人工智能【山东科技大学】【全59讲】

Parts

1. P1 · 1.1 人工智能的基本概念
2. P2 · 1.2 人工智能的发展历史
3. P3 · 1.3 人工智能的研究领域
4. P4 · 1.4 人工智能的发展规律：十五年周期定律
5. P5 · 2.1 主体的构成、思维与交互
6. P6 · 2.2.1 多主体系统的定义与交互（1）
7. P7 · 2.2.2 多主体系统的定义与交互（2）
8. P8 · 2.3 基于Agent的人工智能的研究体系
9. P9 · 2.4.1 主体的定义、分类与环境（1）
10. P10 · 2.4.2 主体的定义、分类与环境（2）
11. P11 · 2.5 主体的构成、思维与交互
12. P12 · 3.1 命题逻辑与谓词公式
13. P13 · 3.2 一阶谓词逻辑表示法
14. P14 · 3.3 产生式表示法
15. P15 · 3.4 产生式表示下的推理
16. P16 · 3.5 框架表示法
17. P17 · 3.6 框架表示下的推理
18. P18 · 3.7 语义网表示法
19. P19 · 3.8 语义网表示下的推理
20. P20 · 4.1 子句、子句集、归结式
21. P21 · 4.2 Skolem标准化
22. P22 · 4.3 置换和合一
23. P23 · 4.4 二元归结式
24. P24 · 4.5 基于归结原理的定理证明
25. P25 · 4.6 基于归结原理的问题求解
26. P26 · 4.7.1 归结原理的完备性（1）
27. P27 · 4.7.2 归结原理的完备性（2）
28. P28 · 4.8.1 归结控制策略（1）
29. P29 · 4.8.2 归结控制策略（2）
30. P30 · 4.9.1 Prolog基本语法（1）
31. P31 · 4.9.2 Prolog基本语法（2）
32. P32 · 4.10 Prolog的两个应用案例
33. P33 · 5.1 不确定性推理中的基本问题
34. P34 · 5.2 可信度方法
35. P35 · 5.3 证据理论
36. P36 · 5.4 基于证据理论的不确定性推理
37. P37 · 5.5.1 模糊逻辑
38. P38 · 5.5.2 模糊推理
39. P39 · 6.1 状态空间知识表示方法
40. P40 · 6.2 与或树知识表示方法
41. P41 · 6.3 基于状态空间的盲目搜索
42. P42 · 6.4 基于状态空间的启发式搜索
43. P43 · 6.5 基于博弈树的极大极小搜索
44. P44 · 6.6 α-β剪枝技术
45. P45 · 6.7 蒙特卡洛树搜索
46. P46 · 7.1 进化算法思想
47. P47 · 7.2 遗传算法的步骤
48. P48 · 7.3 遗传算法的应用
49. P49 · 7.4 蚁群算法
50. P50 · 8.1 机器学习基本概念与分类体系
51. P51 · 8.2 监督学习
52. P52 · 8.3 经典的监督学习模型
53. P53 · 8.4 无监督学习案例
54. P54 · 8.5 无监督学习基本过程
55. P55 · 8.6 迁移学习
56. P56 · 9.1 神经元与神经网络
57. P57 · 9.2 BP神经网络及其学习算法
58. P58 · 9.3 卷积神经网络
59. P59 · 9.4 循环神经网络