人工智能导论
文章平均质量分 61
灭绝星辰
这个作者很懒,什么都没留下…
展开
-
人工智能实训 第二十一章 强化学习
任务描述本关任务:学习了解本章内容并完成对应习题。相关知识为了完成本关任务,你需要掌握:1. 被动强化学习;2. 主动强化学习;3. 强化学习中的泛化;4. 策略搜索;5. 强化学习的应用。被动强化学习基本思路:以rewards的形式接收反馈Agent 的效用由reward函数定义行为最大化rewards所有的行为基于观察到的产出样本简化任务:策略评估输入:一个确定的策略π(s),未知T(s,a,s’),未知rewards R(s,a,s’)。目标:学习状态值。在这种情况下:Lea原创 2021-12-22 13:52:07 · 847 阅读 · 0 评论 -
人工智能 清览作业2
1.请用真值表的方法证明下列语句是有效的,可满足的,还是不可满足的?(20分)答:(P ∧ Q) ∨ ⌝Q是可满足的,真值表如下:从真值表可得,在第1、3、4种模型下为真,第2种模型下为假,故(P ^ Q) ∨ ⌝Q是可满足的。α=((P ∧ Q) ⇒ R) ⇔ ((P ⇒ R) ∨ (Q ⇒ R))是有效的,真值表如下:从真值表可得,在所有模型下都为真,故((P ∧ Q) ⇒ R) ⇔ ((P ⇒ R) ∨ (Q ⇒ R))是有效的。2.考虑下列的一阶逻辑表达式:其中x,y,z,w,原创 2021-12-13 21:13:39 · 1700 阅读 · 0 评论 -
人工智能实训 机器学习 朴素贝叶斯分类器
第1关:条件概率任务描述本关任务:根据本节课所学知识完成本关所设置的选择题。相关知识为了完成本关任务,你需要掌握条件概率。条件概率朴素贝叶斯分类算法是基于贝叶斯定理与特征条件独立假设的分类方法,因此想要了解朴素贝叶斯分类算法背后的算法原理,就不得不用到概率论的一些知识,首当其冲就是条件概率。接下来就开启我们的条件概率之旅吧。什么是条件概率概率指的是某一事件A发生的可能性,表示为P(A)。而条件概率指的是某一事件A已经发生了条件下,另一事件B发生的可能性,表示为P(B|A),举个例子:今天有原创 2021-12-07 15:01:05 · 1211 阅读 · 0 评论 -
人工智能实训 第十八章 样例学习
任务描述本关任务:根据第十八章相关知识完成习题。相关知识为了完成本关任务,你需要掌握:1. 决策树;2. 人工神经网;3. 支持向量机。决策树决策树是一种用于对实例进行分类的树形结构,一种依托于策略抉择而建立起来的树。决策树由节点(node)和有向边(directed edge)组成。节点的类型有两种:内部节点和叶子节点。其中,内部节点表示一个特征或属性的测试条件(用于分开具有不同特性的记录),叶子节点表示一个分类。一旦我们构造了一个决策树模型,以它为基础来进行分类将是非常容易的。具体做法是原创 2021-12-06 17:55:51 · 1253 阅读 · 2 评论 -
人工智能实训 第十五章 时间上的概率推理
任务描述本关任务:了解掌握第十五章的内容并完成习题。相关知识为了完成本关任务,你需要掌握:1. 时间与不确定性;2. 隐马尔科夫模型;3. 卡尔曼滤波器;4. 动态贝叶斯网络。时间与不确定性将世界看作一系列快照。(时间片,每个时间片都包含了一组随机适量、其中一部分可观察另一部分是不可观察的。)Xt表示在时刻t的不可观察的状态变量集,E表示在时刻t的可观察的证据,时间片之间的时间间隔与具体问题有关。指定世界如何演变:转移模型。证据变量如何得到它们的取值:传感器模型。转移模型描述在给定过去的状原创 2021-12-06 17:53:28 · 1130 阅读 · 0 评论 -
人工智能实训 第十四章 概率推理
