本文介绍了人工智能的基础知识，包括机器思维、感知、行为和学习等方面。重点讲述了神经网络的历史、发展和典型应用，如智能机器人、智能网络和智能游戏。此外，还探讨了神经网络与小波分析、混沌理论、粗集理论、分形理论的结合，以及粒子群算法的起源、优势和应用领域。最后，提到了数据科学家的学习路径。
以下内容是2017年尾学习的一些资料，今天来做一下整理，之前是发布在我的个人公众号《良阁》上，不过由于长期没有更新已经被注销。将内容放在这里，打卡学习~
人工智能的应用：
1.机器思维：搜索（博弈对决时，状态空间搜索和与或树搜索）
推理（理论基础是数理逻辑）
规划（完整的规划系统是斯坦福研究所问题求解系统，它是一种基于F规则和状态空间的规划系统）
2.机器感知：机器视觉（实现人类的视觉功能）
模式识别（鉴别并归入到相应的模式中）
自然语言处理（人类与计算机进行有效的交流）
3.机器行为：机器控制（在极少或没有人工干预的情况下，独立驱动智能机器，实现目标的控制过程）
机器制造
4.机器学习：符号学习
神经学习
知识发现和数据挖掘（在数据库的基础上实现的一种知识发现系统）
5.机器计算：模糊计算
神经计算（也叫神经网络、抑制和兴奋两种状态、最常用的是传统感知器模型、具有误差反向传播功能的BP神经网 络模型）
进化计算（包括遗传算法、进化策略、进化规则、遗传规则）
最低0.47元/天 解锁文章
2481
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
