|
人工智能導論 第2版ppt課件+題庫+作業(yè)參考答案+微課視頻課件+課程建設資料
|
|
資料類別
|
計算機課件 |
|
|
課程(專業(yè))
|
人工智能導論 |
|
關鍵詞
|
人工智能導論|搜索技術(shù)與算法 |
|
適用年級
|
大學 |
|
身份要求
|
普通會員 |
|
金 幣
|
50 �。�金幣如何獲得？） |
|
文件格式
|
ppt+word |
|
文件大小
|
60024K |
|
發(fā)布時間
|
2025-01-02 18:24:00 |
|
預覽文件
|
0736200.png（只能預覽部分內(nèi)容） |
|
下載次數(shù)
|
0 |
| 發(fā)布人 |
kj008 |
內(nèi)容簡介：
人工智能導論 第2版ppt課件+題庫+作業(yè)參考答案+微課視頻課件+課程建設資料
第1章概論
【導讀案例】有意義的人工智能時代
1.1計算的淵源
1.1.1阿拉伯數(shù)字
1.1.2巴貝奇與數(shù)學機器
1.1.3“機器人”的由來
1.2計算機的出現(xiàn)
1.2.1為戰(zhàn)爭而發(fā)展的計算機器
1.2.2計算機無處不在
1.2.3通用計算機
1.2.4計算機語言
1.2.5計算機建模
1.2.6人工智能大師
1.3人工的智能行為
1.3.1什么是“智能”
1.3.2類人行為：圖靈測試
1.3.3類人思考：認知建模
1.3.4理性思考：思維法則
1.3.5理性行為：理性智能體
1.4人工智能學科
1.4.1人工智能學科基礎
1.4.2人工智能定義
1.4.3人工智能的實現(xiàn)途徑
1.5人工智能發(fā)展的6個階段
第2章模糊邏輯與大數(shù)據(jù)思維
【導讀案例】電商網(wǎng)站的推薦系統(tǒng)
2.1什么是模糊邏輯
2.1.1甲蟲機器人的規(guī)則
2.1.2模糊邏輯的發(fā)明
2.1.3制定模糊邏輯的規(guī)則
2.1.4模糊邏輯的定義
2.1.5模糊理論的發(fā)展
2.2模糊邏輯系統(tǒng)
2.2.1純模糊邏輯系統(tǒng)
2.2.2高木-關野模糊邏輯系統(tǒng)
2.2.3具有模糊產(chǎn)生器及模糊消除器的模糊邏輯系統(tǒng)
2.3大數(shù)據(jù)思維與變革
2.3.1思維轉(zhuǎn)變之一：樣本=總體
2.3.2思維轉(zhuǎn)變之二：接受數(shù)據(jù)的混雜性
2.3.3思維轉(zhuǎn)變之三：數(shù)據(jù)的相關關系
2.4大數(shù)據(jù)與人工智能
2.4.1人工智能與大數(shù)據(jù)的聯(lián)系
2.4.2人工智能與大數(shù)據(jù)的區(qū)別
2.4.3人工智能深化大數(shù)據(jù)應用
第3章智能體與智能代理
【導讀案例】智能體：下一個顛覆性AI應用
3.1智能體和環(huán)境
3.2智能體的良好行為
3.2.1性能度量
3.2.2理性
3.2.3全知、學習和自主
3.3環(huán)境的本質(zhì)
3.3.1指定任務環(huán)境
3.3.2任務環(huán)境的屬性
3.4智能體的結(jié)構(gòu)
3.4.1智能體程序
3.4.2學習型智能體
3.4.3智能體程序組件的工作
3.5智能代理技術(shù)
3.5.1智能代理的定義
3.5.2智能代理的典型工作過程
3.5.3智能代理的特點
3.5.4系統(tǒng)內(nèi)的協(xié)同合作
3.6智能代理的典型應用
3.6.1股票/債券/期貨交易
3.6.2醫(yī)療診斷
3.6.3搜索引擎
3.6.4實體機器人
3.6.5游戲代理
第4章知識表示及其方法
【導讀案例】智能體將重構(gòu)人機交互
4.1什么是知識表示
4.1.1知識的概念
4.1.2知識表示方法
4.1.3表示方法的選擇
4.2圖形草圖
4.3圖和哥尼斯堡橋問題
4.4搜索樹（決策樹）
4.5產(chǎn)生式系統(tǒng)
4.6面向?qū)ο?br>
4.7框架法
4.8語義網(wǎng)絡
4.8.1語義網(wǎng)絡表示
4.8.2知識圖譜
第5章規(guī)則與專家系統(tǒng)
【導讀案例】人工智能時代的工作路徑
5.1專家的技能與特點
