9.1 机器学习的基本概念
上一节
下一节
邓希文
目录
-
1 第1章 绪论
-
1.1 1.1 人工智能的基本概念
-
1.2 1.2 人工智能的发展简史
-
1.3 1.3 人工智能研究的基本内容
-
1.4 1.4 人工智能的主要研究领域
-
1.5 第一章PPT
-
1.6 1.5 小结
-
1.7 思考题
-
-
2 第2章 知识表示与知识图谱
-
2.1 2.1 知识与知识表示的概念
-
2.2 2.2 一阶谓词逻辑表示法
-
2.3 2.3 产生式表示法
-
2.4 2.4 框架表示法
-
2.5 第二章PPT
-
2.6 2.7 小结
-
2.7 思考题
-
2.8 习题
-
-
3 第3章 确定性推理方法
-
3.1 3.1 推理的基本概念
-
3.2 3.2 自然演绎推理
-
3.3 3.3 谓词公式化为子句集的方法
-
3.4 3.4 海伯伦定理
-
3.5 3.5 鲁宾孙归结原理
-
3.6 3.6 归结反演
-
3.7 3.7 应用归结原理求解问题
-
3.8 3.8 小结
-
3.9 思考题
-
3.10 习题
-
-
4 第4章 不确定性推理方法
-
4.1 4.1 不确定性推理中的基本问题
-
4.2 4.2 概率方法
-
4.3 4.3 主观Bayes方法
-
4.4 4.4 可信度方法
-
4.5 4.5 证据理论
-
4.6 4.6 模糊推理方法
-
4.7 4.7 模糊控制
-
4.8 4.8 小结
-
4.9 思考题
-
4.10 习题
-
-
5 第5章 搜索求解策略
-
5.1 5.1 搜索的概念
-
5.2 5.2 状态空间知识表示方法
-
5.3 5.3 盲目的图搜索策略
-
5.4 5.4 启发式图搜索策略
-
5.5 5.5 与/或图搜索策略
-
5.6 5.6 小结
-
5.7 思考题
-
5.8 习题
-
-
6 第6章 进化算法及其应用
-
6.1 6.1 进化算法的产生与发展
-
6.2 6.2 基本遗传算法
-
6.3 6.3 遗传算法的改进算法
-
6.4 6.4 基于遗传算法的生产调度方法
-
6.5 6.5 差分进化算法及其应用
-
6.6 6.6 量子进化算法及其应用
-
6.7 6.7 小结
-
6.8 思考题
-
6.9 习题
-
-
7 第7章 群智能算法及其应用
-
7.1 7.1 群智能算法产生的背景
-
7.2 7.2 粒子群优化算法
-
7.3 7.3 量子粒子群优化算法
-
7.4 7.4 粒子群优化算法的应用
-
7.5 7.5 基本蚁群算法
-
7.6 7.6 改进蚁群算法
-
7.7 7.7 蚁群算法的应用
-
7.8 7.8 小结
-
7.9 思考题
-
-
8 第8章 人工神经网络及其应用
-
8.1 8.1 神经元与神经网络
-
8.2 8.2 BP神经网络及其学习算法
-
8.3 8.3 BP神经网络的应用
-
8.4 8.4 Hopfield神经网络及其改进
-
8.5 8.5 Hopfield神经网络的应用
-
8.6 8.6 Hopfield神经网络优化方法求解JSP
-
8.7 8.7 卷积神经网络及其应用
-
8.8 8.8 胶囊网络
-
8.9 8.9 生成对抗网络及其应用
-
8.10 8.10 小结
-
8.11 思考题
-
8.12 习题
-
-
9 第9章 机器学习
-
9.1 9.1 机器学习的基本概念
-
9.2 9.2 符号学习
-
9.3 9.3 知识发现与数据挖掘
-
9.4 9.4 深度学习
-
9.5 9.5 小结
-
9.6 思考题
-
-
10 第10章 专家系统
-
10.1 10.1 专家系统的产生和发展
-
10.2 10.2 专家系统的概念
-
10.3 10.3 专家系统的工作原理
-
10.4 10.4 知识获取的主要过程与模式
-
10.5 10.5 专家系统的建立
-
10.6 10.6 专家系统实例
-
10.7 10.7 专家系统的开发工具
-
10.8 10.8 小结
-
10.9 思考题
-
-
11 第11章 自然语言理解及其应用
-
11.1 11.1 自然语言理解的概念与发展历史
-
11.2 11.2 语言处理过程的层次
-
11.3 11.3 词法分析
-
11.4 11.4 句法分析
-
11.5 11.5 语义分析
-
11.6 11.6 基于语料库的大规模文本处理
-
11.7 11.7 机器翻译
-
11.8 11.8 语音识别
-
11.9 11.9 基于隐马尔可夫模型的语音识别方法
-
11.10 11.10 小结
-
11.11 思考题
-
11.12 习题
-
