Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

人工智能

Jiangxi University of Science and Technology via XuetangX

Overview

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。

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

Tags

Reviews

Start your review of 人工智能

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.