5.1.1在自己的領域里作為專家
5.1.2技能獲取的5個階段
5.1.3專家的特點
5.2規(guī)則與策略
5.2.1制勝策略
5.2.2知識工程
5.2.3知識獲取
5.3利用規(guī)則推導建立專家系統(tǒng)
5.3.1規(guī)則舉例
5.3.2建立框架
5.3.3IBM的沃森系統(tǒng)
5.4專家系統(tǒng)及其發(fā)展
5.4.1建立專家系統(tǒng)的思考
5.4.2專家系統(tǒng)的特征
5.4.3典型的專家系統(tǒng)——ADIS
5.5專家系統(tǒng)的結(jié)構(gòu)
5.5.1專家系統(tǒng)的功能
5.5.2知識庫
5.5.3推理機
5.5.4其他部分
5.5.5實現(xiàn)方式
第6章機器學習及其算法
【導讀案例】奈飛的電影推薦引擎
6.1什么是機器學習
6.1.1機器學習的發(fā)展
6.1.2機器學習的定義
6.1.3機器學習的研究
6.2基于學習方式的分類
6.2.1監(jiān)督學習
6.2.2無監(jiān)督學習
6.2.3強化學習
6.2.4機器學習的其他分類
6.3機器學習的基本結(jié)構(gòu)
6.4機器學習算法
6.4.1專注于學習能力
6.4.2回歸算法
6.4.3基于實例的算法
6.4.4決策樹算法
6.4.5樸素貝葉斯算法
6.4.6聚類算法
6.4.7支持向量機算法
6.4.8神經(jīng)網(wǎng)絡算法
6.4.9Boosting與Bagging算法
6.4.10關聯(lián)規(guī)則算法
6.4.11EM（期望最大化）算法
6.5機器學習的應用
6.5.1數(shù)據(jù)分析與挖掘
6.5.2模式識別
6.5.3生物信息學應用
6.5.4物聯(lián)網(wǎng)
6.5.5聊天機器人
6.5.6自動駕駛
第7章神經(jīng)網(wǎng)絡與深度學習
【導讀案例】谷歌大腦
7.1動物的中樞神經(jīng)系統(tǒng)
7.1.1神經(jīng)系統(tǒng)的結(jié)構(gòu)
7.1.2神經(jīng)系統(tǒng)學習機制
7.2了解人工神經(jīng)網(wǎng)絡
7.2.1人工神經(jīng)網(wǎng)絡的研究
7.2.2典型的人工神經(jīng)網(wǎng)絡
7.2.3類腦計算機
7.3深度學習的定義
7.3.1深度學習的優(yōu)勢
7.3.2深度學習的意義
7.3.3神經(jīng)網(wǎng)絡理解圖片
7.3.4訓練神經(jīng)網(wǎng)絡
7.3.5深度學習的方法
7.4卷積神經(jīng)網(wǎng)絡
7.4.1為什么選擇卷積
7.4.2卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)
7.5遷移學習
7.5.1基于實例的遷移
7.5.2基于特征的遷移
7.5.3基于共享參數(shù)的遷移
7.6深度學習的應用
第8章創(chuàng)建智能系統(tǒng)的強化學習
【導讀案例】機器學習幫助拯救瀕危物種
8.1強化學習的定義
8.1.1以獎勵假說為基礎
8.1.2片段性任務及連續(xù)性任務
8.1.3強化學習發(fā)展歷史
8.1.4基本模型和原理
8.1.5網(wǎng)絡模型設計
8.1.6設計考慮
8.1.7數(shù)據(jù)依賴性
8.2強化學習與監(jiān)督學習的區(qū)別
8.2.1強化學習與監(jiān)督學習和無監(jiān)督學習的不同
8.2.2學習方式
8.2.3先驗知識與標注數(shù)據(jù)
8.3強化學習的基礎理論
8.3.1基于模型環(huán)境與免模型環(huán)境
8.3.2探索與利用
8.3.3預測與控制
8.4強化學習分類
8.4.1從獎勵中學習
8.4.2被動強化學習
8.4.3主動強化學習
8.4.4強化學習中的泛化
8.4.5學徒學習與逆強化學習
8.5強化學習的應用
8.5.1游戲博弈
8.5.2機器人控制
8.5.3制造業(yè)
8.5.4醫(yī)療服務業(yè)
8.5.5電子商務
第9章數(shù)據(jù)挖掘與經(jīng)典算法
【導讀案例】評估葡萄酒的品質(zhì)
9.1從數(shù)據(jù)到知識
9.1.1決策樹分析