任务描述本关任务:学习掌握第十四章内容并完成相应习题。相关知识为了完成本关任务,你需要掌握贝叶斯网络。贝叶斯网络贝叶斯网络:是使用简单的、本地分布(条件概率)描述复杂的联合分布(模型)的一种技术,更确切的称之为图模型。描述本地变量如何交互,以及本地交互链结合起来提供全球的、间接地交互作用,大约10分钟,将会模糊的指定这些交互作用。贝叶斯网络 含蓄地 编码 联合分布作为本地条件分布的产物,为了看贝叶斯网络给完整分派的概率,将所有相关的条件语句组合在一起:开始你的任务吧,祝你成功!..原创 2021-12-06 17:48:59 · 1178 阅读 · 0 评论 -
人工智能导论实训 第十三章 不确定性的量化
任务描述本关任务:学习了解第十三章的内容并完成习题。相关知识为了完成本关任务,你需要掌握:1. 不确定性概述;2. 基本概率符号;3. 概率公理;4. 条件独立性;5. 贝叶斯规则。不确定性概述Agent 的环境可能是部分可观察的或者不确定的,也可能是部分可观察并且不确定的。逻辑理论无法处理不确定性问题,因为:惰性、理论的无知、实践的无知。本体约束相同:世界由成立或者不成立的事实组成。认识约束不同:逻辑 Agent 相信每个语句是正确的或者错误的,概率 Agent 为每个语句赋予一个0~1之原创 2021-12-06 17:35:06 · 744 阅读 · 0 评论 -
人工智能 清览作业1
1.考虑一个实时的在线电话翻译系统,该系统实现英语与日语之间的实时在线翻译,讨论该系统的性能度量,环境,执行器,感知器,并对该环境的属性进行分析。性能度量:翻译的正确率环境:电话线路、电话两侧的声音来源传感器:麦克风执行器:音响环境属性:完全可观察的,单agent,确定的,片段的,静态的,离散的为了确保翻译的完整性,这个agent的传感器应该在每个时间点上都能获取环境的完整状态,即读取音源,故是完全可观察的;实事翻译不需要和别的agent交互,故是单agent;在线电话翻译agent的下一状原创 2021-11-16 11:11:23 · 2064 阅读 · 0 评论 -
人工智能导论实训 第九章 一阶逻辑的推理
任务描述本关任务:掌握一阶推理相关知识并完成习题。相关知识为了完成本关任务,你需要掌握:1. 量词推理与命题化;2. 合一与提升;3. 前向链接算法与反向链接算法;4. 归结。量词推理与命题化全称量词实例化(UI):可以用任何常数项置换变量得到语句。V是变量,g是常数基项,α是语句。存在量词实例化:对于语句α,变量V和常数符号k,只要ki没有在知识库的其他地方出现过。合一与提升合一算法Unify:以两条语句p,q为输入。合一置换存在则返回它们的合一置换:Unify(p,q)=θ 满原创 2021-11-16 00:14:19 · 1069 阅读 · 0 评论 -
人工智能导论实训 第八章 一阶逻辑
任务描述本关任务:了解一阶逻辑相关知识并完成习题。相关知识为了完成本关任务,你需要掌握:1. 一般的表示语言;2. 一阶逻辑的语法和语义;3. 一阶逻辑的简单应用。一般的表示语言程序设计语言(如C++、Java或Python)是目前为止常用的形式语言中最大的一类。命题逻辑是一种描述性语言,它有充分的表达能力,可以采用析取式或否定式来处理不完全信息。自然语言更多的认为它是交流的媒介而不是单纯的表示。一阶逻辑语言 是围绕对象和关系建立起来的,还可以表达关于全域中某些或全部对象的事实。命题逻辑与一原创 2021-11-16 00:11:28 · 1056 阅读 · 0 评论 -
人工智能导论实训 第七章 逻辑Agent
任务描述本关任务:学习了解逻辑 Agent 相关知识并完成习题。相关知识为了完成本关任务,你需要掌握:1. 基于知识的Agent;2. 逻辑;3. 命题逻辑以及定理证明;4. 模型检验。基于知识的Agent基于知识 Agent 的核心部件是 知识库(KB)。知识库是一个语句集合,这些语句用知识表示语言表达,还表示了关于世界的某些断言。知识库的添加:Tell知识库的查询:AskAgent要能够:表示状态,行动等等引入新的感知信息更新世界的表示推导世界的潜在属性推导正确的行为逻辑逻原创 2021-11-16 00:09:05 · 682 阅读 · 0 评论 -
人工智能导论实训 第六章 约束满足问题
任务描述本关任务:使用回溯搜索算法解决八皇后问题并求出共有多少种算法。相关知识为了完成本关任务,你需要掌握什么是 回溯搜索算法。回溯搜索算法搜索与回溯是计算机解题中常用的算法,很多问题无法根据某种确定的计算法则来求解,可以利用搜索与回溯的技术求解。回溯是搜索算法中的一种控制策略。基本思想是:为了求得问题的解,先选择某一种可能情况向前探索,在探索过程中,一旦发现原来的选择是错误的,就退回一步重新选择,继续向前探索,如此反复进行,直至得到解或证明无解。编程要求在右侧编辑器中完成void sea原创 2021-11-16 00:06:43 · 253 阅读 · 0 评论 -
人工智能导论实训 第五章 AlphaBeta剪枝算法求解博弈树最优选择
任务描述本关任务:学习人工智能博弈算法中的 AlphaBeta 剪枝技巧,并基于 MinMax 算法编程实现如下图博弈树最优值问题的求解。博弈树的输入形式为字符串:[A, [B, (E, 3), (F, 12), (G, 8)], [C, (H, 2), (I, 4), (J, 6)], [D, (K, 14), (L, 5), (M, 2)]],其中 [] 里的第一项为结点名称,后面的 [] 或 () 为子结点,而 () 里边则为叶子结点名称及其值。通过 Python 中的 ast.literal_原创 2021-11-16 00:05:19 · 3727 阅读 · 0 评论 -
人工智能导论实训 第四章 超越经典搜索
任务描述本关任务:利用遗传算法求解 TSP 问题。相关知识为了完成本关任务,你需要掌握:1. 遗传算法;2. TSP问题。遗传算法一个后继状态由两个父状态决定,以k个随机产生的状态开始(population),一个状态表示成一个字符串。定义一个健康度量函数用来评价状态的好坏程度,通过选择,交叉,突变的操作产生下一轮状态。TSP问题旅行商问题,即 TSP 问题(Traveling Salesman Problem)又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商原创 2021-11-15 23:59:46 · 343 阅读 · 0 评论 -
人工智能导论实训 第三章 通过搜索进行问题求解
任务描述本关任务:了解有信息搜索策略的算法思想;能够运用计算机语言实现搜索算法;应用A*搜索算法解决罗马尼亚问题;相关知识A搜索算法介绍A算法常用于 二维地图路径规划,算法所采用的启发式搜索可以利用实际问题所具备的启发式信息来指导搜索,从而减少搜索范围,控制搜索规模,降低实际问题的复杂度。算法原理:A*算法的原理是设计一个代价估计函数:其中 **评估函数F(n)**是从起始节点通过节点n的到达目标节点的最小代价路径的估计值,函数G(n)是从起始节点到n节点的已走过路径的实际代价,函数H(原创 2021-11-15 23:57:23 · 273 阅读 · 0 评论 -
人工智能导论实训 第二章 智能Agent
任务描述本关任务:掌握学习第二章智能 Agent 并完成习题。相关知识为了完成本关任务,你需要掌握:1.Agents 和环境;2.理性 Agent;3.环境的性质;4. Agent 的类型与结构。Agents 和环境Agent 通过 感知器 感知环境并通过 执行器 对所处的环境产生影响。Agent 函数将任何感知历史数据映射为行为:Agent 程序通过在物理系统上运行来实现 Agent 函数:Agent = 体系结构 + 程序理性Agent理性agent:对于每一个可能的感知数据序列,原创 2021-11-15 23:54:47 · 502 阅读 · 0 评论 -
人工智能导论实训 第一章 绪论
任务描述本关任务:阅读理解第一章绪论内容完成本节练习题。相关知识为了完成本关任务,你需要掌握:1.人工智能的定义,2.人工智能的基础,3.人工智能的历史以及最新发展水平。原创 2021-11-15 23:50:36 · 351 阅读 · 0 评论