人工智能知识图谱
2023-06-12 15:45:15 1 举报AI智能生成
人工智能知识图谱是一种用于描述和组织人工智能相关知识的结构化表示方法。它通过将不同领域的知识以实体、属性和关系的形式表示出来，形成一个具有层次结构和语义关联的知识网络。这种知识图谱可以帮助人们更好地理解和掌握人工智能的基本原理、技术和应用，同时也为人工智能的发展提供了丰富的资源和参考。
作者其他创作
大纲/内容
知识表示
状态空间法(state-space method)
问题归约法(Problem reduction approach)
谓词逻辑法
行为规划
规划分类
任务规划
路径规划
运动规划
轨迹规划
时间复杂度
NP-Hard问题
P问题
NP问题
NPC问题
规约
模糊系统
模糊集合
矢量表示法
隶属度函数
模糊逻辑
模糊推理
模糊判决（解模糊）
模糊控制
机器学习
决策树
常用来解决分类、回归问题。常见算法：CART、ID3、C4.5
支持向量机
特征空间映射
核函数
软间隔
正则化
朴素贝叶斯
原理推导
贝叶斯定理
分类
监督学习
分类
Logistic 回归（正则化）
分类树（集成方法）
支持向量机
回归
线性回归（正则化）
回归树
knn
无监督学习
聚类
K-means聚类
层次聚类
自编码器
变分自编码器
密度估计
玻耳兹曼机
深度信念网络
生成对抗网络
强化学习
推理求解
自然演绎
归结反演
主观贝叶斯
可信度方法
概率推理
贝叶斯公式
智能体
agent和环境的关系
自治性(Autonomy),反应性(Reactive),主动性(Proactive),社会性(Social),进化性
问题求解
A*
相关内容:Dijkstra算法的扩展;广度优先搜索;最佳优先搜索;启发函数;曼哈顿距离;对角距离;欧几里得距离
ARA*
D*
Field D*
Block A*
启发式搜索
概念:利用问题拥有的启发信息来引导搜索，达到减少搜索范围、降低问题复杂度的目的
最佳优先搜索（有序搜索）
类似于一致代价搜索，但是一致代价搜索仅基于g进行OPEN表的排序。最佳优先搜索基于f进行排序。
排序标准：一致代价搜索：g(n); 贪婪策略h(n); A算法：g(n) + h(n); A*算法：g*(n) + h*(n); h表示节点n
到目标节点的最小代价路径的代价估计值。节点n离目标节点有多近. g表示从起始节点n到节点的实际消耗代价
到目标节点的最小代价路径的代价估计值。节点n离目标节点有多近. g表示从起始节点n到节点的实际消耗代价
局部搜索
贪心搜索
进化计算
遗传计算
差分进化
类似于遗传算法，但是不需要编码、解码
蚁群算法
蚁群算法
神经网络
BP神经网络
Hopfield神经网络
CNN
RNN
LSTM
GAN
深度学习
CV
ImageNet
VGG系列
Resnet系列
Densenet系列
GAN系列
人脸/人体识别
追踪/目标检测
图像生成、图像识别
生成对抗网络
图像分割
小样本学习
半监督学习、无监督学习、自监督学习
NLP
Bert
Transformers
自注意网络
Seq2Seq
GPT
知识图谱
推荐系统
机器翻译
词义消解
关系挖掘
文本分类
多模态
0 条评论
下一页
