人工智能第一次作业

1、   你认为什么是人工智能?

 

         人工智能(Artificial Intelligence)简称AI,主要研究如何用人工的方法和技术,使用各种自动化机器或智能机器(主要指计算机)模仿、延伸和扩展人的智能,实现某些机器思维或脑力劳动自动化。

 

2、   简述推理、学习、存储,三者之间的联系!

      推理,逻辑学指思维的基本形式之一,是有一个或几个已知的判断(前提)推出新判断(结论)的过程。 学习包括知识的学习,行为学习和技术的学习,以及抽象逻辑的理解和空间思维的想象。
      存储就是根据不同的应用环境通过采取合理、安全、有效方式将数据保存。

      学习包括了推理且存储同时在进行,当一个人在学习的时候就发生在头脑里存储,实质是人。换一个角度从人工智能来说,计算机上存储时是通过人的学习和设计间接反映出来人的学习和推理,保存在计算机中的方法。学习和推理可以先在人的思维进行,再次放到计算机里存储的过程,也可以在计算机里按着人的设计在推出新的存储。推理、学习、存储本质需要人的思想来设计。

 

3、   “警卫和囚犯”问题的过河方案,使用语义网络进行问题求解。模仿示例画出你的求解方案,并给出一共需要多少步可以成功过河?

 

初始状态

AAA      
BBB 

第一步:在船里载BB到对岸

AAA 
BBB

第二步:在对岸B再载船返回

AAA 
BBB

第三步:在船里载BB到对岸

AAA 
 BBB

第四步:在对岸B载船回来

 

AAA 
BBB

 

第五步:AA载船过去对岸

AAA
BBB

 

第六步:AB载船返回

AAA
BBB

第七步:AA载船到对岸

 AAA
BBB

第八步:B载船返回

 AAA
BBB 

 

第九步:BB载船到对岸

 AAA
BBB

第十步:B载船返回

 AAA
       BBB

 

第十一步:BB载船到对岸,过河结束

 AAA
      BBB

 

转载于:https://www.cnblogs.com/xiaolei1993/p/5277613.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
人工智能原理与算法第四次作业主要包括以下内容: 1. 线性回归:线性回归是一种常见的机器学习算法,用于建立输入变量与输出变量之间的线性关系。通过拟合最优的直线来进行预测和判断。 2. 逻辑回归:逻辑回归是一种常用于分类问题的线性模型。通过将线性回归的结果通过sigmoid函数进行转换,将输出限制在0-1之间,从而进行二分类预测。 3. 决策树:决策树是一种基于树结构的分类方法。通过一系列的决策节点和叶节点来对样本进行分类。决策树的训练过程包括选择最佳的节点和最优的划分特征。 4. K近邻算法:K近邻算法是一种基于实例的学习方法,通过计算输入样本与训练样本之间的距离,选择K个最近邻的样本来进行分类或回归。 5. 支持向量机:支持向量机是一种常用的二分类算法。通过将样本转换到高维空间,将样本分割为不同的类别,构造最优的超平面来进行分类。 6. 朴素贝叶斯:朴素贝叶斯是一种基于贝叶斯概率理论的分类方法。通过统计样本的特征向量在每个类别中的条件概率来进行分类。 7. 随机森林:随机森林是一种集成学习方法,通过多个决策树的集成来进行分类或回归。每个决策树使用不同的训练集和特征子集进行训练。 8. 神经网络:神经网络是一种模仿人脑神经元之间连接方式的计算模型。通过多个神经元的连接和权重调整来进行分类、回归等任务。 以上是人工智能原理与算法第四次作业的内容,涵盖了常用的机器学习算法和分类方法,这些方法在实际应用中具有广泛的应用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值