![325832572969eb53002fe1f47a544c7a.png](https://i-blog.csdnimg.cn/blog_migrate/8d9433de6d1d4108edbbf42542c0bc39.jpeg)
数学是打开科学大门的钥匙。——培根
数学基础知识蕴含着处理智能问题的基本思想与方法,也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上,要了解人工智能,首先要掌握必备的数学基础知识,具体来说包括:
- 线性代数:如何将研究对象形式化?
- 概率论:如何描述统计规律?
- 数理统计:如何以小见大?
- 最优化理论: 如何找到最优解?
- 信息论:如何定量度量不确定性?
- 形式逻辑:如何实现抽象推理?
线性代数:如何将研究对象形式化
事实上,线性代数不仅仅是人工智能的基础,更是现代数学和以现代数学作为主要分析方法的众多学科的基础。从量子力学到图像处理都离不开向量和矩阵的使用。而在向量和矩阵背后,线性代数的核心意义在于提供了⼀种看待世界的抽象视角:万事万物都可以被抽象成某些特征的组合,并在由预置规则定义的框架之下以静态和动态的方式加以观察。
着重于抽象概念的解释而非具体的数学公式来看,线性代数要点如下:线性代数的本质在于将具体事物抽象为数学对象,并描述其静态和动态的特性;向量的实质是 n 维线性空间中的静止点;线性变换描述了向量或者作为参考系的坐标系的变