人工智能基础(Fundamentals of Artificial...

刘先勇(Dr. Xianyong Liu)

目录

  • 1 Introduction of AI
    • 1.1 授课内容
    • 1.2 课程PPT
  • 2 Intelligent Angents
    • 2.1 授课内容
    • 2.2 课题PPT
  • 3 Seach and Tree-search
    • 3.1 授课内容
    • 3.2 课程PPT
  • 4 Graph-search and Uninformed Search
    • 4.1 授课内容
    • 4.2 课程PPT
  • 5 Heuristic search algorithms
    • 5.1 授课内容
    • 5.2 课程PPT
    • 5.3 课程视频
    • 5.4 课后讨论
  • 6 The conditions for optimality
    • 6.1 授课内容
    • 6.2 课程PPT
    • 6.3 课程视频
    • 6.4 课后讨论
  • 7 Markov Reward Process
    • 7.1 授课内容
    • 7.2 课程PPT
    • 7.3 课程视频
    • 7.4 课后讨论
  • 8 Markov Decision Process
    • 8.1 授课内容
    • 8.2 课程PPT
    • 8.3 课程视频
    • 8.4 课后讨论
  • 9 Beyond classical search - Learning from the Nature
    • 9.1 授课内容
    • 9.2 课程PPT
    • 9.3 课程视频
    • 9.4 课后讨论
  • 10 Quantifying Uncertainty
    • 10.1 授课内容
    • 10.2 课程PPT
    • 10.3 课程视频
    • 10.4 课后讨论
  • 11 Probability reasoning
    • 11.1 授课内容
    • 11.2 课程PPT
    • 11.3 课程视频
    • 11.4 课后讨论
  • 12 Bayesian Inference
    • 12.1 授课内容
    • 12.2 课程PPT
    • 12.3 课程视频
    • 12.4 课后讨论
  • 13 Reinforcement Learning
    • 13.1 授课内容
    • 13.2 课程PPT
    • 13.3 课程视频
    • 13.4 课后讨论
  • 14 Dynamic Programming
    • 14.1 授课内容
    • 14.2 课程PPT
    • 14.3 课程视频
    • 14.4 课后讨论
  • 15 Lecture Summary
    • 15.1 授课内容
    • 15.2 考后分析
授课内容

上课日期:第七周 2020.10.21 3-4节,西校区工程中心204

出勤统计:应到41/实到40/迟到0/请假1(陈志豪)


从本次课开始,我们将学习人工智能中关于推理(inference、reasoning)的知识。

推理在人类智能中扮演着关键角色,例如,这个人是否值得交朋友,这个订单成功的可能性有多大,长此以往我成为百万富翁的可能性有多大?

推理之所以重要,是因为它直接关系到我们的决策和行为。

因此,建立合适的数学模型,为机器赋予推理能力,就可以帮助智能体具备行为理性。

本次课的重点是用于概率推理的贝叶斯网络模型的相关基础知识,例如,随机变量、概率分布、联合概率分布,以及如何计算边缘概率、条件概率。

本次课的难点是贝叶斯公式的理解和应用。