收藏
课程目录
1.1 一个核心问题：什么是智能？
1.2 人工智能的基本概念
1.3 人工智能的三大学派
1.4 人工智能的四种研究途径
2.1 状态空间概念
2.2.1 通用图搜索算法
2.2.2 状态空间图的计算机表示
2.3 盲目搜索策略
2.4.1 启发式搜索策略
2.4.2 A*算法
2.5.1 博弈问题的表示
2.5.2 最大最小法
2.5.3 α-β剪枝
3.1.1 形式逻辑的概念
3.1.2 命题逻辑的概念
3.1.3 谓词逻辑的概念
3.2.1 命题的归结
3.2.2 基于归结的命题定理证明
3.2.3 命题合式公式转化为子句集
3.3.1 基于谓词逻辑的知识表示
3.3.2 置换与合一
3.3.3 谓词的自动定理证明和求解
3.3.4 谓词母式化为子句集的过程
4.1 产生式系统
4.2 语义网络与框架表示
4.3 专家系统
4.4 知识图谱
5.1.1 机器学习的基本概念
5.1.2 机器学习基本要素
5.2.1 有监督学习基本方法
5.2.2 常用分类方法
5.2.3 有监督学习性能的评估
5.3 无监督学习基本方法
6.1 生物神经元与神经网络
6.2 人工神经网络的三要素
6.3 感知器
6.4 误差反向传播网络
6.5 深度学习概述
6.6 卷积神经网络
7.1 Agent定义
7.2 理性Agent
7.3 Agent的PEAS描述方法
7.4 Agent的任务环境类型
7.5 Agent的基本类型
7.6 研究Agent的意义
1.2 人工智能的基本概念
1.3 人工智能的三大学派
1.4 人工智能的四种研究途径
2.1 状态空间概念
2.2.1 通用图搜索算法
2.2.2 状态空间图的计算机表示
2.3 盲目搜索策略
2.4.1 启发式搜索策略
2.4.2 A*算法
2.5.1 博弈问题的表示
2.5.2 最大最小法
2.5.3 α-β剪枝
3.1.1 形式逻辑的概念
3.1.2 命题逻辑的概念
3.1.3 谓词逻辑的概念
3.2.1 命题的归结
3.2.2 基于归结的命题定理证明
3.2.3 命题合式公式转化为子句集
3.3.1 基于谓词逻辑的知识表示
3.3.2 置换与合一
3.3.3 谓词的自动定理证明和求解
3.3.4 谓词母式化为子句集的过程
4.1 产生式系统
4.2 语义网络与框架表示
4.3 专家系统
4.4 知识图谱
5.1.1 机器学习的基本概念
5.1.2 机器学习基本要素
5.2.1 有监督学习基本方法
5.2.2 常用分类方法
5.2.3 有监督学习性能的评估
5.3 无监督学习基本方法
6.1 生物神经元与神经网络
6.2 人工神经网络的三要素
6.3 感知器
6.4 误差反向传播网络
6.5 深度学习概述
6.6 卷积神经网络
7.1 Agent定义
7.2 理性Agent
7.3 Agent的PEAS描述方法
7.4 Agent的任务环境类型
7.5 Agent的基本类型
7.6 研究Agent的意义
课程详情
本课程讲授人工智能领域的基本知识和技术架构。通过学习相关知识，学习者可在扎实掌握人工智能领域基本概念、原理和典型算法的基础上，提高分析问题、解决问题的能力。
本课程讲授人工智能领域的基本知识和技术架构。通过学习相关知识，学习者可在扎实掌握人工智能领域基本概念、原理和典型算法的基础上，提高分析问题、解决问题的能力。
本课程讲授人工智能领域的基本知识和技术架构。通过学习相关知识，学习者可在扎实掌握人工智能领域基本概念、原理和典型算法的基础上，提高分析问题、解决问题的能力。
