主要内容：人工智能的定义，树搜索算法，无信息搜索策略，启发式搜索策略，约束满足问题求解，博弈算法，贝叶斯网络，隐马尔可夫模型，卡尔曼滤波器。 特色：人工智能课程在学校的讲授时间为32个学时，面对计算机科学与技术硕士研究生，是一门专业必修课。由于人工智能基础理论涉及到智能搜索，推理，机器学习等，是现在信息类研究生各研究方向的必备理论基础，能为学生深入各方向的研究打下良好的基础。其中的思想可以应用于模式识别，图像视频智能分析处理，数据挖掘及各种信息的智能处理应用中。由于课程讲授侧重于算法的描述，所以学生并不会觉得枯燥，在结合编程的实践练习下能很好掌握智能思想。
Overview
Syllabus
- 第一章 绪论
- 1.1 人工智能概念
- 1.2 什么是理性智能体
- 第二章 无信息搜索策略
- 2.1.1问题求解智能体
- 2.1.2问题形式化
- 2.1.3 树搜索算法
- 2.1.4树搜索算法的实现
- 2.2.1搜索策略
- 2.2.2宽度优先搜索
- 2.2.3一致代价搜索
- 2.3.1深度优先搜索
- 2.3.2有限深度搜索
- 2.3.3迭代深入搜索
- 2.3.4迭代深入深度搜索性能分析
- 2.4无信息搜索策略小结
- 第三章 有信息搜索策略
- 3.1贪婪搜索算法
- 3.2.1A星搜索算法
- 3.2.2A星搜索算法的最优性
- 3.2.3可采纳的启发式函数
- 3.3爬山搜索算法
- 3.4模拟退火搜索算法
- 3.5遗传算法
- 第四章 约束满足问题
- 4.1.1什么是约束满足问题
- 4.1.2约束满足问题的标准搜索形式化
- 4.2.1回溯搜索算法
- 4.2.2回溯搜索的变量赋值顺序策略
- 4.2.3回溯搜索的前向检查及约束传播
- 4.2.4 AC-3弧相容算法
- 4.3约束满足问题的局部搜索方法
- 第五章 对抗搜索
- 5.1博弈及极小极大值概念
- 5.2极小极大值决策算法
- 5.3.1剪枝的概念
- 5.3.2 alpha-beta算法
- 5.3.3 alpha-beta剪枝示例
- 5.4 不完美的实时决策
- 第六章 不确定性推理
- 6.1不确定性量化
- 6.2使用完全联合分布进行推理
- 6.3贝叶斯规则及其应用
- 6.4贝叶斯网络推理
- 6.5隐马尔可夫模型
- 6.6卡尔曼滤波器
Taught by
Huilan Luo
