Logo Passei Direto
Buscar

Esse mapa mental é do material:

PROVA INTELIGÊNCIA ARTIFICIAL UNIP
1 pág.

Inteligência Artificial Universidade PaulistaUniversidade Paulista

Material

Prévia do material em texto

Agentes Baseados em Lógica MLP Não Recorrentes Utilizam lógica proposicional para Fluxo de dados é representar e manipular conhecimento unidirecional, sem Raciocinam para inferir novas realimentação entre camadas informações a partir de fatos Dependem apenas das entradas conhecidos atuais para gerar saídas São fundamentais para sistemas São mais simples e usados para especialistas e tomada de decisão problemas estáticos e bem automatizada definidos Dependem da precisão e consistência Não possuem conexões que das proposições para funcionar retornam para camadas corretamente anteriores Inteligência Lógica Proposicional MLP Multi-Layer Perceptron Representa conhecimento por Artificial Arquitetura de rede neural com meio de proposições e múltiplas camadas de neurônios conectores lógicos Cada camada processa informações e Permite raciocínio formal e passa para a próxima camada dedutivo em agentes Imita parcialmente a estrutura do inteligentes cérebro humano para processamento Não lida com números ou Base para muitos algoritmos de análise de dados diretamente aprendizado supervisionado Base para agentes que tomam decisões com base em regras lógicas Diferenças entre MLPs MLP recorrentes têm realimentação, não recorrentes não possuem Redes Neurais Artificiais MLP não recorrentes processam MLP Recorrentes dados de forma estática e Modelos computacionais inspirados direta Possuem conexões de no funcionamento do cérebro humano MLP recorrentes lidam com realimentação entre saídas Compostas por camadas de neurônios artificiais interconectados dependências temporais e e entradas contextos Permitem processamento de Capazes de aprender padrões a Arquitetura e conexões sequências e dependência partir de dados de entrada determinam O tipo de problema temporal Utilizadas em diversas aplicações que resolvem São indicadas para de inteligência artificial e problemas dinâmicos e aprendizado séries temporais Podem manter informações de estados anteriores para decisões futuras

Mais conteúdos dessa disciplina