![](https://img-blog.csdnimg.cn/f627b48665554e76b4110abe0e54eaa3.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能基础
文章平均质量分 93
人工智能基础概念学习
小羊和小何
渡人者自渡
展开
-
人工智能学习(一):代理与环境
代理模型感知(Percepts):代理对环境的感知/观察,是代理接收信息的来源,一般由硬件像传感器,键盘,摄像头等做出。不同饿输入手段也会使代理了解关于环境的不同信息。行动(Action):代理通过自身执行器做出的可能影响环境的行动,代理的目标是做出合理的行为。环境(Environments):代理所在的地方,并且能与其产生互动。环境会影响代理的感知和活动。代理的种类的设计通常会依环境而定。性能测量(Performance Measure):环境状态的可取性,量化评价代理所作行动的好坏。原创 2022-05-28 18:34:17 · 1476 阅读 · 0 评论 -
人工智能学习(二):通过搜索进行问题求解——无信息搜索
无信息搜索(也称为盲目搜索)策略。无信息搜索指的是除了问题定义中提供的状态信息外没有任何附加信息。搜索算法要做的是生成后继并区分目标状态与非目标状态。这些搜索策略是以结点扩展的次序来分类的。知道一个非目标状态是否比其他状态“更有希望”接近目标的策略称为有信息搜索策略或者启发式搜索策略!原创 2022-05-23 14:47:01 · 4494 阅读 · 0 评论 -
人工智能学习(三):通过搜索进行问题求解——有信息搜索
有信息搜索又称为启发式搜索:使用问题本身的定义之外的特定知识——比无信息的搜索策略更有效地进行问题求解。我们要考虑的一般算法称为最佳优先搜索(best-first search)。 最佳优先搜索结点是基于评价函数f(n)值被选择扩展的。评估函数被看作是代价估计,因此评估值最低的结点被选择首先进行扩展。最佳优先图搜索的实现与一致代价搜索类似,不过最佳优先是根据f值而不是g值对优先级队列排队。原创 2022-05-23 20:15:06 · 4123 阅读 · 0 评论 -
人工智能学习(四):对抗搜索
对于多Agent环境,其中每个Agent需要考虑到其他Agent的行动及其对自身的影响。其他Agent的不可预测性可能导致该Agent问题求解过程中的偶发性。竞争环境中每个Agent的目标之间是有冲突的,这就引出了对抗搜索问题通常被称为博弈。原创 2022-05-28 15:41:22 · 3404 阅读 · 0 评论 -
人工智能学习(五):约束满足问题(上)
本篇要讨论的是如何更有效地求解更多种类的问题。使用成分表示来描述状态:即一组变量,每个变量有自己的值。当每个变量都有自己的赋值同时满足所有关于变量的约束时,问题就得到了解决。这类问题称为约束满足问题,简称CSP。CSP搜索算法利用了状态结构的优势,使用的是通用策略而不是问题专用启发式来求解复杂问题。主要思想是通过识别违反约束的变量/值的组合迅速消除大规模的搜索空间。原创 2022-04-25 00:57:10 · 4489 阅读 · 0 评论 -
人工智能学习(六):约束满足问题(下)
数独游戏被设计成通过约束间的推理来求解。但很多CSP只用推理是不能求解的;这时我们必须通过搜索来求解。这里讨论部分赋值的回溯搜索算法;后面会讨论完整赋值的局部搜索算法。可以应用标准的深度优先搜索。状态可能是部分赋值,行动是将加入到赋值中。考虑CSP中有n个值域大小为的变量,我们很快就能注意到一些可怕的情况:顶层的分支因子是,因为有n个变量,每个变量的取值可以是个值中的任何一个。在下一层,分支因子是, 依此类推n层。生成了一棵有个叶子的搜索树,尽管可能的完整赋值只有个!...原创 2022-04-28 00:45:04 · 4242 阅读 · 3 评论 -
人工智能学习(七):概率
一般情况下:这里的模型也是变量的集合,但它们是随机变量,有时我们知道它们的值,有时不知道。当我们知道它的取值时,这个变量就是证据。另外一些我们不知道值得变量就是未被观察到得变量。观察到的变量(证据):代理知道关于世界状态的某些事情(例如,传感器读数或症状)。未观察到的变量:代理需要对其他方面进行推理(例如,物体在哪里或存在什么疾病)。模型:代理知道一些关于已知变量与未知变量的关系。概率推理给了我们一个管理信念度和知识的框架。......原创 2022-05-29 23:53:04 · 1455 阅读 · 0 评论 -
人工智能学习(八):不确定性的量化
当Agent所处的环境是部分可观察的或者不确定的,甚至是既部分可观察又不确定时。Agent就需要处理不确定性。原创 2022-05-19 22:12:43 · 2380 阅读 · 0 评论 -
人工智能学习(九):贝叶斯网路——墨大版
贝叶斯网络是一个有向图,其中每个结点都标注了定量的概率信息。原创 2022-05-21 14:52:48 · 4128 阅读 · 0 评论 -
人工智能学习(十):什么是贝叶斯网络——伯克利版
模型描述了世界的(一部分)运作方式。模型总是简化的:可能没有考虑到每个变量,不关心或者无法为其建模。可能没有考虑到变量之间的所有相互作用,无法发现或者代价昂贵。所有的模型都是错的;但有些是有用的。在<人工智能学习(七):概率>中,我们主要谈论了动作,选择动作,动作序列,链式推理。但是在这一篇博文,我们要讨论的不是动作而是关于信念度。我们希望描述的是世界的某些部分,我们关心的变量是如何工作的。原创 2022-05-30 16:28:19 · 5078 阅读 · 0 评论 -
人工智能学习(十一):机器人学
机器人的类别,操纵器,移动机器人,非人体工程学的机器人。原创 2022-05-21 21:50:17 · 2158 阅读 · 0 评论 -
AI考试复习
宽度优先搜索:Bidirectional Search一致代价搜索深度优先搜索迭代加深的深度优先搜索贪婪优先搜索A*搜索MinmaxAlpha-Beta Pruning + 完美排序方案和结果规则:拍卖师从要求最低(保留)价格开始,拍卖师邀请投标人出价,必须高于当前收到的最高价格(可能需要一个最低出价增量),当没有收到进一步的出价时,拍卖结束,如果最终出价超过保留价,货物就被售出,获胜者支付的价格是他们的最终(最高)出价协议和结果规则:拍卖师从要求一个极高的初始价格开始拍卖师不断地逐原创 2022-06-07 09:58:41 · 514 阅读 · 0 评论