccional.Análise das propriedades dos algoritmos. Procura em Grafos. |
4 | 19/9 | Noção de heurística. Estratégias de procura informada (heurística): procura pelo melhor primeiro, procura sôfrega e procura A*. Estudo das propriedades do algoritmo A* e das heurísticas: admissibilidade, dominância, monotonia e consistência. Procura com memória limitada: IDA* e RBFS. Ilustração com exemplos. |
5 | 25/9 | Procura local. Problemas de optimização. Trepa colinas e procura tabu. Procura aleatória e recristalização simulada. Procura local em feixe. |
6 | 26/9 | Agentes adaptativos. Tipos de algoritmos evolutivos. Funcionamento de um algoritmo genético. Noção de população e indivíduo. Métodos de selecção, operadores de recombinação, operador de mutação e função de avaliação. Escolha da população inicial. Procura local em espaços contínuos. |
7 | 2/10 | Tipos de jogos. Estratégias óptimas. Algoritmominimax e cortes alfa-beta. Funções de avaliação, corte do espaço de procura e decisões em tempo real. Jogos com informação incompleta e factor sorte. |
8 | 3/10 | Problemas de Satisfação de Restrições. Procura com retrocesso cronológico, ordenação de variáveis e valores: heurísticas de variável mais constrangida e do valor menos restritivo. Propagação de informação para reduzir procura: o algoritmo de consistência de arcos. Procura local em problemas de satisfação de restrições: a estratégia min-conflitos. Utilização da estrutura do problema para simplificar a sua resolução. |
9 | 9/10 |
Agentes baseados em conhecimento. Lógicas e compromissos ontológicos e epistemológicos. Lógica proposicional: sintaxe e semântica. Consequência lógica e inferência lógica. Solidez e completude. |
10 | 10/10 | Regras de inferência. Resolução. Encadeamento para a frente e para trás com cláusulas de Horn. Inferência proposicional efectiva: algoritmo de Davis-Putnam-Longemann-Loveland (DPLL). Classes de complexidade P, NP, coNP e FNP. Problemas completos para as classes. Resolução de problemas desatisfatibilidade com procura local. O algoritmoWalkSAT. |
11 | 16/10 | Lógica de predicados de primeira ordem: sintaxe e semântica. Representação do conhecimento com lógica de predicados de primeira ordem. Resultadosfundamentais da lógica. |
12 | 17/10 | Inferência em lógica de predicados de primeira ordem. Unificação e resolução. Formas normais. Estratégias de resolução. Inferência em Lógica de Primeira Ordem. |
13 | 23/10 | Programação em Lógica não monotónica. |
14 | 24/10 | Programação por Conjuntos de Resposta (Answer-Set Programming) |
28/10 | 1º Teste (data e hora a confirmar no CLIP) | |
15 | 30/10 | Agentes planeadores. Planeamento clássico. Linguagens de planeamento: PDDL e STRIPS. Planeamento através da procura em espaço de estados. Planeamentoprogressivo e regressivo em espaços de estados.Heurísticas. |
16 | 31/10 | Procura em espaços de planos. Planeamento com ordem parcial. Estudo do algoritmo POP. Grafos de Planeamento. Estudo do algoritmo GraphPlan. |
17 | 6/11 | Agindo com incerteza. Teoria das probabilidades. Probabilidade Condicional. Axiomas das probabilidades. Inferência recorrendo às distribuições de probabilidade conjunta. Independência absoluta e condicional. Regra de Bayes. Aplicações da regra deBayes: urnas, Monty Hall, dilema dos três prisioneiros e argumento do juízo final. |
18 | 7/11 | Redes Bayesianas. Semântica de Redes Bayesianas. Relações de independência condicional em redesBayesianas. Distribuições compactas e redes híbridas. |
19 | 14/11 | Inferência por enumeração em Redes de Bayes. Inferência por eliminação de variáveis em redesBayesianas. Inferência por métodos estocásticos. |
20 | 20/11 | Agentes aprendizes e formas de aprendizagem: associativa, supervisionada, não supervisionada e por reforço. Aproximações ao problema da aprendizagem: simbólica, conexionista e biológica. Aprendizagem conceptual: algoritmo de eliminação de candidatos. |
21 | 21/11 | Aprendizagem de árvores de decisão. |
22 | 27/11 | Redes neuronais. Modelos de neurónios artificiais e funções de activação. Topologia da rede neuronal: redesmonocamada e multicamada com alimentação para a frente. O algoritmo de retropropagação. Sobreajustamento e critérios de paragem. |
23 | 28/11 | Conclusão da Disciplina. Análise retrospectiva da matéria dada. |
9/12 | 2º Teste (data e hora a confirmar no CLIP) |