厚积而薄发

文章目录本节重点一、生物神经元模型二、感知器算法2.1 感知器模型的结构2.2 感知器权重学习方法2.3 实例2.4 感知器算法的问题和改进2.5 人工神经元模型特点三、前馈神经网络和BP算法3.1 FNN结构3.2 FNN问题四、错误反向传播（BP）算法FNN实例利用FNN解决MNIST问题五、卷积神经网络5.1 视觉通路5.2 视觉皮层和图像卷积5.3 实例5.4 卷积神经网络(CNN)本节重点训练多层神经网络的过程：训练过程可以分为以下步骤：– 前馈计算：从输入层开始，计算每一层的状态和激活值

文章目录概念一、监督学习1.1 运行过程1.2 典型算法1.2.1 K近邻算法1.2.2 决策树算法1.2.3 支持向量机二、无监督学习2.1 特点2.2 聚类（“归堆”）2.3 典型算法2.3.1 K-means聚类算法2.3.2 自动编码器应用：1️⃣图像抗噪2️⃣数据降维三、弱监督学习3.1 半监督学习实例实例一：远距离监督用于关系抽取实例二：社交网络上的半监督学习3.2 迁移学习（计算机的举一反三）实例实例一：图像风格的迁移学习四、强化学习4.1 强化学习的基本思想4.2 实例实例一：小孩子学走

文章目录一、进化智能①总论：时间维度上的适者生存②遗传算法二、群体智能①总论：空间维度上的适者生存②蚁群算法一、进化智能①总论：时间维度上的适者生存起源于新达尔文主义（繁殖、突变、竞争、选择）②遗传算法遗传算法和搜索技术的比较二、群体智能①总论：空间维度上的适者生存个体行为简单，不具备独立的复杂的智能能力；群体行为复杂，具有智能特征，可以解决许多复杂问题。典型案例：黏菌：路径规划②蚁群算法...

文章目录一、状态空间图二、搜索方法一、状态空间图（深度优先）1.状态空间图不一定总能画出来，只有两个要素：状态、连接2.建立状态空间图，需要：– 定义状态形式– 定义状态之间的连接的意义– 定义问题的解的形式（状态解、路线解、最优值解等）实例：二、搜索方法1.盲目/通用搜索主要指：深度优先搜索、宽度优先搜索2.贪心搜索贪婪搜索策略：总是做出在当前看来最好的选择，或者采用使得当前步骤获利最大的选择，因此也叫做贪婪算法。– 贪婪搜索策略不考虑整体最优，仅求取局部最优。因而

文章目录一、概念二、典型的知识图谱三、知识图谱技术和应用总结一、概念以结构化形式，描述客观世界中存在的概念、实体、以及实体之间关系。因此，知识图谱是这样一类知识表示和应用技术的总称。在典型的知识图谱中，每个实体或概念用一个 ID来标识，称为标识符。实体通过若干属性来刻画内在特性，实体之间通过多种关系来链接。所有实体相互关联，形成“图”。**历史发展：**

一、定义：所谓推理，就是从初始证据出发，按照某种策略，不断运用知识库中已有的知识，逐步匹配，直到推出结论的过程。二、推理的类型：1.归纳：从特殊到一般2.演绎：从一般到特殊三、推理的方向：1.正向推理1.1假言推理1.2拒式假言推理2.反向推理反向推理例子：四、推理的确定性：1.确定性：推理用的知识/证据/得到的结论非真即假2.不确定性推理用的知识/证据/得到的结论存在概率性五、总结：计算机实现推理：反向、演绎机器学习：归纳六、确定性推理：1.归结原理采用反证法

AI与我们

一、概念：知识表示，就是将人类知识形式化或者模型化二、知识表示：分为三大类：符号主义、经验主义、连接主义1.符号主义：谓词逻辑、产生式系统、框架系统2.经验主义：状态表示、特征表示3.连接主义：语义向量、网络权重三、一阶谓词逻辑*****1.命题逻辑：***用大写英文字母表示命题，配合逻辑符号表示知识优点：实现了知识表示缺点：缺少对命题内部特征的描述2.谓词逻辑：优点：自然性、精确性、容易实现缺点：不能表示不确定知识形式过于自由，兼容性差2.1操作流程：1.定义.