O documento discute três divisões principais da inteligência artificial: inteligência artificial simbólica, inteligência artificial conexionista e inteligência artificial evolutiva. Também apresenta exemplos de algoritmos de suporte de vetores e como eles tentam separar conjuntos de dados de maneira ótima, mesmo quando os dados são complexos.

1. Inteligência Artificial
Aula 6
Nauber Gois

2. Datasets

6. DIVISÕES DA I.A.
I.A. Simbólica
• Conhecimento explícito
• Ciência Cognitiva
• Ex: Estados, Lógica, Regras, Casos.
I.A. Conexionista
• Conhecimento implícito
• Neuro-Ciências
• Ex: Redes Neuronais.
I.A. Evolutiva
• Representação de soluções candidatas
• Ciência Biológica (em particular, Teoria da Evolução)
• Ex: Algoritmos Genéticos.

8. http://lpn.swi-prolog.org/lpnpage.php?
pagetype=html&pageid=lpn-htmlse1

9. fac(0,1).
fac(A,B) :-
A > 0,
C is A-1,
fac(C,D),
B is A*D.
Arquivo fac.pl

10. % facts:
male('Nat King Cole').
parent( 'Nat King Cole', 'Nathalie Cole').
father(me,sarah).
% rules :
father(X,Y) :- male(X), parent(X,Y).

14. SVM

23. Entretanto, mesmo ocorrendo a separação dos dados está não era a separação
com hiperplano ótimo.

27. A radial kerneldegree polynomial kernel;

30. QUEREMOS SEPARAR DUAS CORES

31. PASSAMOS UMA LINHA AS SEPARANDO
E TUDO PARECE BEM

32. FICA MAIS DIFÍCIL QUANDO TEMOS MAIS BOLAS

33. SVM TENTA SEPARAR AS BOLAS DA MELHOR
MANEIRA

34. MESMO ASSIM COM UM NÚMERO MAIOR DE BOLAS
FICA MAIS DIFÍCIL

35. ASSIM FICA MAIS COMPLICADO

36. EXTRAPOLAÇÃO DIMENSIONAL, EXEMPLO
ANTES (X,Y), DEPOIS (X,Y,X*X+Y*Y)

37. AGORA SIM TUDO SEPARADO
https://www.youtube.com/watch?v=3liCbRZPrZA