高级人工智能课程重点目录

前言

记录下这门课学了什么东西，日后如果有用得上的地方，方便快速索引到知识点。这门课虽然叫高级人工智能，但实际上讲授的内容并不深，偏人工智能的基础，但讲的范围广，算是起了普及作用。
三位老师分别讲授了三大行为主义的主要内容，其中符号主义部分我在本科期间已经学过个大概了，一并在此整理，犹记得当年我的本科老师跟我讲，他当年读研的时候是搞图论和网络的，他当时就觉得人工智能以后用不上，然后人工智能这门课就挂科了。后来到我们学校教书，因为硕士是吉林大学的，吉林大学有个符号实验室名气很大，所以院里就觉得他人工智能也不会差，就让他负责教人工智能课了哈哈哈。然后就告诉我们说，不要觉得今天这个东西你学了没有用，总会有突然找上你的一天。这不，当年我觉得以后可能不会用上的符号主义部分，总归是在读研的时候就又遇上了哈哈哈。

知识结构

连结主义

• BP反向传播的原理
• BM玻尔兹曼机
• RBM受限玻尔兹曼机
• DBN深度置信网络
• DBM深度玻尔兹曼机
• CNN卷积神经网络 ResNet残差网络
• RNN循环神经网络 LSTM GRU BPTT Beam Search
• GAN 训练方法 优化目标 极大极小博弈
• GNN 谱方法与空间方法

符号主义

• 可靠性和完备性的概念
• 原子命题(文字) 证明 KB|=a则kb->a永真 或者kb与上非a不可满足(永假)
• 第一套规则：十一条 不用背 会给出
• 第二套：归结原理 归结树
• 归结原理的sound和complete证明
• modus ponens 因为归结原理搜索的消耗时间高，因此引入modus ponens
• modus ponens中 definite clause和horn clause概念
• definite：有且只有一个positive horn：至多有一个positive
• modus ponens证明可靠性和完备性。
• 证明modus ponens时间效率和KB size线性相关，高效率
• 一阶谓语逻辑
• 一阶谓词逻辑归结原理比上面的难在哪里？
• 量词前束(存在量词用skolen范式消去)
• 合一算子 合一算法
• general modus ponens概念
• prolog语言 考虑inference过程中进行了大量的简化，使得prolog可能推出错误答案。因此prolog是既不完备也不可靠。
• 不确定性推理 不确定性表示 可信度计算方法 主观贝叶斯方法
• 模糊计算 隶属度函数定义
• 模糊集操作 相等 子集 交并
• 模糊关系的定义 合成操作
• 模糊集表示 量词 谓词 修饰词

行为主义

• 群体智能 蚁群算法 粒子群算法 遗传算法 原理 算法 适用范围
• 强化学习 基本要素 1.策略 2.奖励 3.价值 4.环境模型
• 多臂赌博机 探索与利用 贪婪策略 e-贪婪策略 乐观初值法 UCB行为决策 梯度赌博机
• 马尔科夫决策 策略 策略估值 策略提升
• 策略提升：贝尔曼方程 格子问题求解
• 策略估值：动态规划 蒙特卡洛方法 时序差分法 参数近似法
• 博弈 要素 效用函数
• 穷徒困境
• 纳什均衡概念(穷徒困境是纳什均衡的一个例子)
• 帕累托最优和社会最优
• maxmin和minmax策略 零和博弈时是等价的
• 价值导向匹配 中介
• 价值均衡计算 均衡结局 球问题计算

搜索

• 深度优先搜索 迭代深度优先搜索
• 广度优先搜索 代价一致搜索
• 启发式搜索A* 树搜索/图搜索 可采纳性/一致性 最优性证明 传教士与野人问题
• 与或图搜索
• 极大极小搜索过程
• a-b剪枝

机器学习

• 类比学习
• 示例学习 两空间模型