Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Escola Politécnica
 
Eng Mecatrônica Sist Mecânicos
 
Disciplina: PMR2728 - Teoria de Probabilidades em Inteligência Artificial e Robótica
Probability Theory in Artificial Intelligence and Robotics

Créditos Aula: 2
Créditos Trabalho: 0
Carga Horária Total: 30 h
Tipo: Semestral
Ativação: 01/01/2005 Desativação: 30/01/2023

Objetivos
Introduzir a teoria de probabilidades e suas variantes do ponto de vista de inteligencia artificial, e discutir aplicações em robótica, especialmente técnicas de estimação e fusão sensorial, e sistemas especialistas, especialmente sistemas baseados em redes Bayesianas.
 
Programa Resumido
Programa resumido, utilizado para compor o catálogo de disciplinas da USP

The English translations of this field is optional
 
Programa
Fundamentos de probabilidade e estatística: espaço de possibilidades, axiomas de Kolmogorov,  probabilidade condicional e de relações de independência. Teoria Bayesiana de   inferência e decisão: axiomas de utilidade, modelos quadráticos e impulsivos de utilidade,  estratégias de decisão baseadas em utilidade quadrática. Definição de redes Bayesianas e algoritmos básicos para inferência e decisão.  Filtro de Kalman e aplicações em robótica: estimação de posição e atitude.  Sistemas especialistas e fatores de incerteza: histórico, sistemas baseados em regras e suas  limitações, descrição do sistema MYCIN, teoria de  Dempster/Shafer.    Teoria de conjuntos de probabilidades: motivação e axiomas, operações com conjuntos de   probabilidade, decisões com conjuntos de probabilidade. Modelos de campos de Markov e      aplicações em robótica (localização de robôs).
PMR2728 - Probability Theory in Artificial Intelligence and Robotics
Basic material on probability theory and statistics: possibility spaces, Kolmogorov axioms, conditional probability and independence. Bayesian theory of inference and decision: utility axioms, quadratic and impulsive models, decision strategies. Bayesian networks: definition and basic inference algorithms. Kalman filter and applications in robotics: estimation of position and attitude. Expert systems and uncertainty factors: history and limitations, the MYCIN system and Dempster/Shafer theory. Theory of sets of probability: justification and axioms, operations and decisions. Markov field models and applications in robotics (robot localization).
 
Avaliação
     
Método
Listas de exercícios e trabalho final.
Critério
Média ponderada das notas das provas escritas, de exercícios, seminário e relatórios
Norma de Recuperação
Não há.
 
Bibliografia
     
) Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Judea Pearl, Morgan  Kauffman, San Mateo, CA, 1988. 2) Artificial Intelligence: a Modern Approach, S. J. Russell and P. Norvig, Prentice Hall, New Jersey, 1995. Livros adicionais de consulta: 3) Statistical Reasoning with  Imprecise Probabilities, Peter Walley, Chapman-Hall, Londres, 1991. 4) Tracking and Data Association, Yaakov Bar-Shalom e Thomas E. Fortmann, Academic Press, Nova York, 1988. 5)  Probability via Expectation, Peter Whittle, Springer-Verlag, Nova York, 1992. 6) Optimal Statistical           Decisions, Morris H. DeGroot, McGraw-Hill, 1970.
 

Clique para consultar os requisitos para PMR2728

Clique para consultar o oferecimento para PMR2728

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP