人工智能概论

王佳婧

目录

  • 1 课程介绍
    • 1.1 课程简介
    • 1.2 课程大纲
    • 1.3 教学日历
  • 2 绪论
    • 2.1 课前指导
    • 2.2 教学课件
    • 2.3 Video-绪论
    • 2.4 Video-人工智能芯片
  • 3 逻辑与推理
    • 3.1 课前指导
    • 3.2 课前预习
    • 3.3 教学课件
    • 3.4 Video-路径排序算法
    • 3.5 Video-因果推理
  • 4 搜索求解
    • 4.1 课前指导
    • 4.2 教学课件
    • 4.3 Video-启发式搜索
  • 5 统计学习:有监督学习
    • 5.1 课前指导
    • 5.2 教学课件
  • 6 统计机器学习:无监督学习
    • 6.1 课前指导
    • 6.2 教学课件
  • 7 深度学习
    • 7.1 课前指导
    • 7.2 教学课件
  • 8 强化学习
    • 8.1 课前指导
    • 8.2 教学课件
  • 9 人工智能博弈
    • 9.1 课前指导
    • 9.2 教学课件
  • 10 群智能算法
    • 10.1 课前指导
    • 10.2 教学课件
  • 11 人工智能未来发展和趋势
    • 11.1 课前指导
    • 11.2 教学课件
    • 11.3 人工智能的未来:数据知识双驱动
课前指导

在现实工作和生活中,存在着这样一类优化问题:在一定的资源或条件的限制下,寻求最佳解决方案或最大化收益。例如,工厂在人力、物力、时间和法律法规的限制下,如何生产出尽可能多的产品,使收益最大化;又如,在旅行时,在时间和资金等限制条件下,如何以最经济或时间最短的方式游览中国的所有省会城市。由于这些问题受到诸多限制,其目标函数十分复杂,常常存在多个局部最优解,导致一些常规化方法无法搜索到全局最优解或者求解时间太长。

为了解决该类问题,一些智能算法被相继提出,例如遗传算法、粒子群算法和蚁群算法。智能算法是智能技术领域的一个分支,是生物、数学等多学科的完美融合,这些算法模拟人类进化过程或生物群体协作过程,具有一些类似生命体智慧的特征,能有效解决各类最优化问题。