Enkeltfag Engelsk 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

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.

Se den engelske beskrivelse.

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

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