funktsiooni (y) optimum on järgmised: 1. Punktis, kus on katkevuskoht; 2. Punktid, kus funktsioon on pidev, kuid tuletis puudub; 3. Punktid, kus '=0 Lahendusskeem: 1. Ülesande matemaatilise mudeli koostamine; 2. Optimaalsustingimuste tuletamine; 3. Kriitilist punktide tuvastamine; 4. Optimaalse lahendi leidmine kriitiliste punktide hulgast Lahendusmeetodid: 1. Kaudsed meetodid lahend saadakse optimumitingimuste lahendamise teel; 2. Otsesed meetodid iteratiivsed otsimismeetodid Gradientmeetod: Olgu optimeerimisülesande sihifunktsiooniks (y1, y1, ..., yn). Kui see funktsioon on pidev ja diferentseeruv, siis on ka olemas gradient. Mingis suvalises punktis y(j) kujutab ta endast osatuletiste veeruvektorit. grad = = Funktsiooni gradient on suunatud funktsiooni kiireima kasvamise (tõusu) sihis. Gradiendile vastassuunalist vektorit nimetatakse antigradiendiks, mis on suunatud kiireima languse sihis. Selle järgi
Teoreemitõestamine ja järelduste tegemine .Frame problem jms raskused .Ekspertsüsteemid: spetsiifilise järelduste tegemise strateegiad .Intelligentsed agendid: järeldused, õppimine jms •“Soft” AI: (fookus tajumisel ja tajupiltide õppimisel) .(Õppimine) .Teksti mõistmine .Pildi mõistmine ja kõne mõistmine •Robootika •Rakenduslikud algoritmid: piiri peal tehisintellektile .Male, kabe, go, bridzh .Üldised otsimismeetodid .SQL optimeerimine, optimeerivad kompilaatorid, travelling salesman jms ITK 2007, Kalev Pihl Sissejuhatus informaatikasse 2 Eesmärgid •Erinevad eesmärgid, üldiselt konkreetsele: .Tehisintellektinduse “suur eesmärk” on päriselt intelligentse masina ehitamine: riistvara + tarkvara .Tehisintellektinduse “filosoofiline eesmärk” on saada paremini aru mõistuse (sh inimese ja loomade) funktsioneerimise põhimõtetest üldse.
annaabi.ee 
