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。

知识结构在这里插入图片描述

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