人工智能
文章平均质量分 87
rectsuly
这个作者很懒,什么都没留下…
展开
-
人工智能基础复习1——人工智能概述
01 Intro课程大纲- 第一部分:人工智能概述/Introduction and Agents(chapters 1,2)- 第二部分:问题求解/Search(chapters 3,4,5,6)- 第三部分:知识与推理/Logic(chapters 7,8,9,10)- 第四部分:不确定知识与推理/Uncertainty(chapters 13-17)- 第五部分:学习原创 2017-06-11 13:53:59 · 3502 阅读 · 0 评论 -
人工智能基础复习2——问题求解
03 Problem solving search很多AI任务都可以形式化为搜索问题:寻找路径、过河问题、解谜题(魔方、数码问题)、酒壶分水Outline问题求解智能体:基于目标Agent问题形式化问题实例基本搜索算法问题求解Agentfunction SIMPLE-PROBLEM-SOLVING-AGENT(percept) returns an acti原创 2017-06-11 22:10:27 · 7233 阅读 · 1 评论 -
人工智能基础复习3——知识与推理
07 Logical agents一些建模范式- 基于状态的模型:搜索问题,博弈 - 应用:路径搜索,玩游戏等 - 考虑状态、行动和代价- 基于变量的模型:CSPs,贝叶斯网络 - 应用:调度、医疗诊断等 - 考虑状态和潜力- 基于逻辑的模型: 命题逻辑、一阶逻辑 - 应用:定理证明、验证、推理 - 考虑逻辑公式和推理规则原创 2017-06-12 13:34:49 · 13554 阅读 · 0 评论 -
人工智能基础复习4——不确定知识与推理
13 UncertaintyOutline不确定性(Uncertainty)概率(Probability)语法和语义推理独立性及贝叶斯法则不确定性一个Agent从不可能完全地确定一个世界或一个领域的状态,因为其中包含太多含糊性和不确定性可能/概率推理我已经得到这个证据,这个结论是正确的概率有多少?我脖子僵硬,那么我得脑膜炎的概率有多大?假设我原创 2017-06-12 15:25:10 · 3275 阅读 · 0 评论 -
人工智能基础复习5——学习
18 Learning-1Outline机器学习概述监督学习 决策树学习 线性预测 支持向量机无监督学习学习学习对于未知的环境是必要的,即当设计者缺少全知时学习作为一个系统构建方法是有效的,即将Agent置于现实当中,而不是尝试去把它写下来学习修改了Agent的决策机制来提高其性能学习Agent学习元素设计一原创 2017-06-13 08:27:43 · 1079 阅读 · 0 评论