課程大綱： 人工智能導(dǎo)論培訓(xùn)
第一講 人工智能概述
1.1 簡介
1.2人工智能的概念
1.3 人工智能的發(fā)展簡史
1.4 人工智能研究的基本內(nèi)容
第一講 人工智能概述單元測試
第二講 一階謂詞邏輯知識表示法
2.1 命題邏輯
2.2 謂詞邏輯
2.3 一階謂詞邏輯知識表示法
第二講 一階謂詞邏輯知識表示法單元測試
第三講 產(chǎn)生式表示法和框架表示法
3.1產(chǎn)生式表示法
3.2 框架表示法
第三講 產(chǎn)生式表示法和框架表示法單元測試
第四講 基于謂詞邏輯的推理方法
4.1 推理方式及其分類
4.2 歸結(jié)演繹推理
4.3 魯濱遜歸結(jié)原理
4.4 歸結(jié)反演
4.5 應(yīng)用歸結(jié)原理求問題
第四講 基于謂詞邏輯的推理方法單元測試
第四講 基于謂詞邏輯的推理方法作業(yè)
第五講 可信度方法和證據(jù)理論
5.1 不確定推理
5.2 可信度方法
5.3 證據(jù)理論
第五講 可信度方法和證據(jù)理論單元測試
第六講 模糊推理方法
6.1 模糊邏輯提出
6.2 模糊集合與隸屬函數(shù)
6.3 模糊關(guān)系及其合成
6.4 模糊推理與模糊決策
6.5 模糊推理的應(yīng)用
第六講 模糊推理方法單元測試
第七講 搜索求解策略
7.1 搜索的概念
7.2 狀態(tài)空間知識表示法
7.3 啟發(fā)式圖搜索策略
A*算法虛擬實驗操作說明
第七講 搜索求解策略單元測試
第七講 A星算法虛擬仿真實驗
第八講 遺傳算法及其應(yīng)用
8.1 智能計算——基本遺傳算法
8.2 遺傳算法的基本操作
8.3 遺傳算法的一般步驟
8.4 遺傳算法的特點
遺傳算法虛擬實驗操作說明
第八講 遺傳算法及其應(yīng)用單元測試
第八講 遺傳算法虛擬仿真實驗
第九講 群智能算法及其應(yīng)用
9.1 粒子群優(yōu)化算法及應(yīng)用
9.2 蟻群算法及應(yīng)用
第九講 群智能算法及其應(yīng)用單元測試
第十講 專家系統(tǒng)及知識圖譜
10.1 專家系統(tǒng)
10.2 知識圖譜
第十一講 機器學(xué)習(xí)
11.1 機器學(xué)習(xí)發(fā)展
11.2 機器學(xué)習(xí)方法
11.3 機器學(xué)習(xí)技術(shù)
第十一講 機器學(xué)習(xí)單元測試
第十二講 BP神經(jīng)網(wǎng)絡(luò)和Hopfield神經(jīng)網(wǎng)絡(luò)
12.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
12.2 BP神經(jīng)網(wǎng)絡(luò)
12.3 BP神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用
12.4 離散型Hopfield神經(jīng)網(wǎng)絡(luò)
12.5 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
12.6 Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用
第十二講 BP神經(jīng)網(wǎng)絡(luò)和Hopfield神經(jīng)網(wǎng)絡(luò)單元測試
第十三講 深度神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
13.1 卷積神經(jīng)網(wǎng)絡(luò)
13.2 膠囊網(wǎng)絡(luò)
13.3 生成對抗網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)虛擬仿真實驗操作說明
第十三講 深度神經(jīng)網(wǎng)絡(luò)及其應(yīng)用單元測試
第十三講 神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)虛擬仿真實驗
第十四講 智能體系統(tǒng)
14.1智能體的概念
14.2 智能體結(jié)構(gòu)
第十四講 智能體系統(tǒng)單元測試
加入高級會員獲得助教答疑
