没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
人工智能的三大学派:符号主义,联结主义,行为主义。搜索,遗传算法,多层感知机(MLP),BP算法,Hopfield 网络,径向基网络,Boltzmann机(BM),深度神经网络(DNN),自动编码器(Auto Encoder),Deep Belief Networks(DBN),Deep Boltzmann Machine(DBM),Deep Learning for Image,Deep Learning for Sequence,RNN,LSTM,GAN,消解(归结)原理,一阶谓词逻辑,一阶逻辑-推演,KB语义网络,模糊逻辑。田忌赛马,格子问题,传教士、蚁群算法。
资源推荐
资源详情
资源评论
![application/x-rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/12275862/bg1.jpg)
第一讲 人工智能概述
1. 人工智能的三大学派:符号主义,联结主义,行为主义
▶ 符号主义学派:逻辑学派。
“人的认知基元是符号,认知过程即符号操作过程”
“人工智能的核心是知识表示、知识推理和知识运用”。
衍生出:逻辑、专家系统、知识库。
▶ 联结主义学派:仿生学派或生理学派。
“人的思维基元是神经元”。
原理:神经网络及神经网络间的连接机制和学习算法。
衍生出:人工神经网络、认知科学、类脑计算
▶ 行为主义学派:进化主义或控制论学派。
“智能取决于感知和行动”。
“人工智能可以像人类智能一样通过进化、学习来逐渐提高和增强”。
原理:利用机器对环境作用后的响应或反馈为原型来实现智能化。
衍生出:控制论、多智能体、强化学习等。
2. 人工智能路线图
3. AlphaGo 背后的技术:
• 深度学习(联结主义)+ 强化学习(行为主义);
• 利用残差神经网络(ResNet)训练深度模型;
• 利用马尔科夫树搜索技术解决围棋的搜索空间爆炸问题;
• 采用“自我对弈”策略进行无人工标注的自我训练
4. 其他案例实践:
• 自然语言处理:神经语言模型和词嵌入技术,机器翻译,文本生成技术;
• 互联网大脑:知识图谱+深度学习:利用网络大数据推断目标间的潜在关联关系,为用
户提供查询推荐、搜索导航等知识获取和深度理解功能;
• 系统论:智能体现为个体的自适应能力。大量智能体( agent)积极地相互竞争和合作,
![](https://csdnimg.cn/release/download_crawler_static/12275862/bg2.jpg)
在没有中央指挥的情况下,通过彼此相互作用和相互适应也能形成整体的有序状态。
还原论→系统论→复杂性理论(涌现)
第二讲 搜索
2.1 搜索问题
1. 构成:状态空间、后继函数(行动,代价)、初始状态和目标测试;
解 是一个行动序列,将初始状态转换成目标状态。
2.状态空间图:搜索问题的数学表示,每个状态只出现一次;
搜索树:根节点对应初始状态,子节点对应后继(节点显示状态也对应到达状态的行
动);
在搜索树中会出现很多重复的结构(如:节点彼此闭环连接的情况);
由于内存的限制,实际中并不会完整地构建整个状态空间图或搜索树。
关系:搜索树中的每个节点(NODE)对应状态空间图中的整个路径(PATH)。
在有限状态空间下,树搜索不是完备的,图搜索完备。
3. 基于搜索树的搜索:关键-边缘,扩展,搜索策略。主要问题:搜索哪些边缘节点?
• 扩展出潜在的行动 (tree nodes)
• 维护所考虑行动的边缘(fringe)节点
• 试图扩展尽可能少的树节点。
4. 搜索算法特性:完备性(问题的解能否找到);最优性(找到最优解),时间、空间复
杂度
以下用罗马尼亚问题解释各类算法:从起始点 Arad 到目标点 Bucharest 的一条路径。
2.2 无信息搜索 Uninformed Search
1. 深度优先搜索(Depth-First Search, DFS)
Strategy: expand a deepest node first; 实现:边缘是 LIFO(后进先出)堆栈
尽可能快的抵达搜索树的底层。
• 时间复杂度:If m is finite, takes time O(b
m
);
• 空间复杂度:Only has siblings on path to root, so O(bm)(只存放一条路走到头的节点);
![](https://csdnimg.cn/release/download_crawler_static/12275862/bg3.jpg)
• 完备性:是,只要 m 是有限的,且避免循环,总能找到解;
• 最优性:否,只能保证路径往下的最左边的解(不一定是最优解),忽略了深度和代
价。
【首先从 Arad 结点出发,推断是否为目标结点,若否,寻找与该结点的邻接点,先搜
索一条分支上的全部节点。然后再去搜索和 Arad 的其他分支结点,找出并存进待扩展结点
表。等待扩展,每次先推断待扩展结点表是否为空,若否,则从待扩展结点表中取出一个
结点进行扩展,并将扩展后的结点存进该表,若是,则返回失败。】
2. 广度优先搜索(Breadth-First Search, BFS)
Strategy: expand a shallowest node first; 实现:边缘时 FIFO(先入先出)队列
每次都先将搜索树某一层的所有节点全部访问完毕后再访问下一层。
• 时间复杂度: takes time O(b
d
);
• 空间复杂度:Has roughly the last tier, so O(b
d
);
• 完备性:是,当 d 有限时;
• 最优性:是,当且仅当代价为 1(之后再支付更多代价)。
3. DFS vs BFS
什么情况下两者各自最优?
