![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 56
lesleygigi
这个作者很懒,什么都没留下…
展开
-
【人工智能】习题——监督学习
根据trear-prod-rate划分后的信息熵最小,相应的信息增益最大,trear-prod-rate被选为对。可知,划分后的信息熵越小,则获得的信息增益越大,从而选择使得当前样本集合信息增益最大的属性a作为当前的划分属性。根据astigmatism划分后的信息熵最小,相应的信息增益最大,被选为第一次划分的属性。(img-78pvhTRq-1685029037596)]根据age划分后的信息熵最小,相应的信息增益最大,age被选为对。根据age划分后的信息熵最小,相应的信息增益最大,age被选为对。原创 2023-05-25 23:39:36 · 384 阅读 · 0 评论 -
【人工智能】习题——博弈搜索
实际上,当n=k(m+1)+1时,后手必胜。设先手取出x个物品,后手只需要取出m+1-x个物品,使得n整除m+1的余数为1,且后手方仍是后手方。即先手必败后手必胜。本题中n=9,m=3,n=2(3+1)+1,满足后手必胜条件。通过搜索树得知,当先手的局面剩5个硬币时,后手必胜,而无论先手在第一步时取走几个硬币,后手总能使先手在第二步决策时只剩下5个硬币。有一种N/M或“最后者输”的博弈游戏,其玩法如下:开始有9枚硬币,两人轮流取出1、2或3枚,取出最后一枚者为输,试用搜索树证明后起步者总能取胜。原创 2023-05-25 23:34:50 · 940 阅读 · 0 评论 -
【人工智能】习题——不确定搜索
区别:局部搜索算法主要针对目标函数局部最优解的问题,每次迭代都会更新当前搜索到的最优解,直到不能再找到更优解为止(邻域解集为空)。模拟退火算法模拟了物质的退火过程,通过不断降温逐步减少系统的能量,以达到稳定状态,在这一过程中,偶尔允许系统跳到能量较高的状态,以避开局部极小点,最终稳定到全局极小点。联系:二者都是通过随机构建初始解,在邻域内生成新解,判断解的信息,不断调整,以达到最终解。模拟退火算法允许以一定的概率接受劣解以跳出局部最优解,并逐渐降低接受劣解的概率,直到最终找到全局最优解或达到终止条件。原创 2023-05-25 23:32:01 · 96 阅读 · 0 评论 -
【人工智能】习题——启发式搜索
又因为open表上任一具有f(n)<f*(S)的节点n,最终都会被A*选做扩展的节点,放入close表中,所以在open表中剩下的节点都有f(n)>f*(S)。引理1:对无限图,若有初始节点S到目标节点T的路径,则A*不结束时,在open表中即使最小的一个值也将增到无限大,或有f(n)>f*(S)试给出爬山法和分支界限搜索算法搜索图1所示的从A到J的搜索路径,其中g(n)用节点深度表示,h(n)的值在图中显示。->T不是最佳的,则f(T)=g(T)>f*(S),由引理2知结束前open表中存在f(n)原创 2023-05-25 23:30:32 · 935 阅读 · 0 评论 -
【人工智能】习题——一般图搜索
用四元组(N,H,Y,C)表示农夫,狐狸,小羊和菜篮的状态,0表示在此岸,1表示在对岸。初始状态为(0,0,0,0),目标状态为(1,1,1,1)。当N为0时,H和Y不能同时为1,Y和C不能同时为1;当N为1时,H和Y不能同时为0,Y和C不能同时为0。假设农夫每次只能带一样东西过河,考虑安全,无农夫看管时,狐狸和小羊不能在一起,小羊和菜篮不能在一起。(3)对于当前状态,遍历其所有可能的状态转移,对于没有访问过的新状态,如果该状态是目标状态,则停止搜索并返回搜索结果;在 3 X 3 的空格内,用1,2,…原创 2023-05-25 23:24:41 · 195 阅读 · 0 评论 -
【人工智能】决策树—信息增益
【代码】【人工智能】决策树—信息增益。原创 2023-04-18 15:47:44 · 48 阅读 · 0 评论 -
【人工智能】无监督学习-Kmeans聚类
【代码】[人工智能]无监督学习-Kmeans聚类。原创 2023-04-11 15:34:38 · 53 阅读 · 1 评论 -
【人工智能】字符路径
【代码】人工智能-字符路径。原创 2023-04-04 17:23:22 · 67 阅读 · 1 评论