9.1.2購物車分析
9.1.3貝葉斯網(wǎng)絡
9.2數(shù)據(jù)挖掘方法
9.2.1數(shù)據(jù)挖掘的發(fā)展
9.2.2數(shù)據(jù)挖掘的對象
9.2.3數(shù)據(jù)挖掘的步驟
9.2.4數(shù)據(jù)挖掘分析方法
9.3數(shù)據(jù)挖掘經(jīng)典算法
9.3.1神經(jīng)網(wǎng)絡法
9.3.2決策樹法
9.3.3遺傳算法
9.3.4粗糙集法
9.3.5模糊集法
9.3.6關聯(lián)規(guī)則法
9.4機器學習和數(shù)據(jù)挖掘
9.4.1數(shù)據(jù)挖掘和機器學習典型過程
9.4.2機器學習和數(shù)據(jù)挖掘應用案例
第10章計算機視覺與處理
【導讀案例】模仿人類視網(wǎng)膜的生物芯片
10.1模式識別
10.2圖像識別
10.2.1人類的圖像識別能力
10.2.2圖像識別的基礎
10.2.3圖形識別的模型
10.2.4神經(jīng)網(wǎng)絡圖像識別
10.3計算機視覺技術(shù)
10.3.1什么是機器視覺
10.3.2定義計算機視覺
10.3.3計算機視覺與機器視覺的區(qū)別
10.4智能圖像處理技術(shù)
10.4.1圖像采集
10.4.2圖像預處理
10.4.3圖像分割
10.4.4目標識別和分類
10.4.5目標定位和測量
10.4.6目標檢測和跟蹤
10.5計算機視覺系統(tǒng)典型功能
10.6計算機視覺技術(shù)的應用
10.6.1機器視覺的行業(yè)應用
10.6.2檢測與機器人視覺應用
10.6.3布匹生產(chǎn)質(zhì)量檢測
第11章包容體系結(jié)構(gòu)與機器人
【導讀案例】RoboCup機器人世界杯足球錦標賽
11.1什么是包容體系結(jié)構(gòu)
11.1.1所謂“中文房間”
11.1.2傳統(tǒng)機器人學
11.1.3建立包容體系結(jié)構(gòu)
11.2包容體系結(jié)構(gòu)的實現(xiàn)
11.2.1艾倫機器人
11.2.2赫伯特機器人
11.2.3托托機器人
11.3劃時代的阿波羅計劃
11.4機器感知
11.4.1機器智能與智能機器
11.4.2機器思維與思維機器
11.4.3機器行為與行為機器
11.5機器人的概念
11.5.1機器人的發(fā)展
11.5.2機器人“三原則”
11.6機器人的技術(shù)問題
11.6.1機器人的組成
11.6.2機器人的運動
11.6.3機器人大狗
第12章自然語言與語音處理
【導讀案例】機器翻譯：大數(shù)據(jù)簡單算法與小數(shù)據(jù)復雜算法
12.1語言的問題和可能性
12.2什么是自然語言處理
12.2.1自然語言處理的原因
12.2.2自然語言處理的方法
12.2.3自然語言處理的任務
12.2.4語言模型
12.3語法類型與語義分析
12.3.1語法類型
12.3.2語義分析
12.4處理數(shù)據(jù)與處理工具
12.4.1統(tǒng)計NLP語言數(shù)據(jù)集
12.4.2自然語言處理工具
12.4.3自然語言處理技術(shù)難點
12.5語音處理
12.5.1語音處理的發(fā)展
12.5.2語音理解
12.5.3語音識別
第13章GPT大語言模型崛起
【導讀案例】難以區(qū)分的人工智能和人類藝術(shù)
13.1自然語言處理的進步
13.1.1關于ImageNet
13.1.2自然語言處理的ImageNet時刻
13.1.3從GPT-1到GPT-3
13.1.4ChatGPT聊天機器人模型與對策
13.1.5從文本生成音樂的MusicLM模型
13.1.6檢測AI文本的DetectGPT算法
13.2科普AI大語言模型
13.2.1大語言模型的能力
13.2.2國內(nèi)的大語言模型
13.2.3獲得大模型的機會
13.3ChatGPT的模仿秀
13.3.1舊的守衛(wèi)，新的想法
13.3.2搜索引擎結(jié)合LLM
13.3.3克服簡單編造與重復
13.4傳統(tǒng)行業(yè)的下崗
13.4.1客服市場，AI本來就很“卷”
13.4.2伐木場迎來工業(yè)革命
