2/26 Mon AI

2、 NP-hard and 相关：

P、NP、NPC、NP-hard

P（Polynominal）: 存在多项式时间算法的问题。

NP（Nondeterministic）: 能在多项式时间内验证得出一个正确解的问题。不确定有没有多项式时间算法。注意是不确定而不是不存在。

例子：旅行商问题（TSP）。可能在一个多项式时间的验证下得到一个具体问题的解，但其抽象问题本身暂时没有多项式时间的解来解决所有情况下的问题。

NPC（Complete）: 其满足：存在一个NP问题【小A】，所有的NP问题都可以约化成【小A】，此时【小A】就是NPC问题。

如何证明：1. 证明小A是一个NP问题；2. 证明一个已知的NPC问题小B能约化到小A。

NP-Hard: 满足：所有的NP问题都可约化到【小B】，但小B不一定是NP问题。

3、Receptive Field 感受野

在神经网络中，一个特定的神经元对输入数据的感知范围。在卷积神经网络（CNN）中，每个神经元只与输入数据的一部分连接，这部分输入数据称为该神经元的感受野。

4、反向传播算法

反向传播算法过程与公式推导

通过计算损失函数对网络参数的梯度，利用梯度下降法来更新玩过参数以最小化损失函数，并使网络能逐步优化并适应输入数据的优化算法，用于训练神经网络。

其核心为链式法则。利用复合函数倒数计算规则，将网络中的每个节点视为一个函数计算梯度。

5、CPU和GPU

CPU(Central Processing Unit) = 控制单元(CU)+算术逻辑单元(ALU)+寄存器+缓存+总线接口单元

GPU(Graphic Processing Unit)图形处理器，是专门为处理图形任务而产生的芯片。

CPU延时低，GPU核多，延时高。

6、人工智能中的”训练“

指通过使用大量的数据和算法，来调整模型的参数，使模型能从输入数据中提取有用特征，对位置数据进行预测或分类。

7、贝叶斯网络

贝叶斯网络详解

一种概率图形模型，用于描述变量之间的依赖关系和不确定性。在图形模型中显式捕获已知的有向边的条件依赖性，它通过有向无环图，来表示一组变量及其条件依赖关系。

11、inference 推断，推理，推论。

12、perceive 察觉，注意到，意识到。

13、马尔科夫链

马尔可夫链简述

一种数学模型，描述具有马尔可夫性质的随机过程。马尔可夫性质是：在给定当前状态的情况下，未来状态的概率分布只依赖于当前状态，与过去状态无关。

其由 一组状态+状态之间的转移概率 组成。