DOWNLOAD -->> OpenGl_Dev-C++
Sistem Berbasis Pengetahuan
Jumat, 27 Oktober 2017
MEMBUAT GARIS VERTIKAL, HORIZONTAL, DAN DIAGONAL DENGAN OPENGL
Download Materi Garis vertikal, horizontal, dan diagonal
Minggu, 15 Oktober 2017
PEAS (PERFORMANCE MEASURE, ENVIRONMENT, ACTUATORS, SENSORS)
Pada artikel ini lanjutan dari pembahasan sebelumnya
tentang AGENT , dari pembahasan tersebut telah membahas pengertian dari Agent.
Ketika kita ingin merancang sebuat agent maka kita harus menjabarkan
lingkungan masalah (task environment), ada beberapa cara untuk membuat
rancangan agent, sebelumnya harus mengetahui lingkungan masalah ( Task
environment ) terlebih dahulu yaitu dengan PEAS merupakan
singkatan dari (Performance, Environment, Actuators, Sensors).
1. P (performance
measure) yaitu komponen yang menjadi patokan dari keberhasilansi agent.
2.
E (environment)
yaitu kodisi di sekitar agent yang mampu mempengaruhi sekitar agent.
3.
A (actuators)
yaitu segala sesuatu yang dapat dilakukan oleh si agent.
4.
S (sensors)
yaitu segala sesuatu yang menjadi input si agent (Masukkan).
CONTOH PADA PEAS :
a)
Agent taksi otomatis
Sebuah agent taksi otomatis yang
menerima penumpang dan mengantarkannya ke tujuan :
1.
Performance measure
: keamanan, kecepatan, legalitas, kenyamanan perjalanan,
Keuntungan
2.
Environment : jalanan, lampu merah, lalulintas, pejalan kaki, cuaca
3.
Actuators : stir arah, gas, rem, klakson, sinyal kiri/kanan
4.
Sensors :
kamera, sonar, speedometer, GPS, odometer,
accelerometer, mesin sensor, keyboard.
b)
Agent : Sistem
Diagnosis Medis
Sebuah agent Medical diagnosis system yang mendiagnosa
pasien secara otomatis:
1.
Performance
measure : Kesembuhan pasien, biaya minim, sengketa
2.
Environment
: Pasien, pegawai rumah sakit
3.
Actuators
: Layar monitor (pertanyaan, test, perawatan,
rujukan)
4.
Sensors
: Keyboard (gejala, temuan, pertanyaan pasien)
c)
Agent : Interactive
English tutor
Sebuah agent tutor yang memberikan latihan english secara
interaktif :
1.
Performance
measure : nilai skor maksimal
2.
Environment
: para siswa
3.
Actuators
: layar monitor (latihan, saran koreksi)
4.
Sensors
: keyboard.
d)
Robot pabrik penjamin
mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu
tinggi pada ban berjalan ke dalam kotak berbeda
1.
Performance
measure : prosentase jumlah komponen yg diletakkan pada kotakyang
benar
2.
Environment
: ban berjalan,
komponen yang diuji, kotak
3.
Actuators
: gerak
lengan dan tangan robot
4.
Sensors
: kamera,
sensor fisik
Referensi:
PENGENALAN INTELEGENT AGENTS
DEFINISI INTELLIGENT AGENT
Dalam
kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang
mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan
mengarahkan aktivitasnya untuk mencapai tujuan
yaitu rasional.
Agen Kecerdasan sering digambarkan secara skematik
sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan
ini, agen cerdas sering disebut abstrak agen cerdas (Abstract Intelligent
Agent) untuk membedakan mereka dari dunia nyata implementasi sebagai sistem
komputer, sistem biologis, atau organisasi. Beberapa definisi agen cerdas
menekankan otonomi mereka, dan jadi lebih suka istilah otonom agen cerdas.
AGENT
adalah segala sesuatu yang dapat
mengamati lingkungannya melalui sensor
dan bertindak atas lingkungan yang melalui efektor. Beberapa bagian agent, dari
manusia, Robot, Software :
a)
Agen
dari manusia seperti mata, telinga, dan organ lain untuk sensor sedangkan tangan,
kaki, mulut, dan bagian tubuh lainnya untuk efektor.
b)
Robot sebagai agent : kamera dan
pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators
c)
Software sebagai agent : tekanan
pada keyboard, isi file dan paket-paket pada jaringan sebagai masukan sensors;
tampilan pada layar, penulisan file dan pengiriman paket jaringan sebagai
keluaran actuators.
KONSDEP AGENT
Konsep
Agent membahas tentang atribut yang ada
pada agent, seperti :
1. Percept : masukan (input) “indera” si agent.
2. Percept sequence : sejarah masukkan input si agent
3. Actions : tindakan yang akan
dilakukan oleh si agent
4. Environment : lingkungan di mana si agent berada
5. Tanya ? : ada yang kurang.
a) Konsep Rational Agent
Rational agent yaitu (melakukan hal yang terbaik) suatu agent yang
selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati
tentang lingkungan (sejarah input) dan pengetahuan lain yang dimilikinya.
Rational tidak berarti sempurna: ada aspek lingkungan yang tidak diketahui, di
luar kendali. Terkadang agent bermulai tanpa pengetahuan lingkungan →
exploration, learning, autonomy.
Contoh:
Kita
harus mendefinisikan tujuan dari si agent (goal). Goal bisa dinyatakan sebagai
performance measure: ukuran kinerja si agent.
Goal
|
Performance Measure
|
Lulus kuliah
|
IPK
|
Cepet kaya
|
Gaji bulanan
|
Juara liga sepakbola
|
Posisi klasemen
|
Bahagia
|
Tingkat kebahagiaan
|
b)
Task
Environment (lingkungan masalah )
Untuk merancang sebuah agent, kita harus
mendefinisikan lingkungan masalah (task
environment),
yaitu:
1.
Performance
measure : apa saja yang menjadi ukuran
kinerja agent?
2.
Environment : di manakah agent berperan?
3.
Actuators : apa saja yang bisa
dilakukan si agent?
4.
Sensors : apa saja yang menjadi perantara input
untuk agent?
5.
PEAS (Performance,
Environment, Actuators, Sensors)
Struktur sebuah agent
Struktur sebuah agent
a) Agent function
Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
f : P* → A
Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
f : P* → A
b)
Agent program
Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
Agent =
Arsitektur + Program
Agent program
menerima input percept terakhir (*mungkin* ia menyimpan percept sequence di
dalam memory-nya)
Contoh : VacuumCleanerWorld
Definisi task environment:
1.
Percepts : lokasi dan status, mis: [A, Kotor]
Contoh percept sequence:
{[A, Kotor], [A, Bersih], [B, Kotor], [B, Bersih], …}
{[A, Kotor], [A, Kotor], [A, Kotor], [A, Bersih], …}
Contoh percept sequence:
{[A, Kotor], [A, Bersih], [B, Kotor], [B, Bersih], …}
{[A, Kotor], [A, Kotor], [A, Kotor], [A, Bersih], …}
2.
Actions : DoKeKiri , DoKeKanan,
DoSedot , DoSantai
3.
Goal : menjaga kebersihan
4.
Environment : ruangan A dan B beserta isi debunya
Referensi:
- http:/thewebdriver.blogspot.co.id/2010/03/intelligent-agent.http
- https:/layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/
- https:/yanneevelynip.wordpress.com/2013/10/20/intelligent-agent-kecerdasan-buatan/
- https://layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/
Langganan:
Postingan (Atom)