13.4.3新技術(shù)，新問題
第14章向動物學習群體智能
【導讀案例】“超級蜂群”無人機
14.1向蜜蜂學習群體智能
14.2什么是群體智能
14.2.1群體人工智能技術(shù)
14.2.2群體智能的兩種機制
14.2.3基本原則與特點
14.3典型算法模型
14.3.1蟻群算法
14.3.2搜索機器人
14.3.3微粒群（鳥群）優(yōu)化算法
14.3.4沒有機器人的集群
14.4群體智能背后的故事
14.5群體智能的應用與發(fā)展
第15章智能制造與智能建造
【導讀案例】互聯(lián)網(wǎng)之父預言：智能眼鏡未來將取代手機
15.1智能制造
15.1.1綜合特征
15.1.2智能技術(shù)
15.1.3測控裝置
15.1.4運作過程
15.2數(shù)字孿生
15.2.1數(shù)字孿生的動態(tài)仿真
15.2.2數(shù)字孿生的價值
15.3建筑信息模型
15.3.1BIM基本特性
15.3.2BIM對工程造價的影響
15.3.3BIM模型的構(gòu)架
15.3.4BIM生態(tài)系統(tǒng)
15.3.5BIM全周期實施規(guī)劃
15.4智能建造
15.4.1智能建造的定義
15.4.2實現(xiàn)智能建造
第16章自動規(guī)劃及其方法
【導讀案例】人與機器更好相處的“阿凡達”之路
16.1規(guī)劃的概念
16.2人工智能的烏姆普思世界
16.2.1描述烏姆普思世界
16.2.2探索烏姆普思世界
16.3什么是自動規(guī)劃
16.3.1定義經(jīng)典規(guī)劃
16.3.2自動規(guī)劃問題
16.4規(guī)劃方法
16.4.1規(guī)劃即搜索
16.4.2部分有序規(guī)劃
16.4.3分級規(guī)劃
16.4.4基于案例的規(guī)劃
16.4.5規(guī)劃方法分析
16.5時間、調(diào)度和資源
16.5.1時間約束和資源約束的表示
16.5.2解決調(diào)度問題
16.6自動規(guī)劃的應用
第17章搜索技術(shù)與算法
【導讀案例】科研變革進入第五范式：“加速”也要防“跑偏”
17.1關于搜索算法
17.2盲目搜索
17.2.1狀態(tài)空間圖
17.2.2回溯算法
17.2.3貪婪算法
17.2.4旅行銷售員問題
17.2.5深度優(yōu)先搜索
17.2.6廣度優(yōu)先搜索
17.2.7迭代加深搜索
17.3知情搜索
17.3.1啟發(fā)法
17.3.2爬山法
17.3.3最陡爬坡法
17.3.4最佳優(yōu)先搜索
17.3.5分支定界法
17.3.6A*算法
17.4受到自然啟發(fā)的搜索
17.4.1遺傳規(guī)劃
17.4.2螞蟻聚居地優(yōu)化
17.4.3模擬退火
17.4.4粒子群
17.4.5禁忌搜索
第18章人工智能的發(fā)展
【導讀案例】AI生成的作品也有著作權(quán)
18.1創(chuàng)新發(fā)展與社會影響
18.1.1人工智能發(fā)展的啟示
18.1.2人工智能的發(fā)展現(xiàn)狀與影響
18.2倫理與安全
18.2.1創(chuàng)造智能機器的大猩猩問題
18.2.2積極與消極的方面
18.2.3人才和基礎設施短缺
18.2.4設定倫理要求
18.2.5強力保護個人隱私
18.2.6機器人權(quán)利
18.3人工智能的極限
18.3.1由非形式化得出的論據(jù)
18.3.2衡量人工智能
18.4人工智能架構(gòu)
18.4.1傳感器與執(zhí)行器
18.4.2通用人工智能
18.4.3人工智能工程
18.5未來的人工智能
18.5.1意識與感質(zhì)
18.5.2機器能思考嗎
18.5.3從模仿到理解
18.5.4未來已來
相關說明：
1. 如您下載的資料不止一份，建議您注冊成為本站會員。會員請登錄后下載。
2. 會員購買金幣50元以下，0.7元/個，50元以上，0.5元/個。具體請看：下載與付款。
3. 會員48小時內(nèi)下載同一文件，不重復扣金幣。
4. 下載后請用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請看常見問題解答。
下載地址：
|
|
|