Enkeltfag 5 ECTS

Logiske teorier for usikkerhed og læring

Overordnede kursusmål

Ræsonnering med og håndtering af usikkerhed er vigtig i mange områder af kunstig intelligens, for eksempel i ekspertsystemer og robotteknologi, men også i forskellige tilgange til automatiseret læring. Kurset vil give en oversigt over et repræsentativt udvalg af forskellige matematiske modeller til håndtering af usikker viden og læring i en interaktiv kontekst, såsom (multi-agent epistemisk) modallogik, Belief Revision Theory, Bayesiansk sandsynlighedsteori og spilteori. Formålet med kurset er at give den studerende teori og værktøjer, der er nødvendige for at anvende modellerne i forskning og i programmeringspraksis.

See course description in English

Læringsmål

  • Beskrive en række af de mest udbredte teknikker i modellering af usikkerhed og læring.
  • Beskrive logikkens rolle i modelleringen af ​​viden, usikkerhed og vidensforandring.
  • Beskrive de respektive begrænsninger af logik og sandsynlighed i modellering af læring.
  • Sammenligne og vurdere hensigtsmæssigheden af ​​forskellige teknikker til løsning af et givent vidensmodelleringsproblem.
  • Vurdere vanskeligheder specifikke for single-agent modellering af viden.
  • Vurdere vanskeligheder specifikke for multi-agent modellering af viden.
  • Selvstændigt udforske litteraturen relevant for projektet.
  • Skrive en rapport i stil med en konferenceartikel.

Kursusindhold

Se den engelske beskrivelse.

Anbefalede forudsætninger

01017/02156/02180, Diskret matematik, især udsagnslogik og førsteordenslogik; elementær sandsynlighedsteori.

Undervisningsform

Forelæsninger, øvelser, skriftlige opgaver (teoretisk og/eller programmering).

Fakultet

Se kurset i kursusbasen

Tilmelding

Sprog
Varighed

13 uger

Institut

Compute

Sted

DTU Lyngby Campus

Kursus ID 02287
Kursustype Kandidat
Semesterstart Uge 35
Semester slut Uge 48
Dage tors 8-12
Pris

7.500,00 kr.

Tilmelding