Introduction to Computational Intelligence

Abstract

Η Υπολογιστική Νοημοσύνη αρχικά ορίστηκε ως το σύνολο τριών τεχνολογιών που περιλαμβάνουν τα νευρωνικά δίκτυα, τα ασαφή συστήματα και τον εξελικτικό υπολογισμό. Αργότερα προτάθηκαν επιπλέον τεχνολογίες, π.χ. συστήματα στήριξης αποφάσεων, μηχανικής μάθησης, εξόρυξης δεδομένων, και ποικίλες συνέργιες αυτών. Η διευρυμένη Υπολογιστική Νοημοσύνη έχει ως αντικείμενο την ανάλυση και σχεδίαση μοντέλων για μάθηση ή/και γενίκευση που βασίζονται σε αριθμητικά δεδομένα. Σημειώστε ότι η διαδικασία της μάθησης θέτει και το θέμα της αναπαράστασης της πληροφορίας.<br/><br/>Πρόσφατα δημοσιεύματα τοποθετούν την Υπολογιστική Νοημοσύνη στον πυρήνα τεχνολογιών αιχμής που έχουν να κάνουν με την επεξεργασία τεράστιου όγκου δεδομένων, την αλληλεπίδραση ανθρώπου-υπολογιστή, το Διαδίκτυο πραγμάτων, κλπ [1]. Περαιτέρω στο [1], υποστηρίζεται η ανάγκη για μια ολιστική άποψη στην διδασκαλία της Υπολογιστικής Νοημοσύνης (αντί των αποσπασματικών απόψεων που προτείνουν επιμέρους τεχνολογίες) με έμφαση όχι μόνο σε πρακτικές εφαρμογές αλλά και σε βασική γνώση.<br/><br/>Ο σκοπός αυτού του βιβλίου είναι να εισάγει στην επιστημονική περιοχή της Υπολογιστικής Νοημοσύνης με προοπτική εφαρμογών σε αναδυόμενες τεχνολογίες. Τον σκελετό της παρουσίασης αποτελούν μοντέλα και αλγόριθμοι. Στο Παράρτημα αυτού του βιβλίου δίνεται λογισμικό υλοποίησης αλγόριθμων σε MATLAB καθώς και παραδείγματα πρακτικών εφαρμογών. Εκτεταμένα και οπτικο-ακουστικά σχόλια των συγγραφέων φιλοδοξούν να δώσουν κίνητρο για βαθύτερη μελέτη ξεκινώντας από την επιλεγμένη βιβλιογραφία που παρατίθεται ανά κεφάλαιο. Η διευρυμένη Υπολογιστική Νοημοσύνη αποτελεί το ένα σκέλος της ολιστικής προσέγγισης που προτείνεται εδώ. Το άλλο σκέλος αφορά μια ενοποίηση της ανάλυσης και σχεδίασης στην Υπολογιστική Νοημοσύνη μέσω μιας ενοποιημένης αναπαράστασης της πληροφορίας στη βάση της μαθηματικής θεωρίας πλεγμάτων.<br/><br/><br/>[1] M. M. Polycarpou, “Computational intelligence in the undergraduate curriculum”, IEEE Computational Intelligence Magazine, vol. 8, no. 2, p. 3, May 2013.

Artificial Intelligence was initially defined as the set of three technologies that include neural networks, fuzzy systems, and evolutionary computation. Additional technologies have been proposed later, such as decision support systems, machine learning, data mining, and various synergies thereof. Extended Artificial Intelligence concerns the analysis and design of models for learning and/or generalization based on numerical data. Note that the learning process also raises the issue of information representation. Recent publications place Artificial Intelligence at the core of cutting-edge technologies related to processing vast amounts of data, human-computer interaction, the Internet of Things, etc. Furthermore, it is argued in [1] that there is a need for a holistic approach to teaching Artificial Intelligence (instead of fragmented views proposing individual technologies), emphasizing not only practical applications but also fundamental knowledge. The purpose of this book is to introduce the scientific field of Artificial Intelligence with a perspective on applications in emerging technologies. The presentation framework consists of models and algorithms. In the appendix of this book, MATLAB algorithm implementation software is provided, along with examples of practical applications. Extensive audio-visual comments by the authors aim to motivate further study starting from the selected bibliography provided for each chapter. The expanded Artificial Intelligence is one part of the holistic approach proposed here. The other part concerns the unification of analysis and design in Artificial Intelligence through a unified representation of information based on the mathematical theory of graphs. [1] M. M. Polycarpou, “Computational intelligence in the undergraduate curriculum,” IEEE Computational Intelligence Magazine, vol. 8, no. 2, p. 3, May 2013.