- 本课程为精品课,您可以登录eeworld继续观看:
- 谓词公式
- 继续观看
课时1:绪论简介
课时2:智能的概念
课时3:智能的特征
课时4:人工智能的定义
课时5:人工智能的发展简史
课时6:人工智能研究的基本内容
课时7:命题逻辑
课时8:谓词
课时9:谓词公式
课时10:谓词公式的性质
课时11:一阶谓词逻辑知识表示法
课时12:一阶谓词逻辑知识表示法特点
课时13:产生式
课时14:产生式系统
课时15:产生式系统的例子
课时16:产生式表示法的特点
课时17:框架表示法
课时18:推理方式及其分类
课时19:归结演绎推理
课时20:谓词公式化为子句集1
课时21:谓词公式化为子句集2
课时22:鲁滨逊归结原理
课时23:归结反演
课时24:应用归结原理求问题
课时25:不确定推理
课时26:可信度方法
课时27:概率分配函数
课时28:信任函数_似然函数
课时29:基于证据理论的推理
课时30:基于证据理论的推理实例
课时31:模糊逻辑提出
课时32:模糊集合
课时33:模糊集合的定义和表示方法
课时34:隶属函数
课时35:模糊关系及其合成
课时36:模糊推理
课时37:模糊决策
课时38:模糊推理应用
课时39:搜索的概念
课时40:状态空间知识表示方法
课时41:启发式图搜索策略—启发式策略
课时42:启发式图搜索策略—启发信息和估价函数
课时43:启发式图搜索策略—A搜索算法
课时44:启发式图搜索策略—A_搜索算法及其特性
课时45:基本遗传算法
课时46:编码
课时47:适应度函数的尺度变换
课时48:选择
课时49:交叉、变异
课时50:遗传算法的一般步骤
课时51:遗传算法的特点
课时52:蚁群算法基本思想
课时53:基本蚁群算法模型
课时54:蚁群算法参数选择
课时55:蚁群算法的应用
课时56:专家系统的基本概念
课时57:专家系统的特点
课时58:专家系统的工作原理
课时59:知识获取的主要过程与模式
课时60:专家系统的建立
课时61:专家系统的实例
课时62:专家系统的开发工具
课时63:机器学习
课时64:学习系统的基本组成
课时65:机器学习的分类
课时66:人工神经网络
课时67:神经元的数学模型
课时68:神经网络的结构与工作方式
课时69:BP神经网络的结构
课时70:BP学习算法两个问题
课时71:BP学习算法基本思想
课时72:BP学习算法学习算法
课时73:BP学习算法的实现
课时74:BP神经网络在模式识别中的应用
课时75:离散型Hopfield神经网络模型
课时76:离散型Hopfield神经网络工作方式和工作过程
课时77:离散型Hopfield神经网络网络的稳定性
课时78:连续型Hopfield神经网络
课时79:Hopfield神经网络在联想记忆中的应用
课时80:Hopfield神经网络优化方法
课程介绍共计80课时,12小时15分33秒
本课程为入门级人工智能课程,适合初学者,可以帮助初学者实现“零基础”学习人工智能。本课程采用浙江工业大学王万良教授编著的专业教材《人工智能导论》(第4版),紧紧围绕人工智能的基本思想、基本理论、基本方法及其应用展开,并融合了人工智能的一些前沿内容。本课程共有12讲,包括:人工智能概述、一阶谓词逻辑表示法、产生式表示法和框架表示法、基于谓词逻辑的推理方法、可信度方法和证据理论、模糊推理方法、搜索求解策略、遗传算法及其应用、蚁群算法及其应用、专家系统与机器学习、BP神经网络及其应用和Hopfield神经网络及其应用。