文章目录
写在前面:
本系列文是笔者在阅读人工智能相关书籍的过程中,结合导图所做的笔记梳理。
- 本文源自:2018年《人工智能导论》李德毅
- 梳理内容:书中中间章节部分(知识获取篇),分别为:05 搜索技术、06 群智能算法、07 机器学习、08 人工神经网络与深度学习
- 本文写于:2022年9月4日~12日
书籍框架:
知识获取
第5章、搜索技术
导图 - 搜索问题
搜索空间示意图
5.1 图搜索策略
导图
问题举例 - 传教士和野人问题
5.2 盲目搜索
导图
问题举例 - 4 皇后问题(深度优先搜索)
内容介绍:
动图演示:
问题举例 - 八数码问题(深度优先搜索)
下图中的八数码问题,说明了具有深度限制的深度优先搜索是如何进行的
问题举例 - 八数码问题(宽度优先搜索)
5.3 启发式搜索
导图
A 算法
内容:
示例 - 八数码问题:
A*算法
内容:
示例 - 罗马尼亚度假问题:
罗马尼亚度假问题的 A* 算法搜索动图:
5.4 博弈搜索
导图
5.5 本章小结
导图
第6章、群智能算法
6.1 群智能算法产生的背景
导图
6.2 遗传算法
导图
示例 - 轮盘赌选择
示例 - 流水车间调度问题(FSP)
小贴士:
- 关于流水车间调度问题的具体内容及代码实现,推荐文章:遗传算法解混合流水车间调度问题
6.3 粒子群优化算法及其应用
导图
粒子群优化算法的算法定义
粒子群优化算法的应用
6.4 蚁群算法
导图
蚁群算法的基本算法
用旅行商问题作为实例阐明蚁群算法:
蚁群算法的应用
示例 - 柔性作业车间调度问题:
6.5 本章小结
导图
第7章、机器学习
导图 - 机器学习
7.1 机器学习的发展
导图
7.2 监督学习
导图
监督学习 —— K-近邻算法(KNN)
监督学习 —— 决策树
监督学习 —— 支持向量机
支持向量机问题的基本模型:
核方法:(扩展低维特征到高维)
7.3 无监督学习
导图
无监督学习 —— K-均值算法
具体步骤:
示例 - 算法对参数的选择比较敏感:
7.4 弱监督学习
导图
弱监督学习 —— 迁移学习
第8章、人工神经网络与深度学习
导图
8.1 神经网络的发展历史
导图
参考文章: 哔哩哔哩 | 神经网络发展史
8.2 神经元与神经网络
导图
8.3 BP 神经网络及其学习算法
导图
BP 神经网络的结构
示例 - 数字分类训练问题
8.4 卷积神经网络
导图
卷积神经网络(CNN)的结构
小贴士
- 关于卷积神经网络的通俗理解,推荐5分钟小视频:哔哩哔哩 | 图解,卷积神经网络(CNN可视化)
8.5 生成对抗网络
导图
8.6 深度学习的应用
导图
8.7 本章小结
导图