人工智慧基礎(大連理工大學建設的慕課)

課程性質

該課程介紹人工智慧的一般原理，內容包含四個方面的內容：搜尋與問題求解、知識與推理、學習與發現以及領域套用。搜尋與問題求解包括搜尋求解問題的基本原理、搜尋策略、圖搜尋以及博弈；知識與推理包括謂詞邏輯基本知識、歸結原理、歸結反演、確定性推理；學習與發現包括機器學習的一些知識，即分類、回歸、聚類算法等，以及深度學習算法。

通過該課程的學習，學生能夠掌握邏輯推理的基本原理與技術，會使用搜尋策略求解問題，了解機器學習的基本概念，了解人工智慧在行業中的套用。

課程大綱

01光影雙面相伴前行----人工智慧發展歷程

課時

1.1 人工智慧發展歷程

02尋尋覓覓找到答案----搜尋問題

課時

2.1 搜尋策略

2.2 搜尋的套用

2.3 狀態空間表示法

2.4 基於狀態空間的搜尋技術&圖搜尋的基本概念

2.5 狀態空間搜尋

2.6 一般圖的搜尋算法

2.7 盲目搜尋

2.8 深度優先搜尋

2.9 有界深度搜尋和疊代加深搜尋

2.10 搜尋最優策略的比較

2.11 啟發式搜尋

2.12 啟發式搜尋算法A

2.13 實現啟發式搜尋的關鍵因素和A*算法

2.14 疊代加深A*算法

2.15 爬山法和回溯策略

2.16 問題歸約法

2.17 與/或圖表示2.18與或圖的啟發式搜尋

2.19 AO*算法套用的若干問題

03雙人對戰獲勝訣竅----博弈問題課時

3.1 博弈

3.2 極大極小過程

3.3 α-β過程

04大千世界存入電腦----知識表示

課時

4.1 命題邏輯

4.2 謂詞邏輯表示法

4.3 謂詞邏輯表示舉例

4.4 一階謂詞邏輯表示法的特點

4.5 產生式表示法

4.6 產生式中知識的表示方法

4.7 產生式系統的組成

4.8 產生式系統的推理方式

4.9 語義網路表示法

4.10 語義網路表示知識的方法及步驟

4.11 語義網路的推理過程

4.12 知識表示小結

4.13 狀態空間表示法

05如何讀懂福爾摩斯----邏輯推理

課時

5.1 推理的基本概念

5.2 推理的邏輯基礎分類

5.3 推理的其它分類

5.4 推理的控制策略

5.5 推理的邏輯基礎

5.6 謂詞公式

5.7 置換與合一

5.8 自然演繹推理

5.9 歸結演繹推理

5.10 子句集及其化簡

5.11 魯濱遜歸結原理

5.12 命題邏輯的歸結

5.13 謂詞邏輯的歸結

5.14 歸結反演推理的歸結策略

5.15 用歸結反演求取問題的答案

06機器學習

課時

6.1 機器學習入門

6.2 機器學習準備1

6.3 機器學習準備2

6.4 機器學習方法

6.5 套用場景與挑戰

6.6 線性分類器

6.7 回歸概述

6.8 決策樹分類

6.9 決策樹分類實例ID3

6.10 KNN分類

6.11 非線性特徵

6.12 隨機梯度下降

6.13 特徵模板

6.14 貝葉斯公式基礎

6.15 貝葉斯公式

6.16 貝葉斯分類

07深度學習

課時

7.1 深度學習發展歷程

7.2 為什麼使用深度學習

7.3 深度學習入門

7.4 反向傳播算法

7.5 全連線網路1

7.6 全連線網路2

7.7 誤差反向傳播例

7.8 卷積神經網路

（註：課程大綱排版從左到右列）

人工智慧基礎(大連理工大學建設的慕課)

基本介紹

課程性質

課程大綱

相關詞條

熱門詞條