DFS:深度优先搜索类似于树的先序遍历,不断找未被访问的邻接节点;(走迷宫)
BFS: 广度优先搜索类似于树的层次遍历过程,逐层遍历每一层的每个顶点。(地上找眼
镜)
4. 迭代深入搜索(Iterative Deepening, ID)
结合 DFS 的空间优势与 BFS 的时间优势。以 DFS 为基础,限制 DFS 递归的层数。固
定深度 1,DFS 进行搜索;若无解,加深为 2,再次 DFS……
实质是限定下界的 DFS,即首先允许深度优先搜索搜索 k 层搜索树,若没有发现可行
解,再将 k+1 后再进行一次以上步骤,直到搜索到可行解。
由于深度是从小到大逐渐增大的,所以当搜索到结果时可以保证搜索深度是最小的。
比起广搜是牺牲了时间,但节约了空间。解完备但非最优。
5. 代价敏感搜索(Cost-Sensitive Search)
BFS 找的是最短路径(最小行动步数),代价敏感搜索用相似的算法找到最小代价。
6. 代价一致搜索(Uniform Cost Search,UCS)
Strategy: expand a cheapest node first; 边缘是优先级队列(优先级:累计成本)
UCS 探索了递增的轮廓线。
If that solution costs C* and arcs cost at least ɛ(每走一步代价为 1) , then the “effective
depth” is roughly C*/ɛ
• 时间复杂度:Takes time O(b
C*/ɛ
)
• 空间复杂度:Has roughly the last tier, so O(b
C*/ɛ
)
• 完备性:是,当代价有限且最小弧代价为正时
• 最优性:是。
扩展的是路径消耗 g(n)最小的节点 n,用优先队列来实现,对解的路径步数不关心,只
关心路径总代价。即使找到目标节点也不会结束,而是再检查新路径是不是要比老路径好
确实好,则丢弃老路径。得到最优解。
![](https://csdnimg.cn/release/download_crawler_static/12275862/bg4.jpg)
• 缺点:在每个方向上都进行探索;没有关于目标的信息
▶注意:
• 所有的搜索算法都是相同的,除了对边缘的处理策略;
• 从概念上说,所有的边缘是优先队列 (即附加优先级的节点集合);
• 对于 DFS, BFS,可以通过使用栈或队列代替优先队列,从而减少 log(n) 的开支
• 搜索的性能取决于问题模型的好坏;
2.3 启发式搜索 Informed Search
1. 启发策略:
• 估计一个状态到目标距离的函数;
• 问题给予算法的额外信息,为特定搜索问题而设计;
2. 贪婪搜索(Greedy Search)
• 策略: 扩展你认为最接近目标状态的节点
• 启发式: 对每个状态估计到最近目标的距离;只使用启发函数 f(n)=h(n) 来评价节点
• 通常,使你直接(或很快)到达目标;最坏情况,类似 DFS。
3. A*搜索
• 结合了 UCS 和 Greedy
- Uniform-cost orders by path cost, or backward cost g(n);(已走过的代价,UCS)
- Greedy orders by goal proximity, or forward cost h(n) ; ( 接 下 来 还 应 付 出 的 代 价 ,
Greedy)
- A* Search orders by the sum: f(n) = g(n) + h(n)。(总代价最优)
• 只有目标出列时才停止!
• 最优性条件:实际(差)目标耗散 < (好)目标耗散的估计,估计要小于实际耗散!
A*树搜索的最优性: 最优目标节点,B 次优目标节点,h 是可采纳的
→ 结论: A 在 B 之前离开边缘集 合
→ A*是最优的!
• 启发函数 h 的可采纳性:
estimated heuristic costs ≤ actual costs
想出可采纳的启发函数是 A*算法实际使用中的重
点
通常,可采纳启发函数是松弛问题的解的耗散;
一致性:: heuristic “arc” cost ≤ actual cost for each arc;沿路径的节点估计耗散 f 值单调递增。
一致性暗示了可采纳性。
• A*算法: 估计质量与每个节点计算量间的折衷:
启发函数越接近真实的耗散,将扩展越少的节点,但通常会在每个节点计算启发函数
本身时有更多的计算。
剩余23页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
- 陈后主2023-07-25文件中的内容不仅包含了理论知识,还有实践案例和应用场景的介绍,非常有助于理解和应用知识。
- 高中化学孙环宇2023-07-25这份期末复习重点文件对高级人工智能的考点有详细的梳理,非常适合复习备考。
- Msura2023-07-25对于忙碌的学习者来说,这个文件提供了一个简洁而全面的资料,节省了查找和整理资料的时间和精力。
- 叫我叔叔就行2023-07-25远离了那些冗长的废话,这份文件以直接而实用的语言呈现了高级人工智能的重要内容。
- 俞林鑫2023-07-25这份文件的组织结构清晰,能够帮助读者快速掌握高级人工智能的核心知识。
![avatar](https://profile-avatar.csdnimg.cn/d51fd39845684435832bd59d443d45eb_qq_36918538.jpg!1)
爱吃草莓的小团子
- 粉丝: 8
- 资源: 14
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- SQL中的CREATE LOGFILE GROUP 语句.pdf
- C语言-leetcode题解之第172题阶乘后的零.zip
- C语言-leetcode题解之第171题Excel列表序号.zip
- C语言-leetcode题解之第169题多数元素.zip
- ocr-图像识别资源ocr-图像识别资源
- 图像识别:基于Resnet50 + VGG16模型融合的人体细胞癌症分类模型实现-图像识别资源
- C语言-leetcode题解之第168题Excel列表名称.zip
- C语言-leetcode题解之第167题两数之和II-输入有序数组.zip
- C语言-leetcode题解之第166题分数到小数.zip
- C语言-leetcode题解之第165题比较版本号.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)