小册描述
目录
- 0.1人工智能的诞生
- 0.2人工智能的4个发展时代
- 0.2.1初期时代
- 0.2.2知识时代
- 0.2.3特征时代
- 0.2.4数据时代
- 0.3什么是人工智能
- 0.4图灵测试与中文屋子问题
- 0.4.1图灵测试
- 0.4.2中文屋子问题
- 0.5第三代人工智能
- 1.1从数字识别谈起
- 1.2神经元与神经网络
- 1.3神经网络是如何训练的
- 1.4卷积神经网络
- 1.5梯度消失问题
- 1.6过拟合问题
- 1.7词向量
- 1.7.1词的向量表示
- 1.7.2神经网络语言模型
- 1.7.3word2vec模型
- 1.7.4词向量应用举例
- 1.8循环神经网络
- 1.9长短期记忆网络
- 1.10深度学习框架
- 2.1能穷举吗?
- 2.2极小极大模型
- 2.3αβ剪枝算法
- 2.4蒙特卡洛树搜索
- 2.5AlphaGo是如何下棋的
- 2.6围棋中的深度强化学习方法
- 2.6.1基于策略梯度的强化学习
- 2.6.2基于价值评估的强化学习
- 2.6.3基于演员评价方法的强化学习
- 2.7AlphaGo Zero是如何自学成才的
- 3.1路径搜索问题
- 3.2宽度优先搜索算法
- 3.3迪杰斯特拉算法
- 3.4启发式搜索
- 3.4.1A算法
- 3.4.2A算法
- 3.4.3定义h函数的一般原则
- 3.4.4h函数的评价
- 3.4.5A算法存在的不足
- 3.4.6单调的h函数
- 3.4.7改进的A算法
- 3.5深度优先搜索算法
- 3.6迭代加深式搜索算法
- 3.6.1迭代加深式宽度优先搜索算法
- 3.6.2迭代加深式A算法
- 3.7动态规划与Viterbi算法
- 3.8拼音输入法问题
- 4.1组合优化问题
- 4.2局部搜索算法
- 4.3局部搜索算法存在的问题
- 4.4退火过程及分析
- 4.4.1退火现象
- 4.4.2退火过程分析
- 4.5模拟退火算法
- 4.6模拟退火算法的参数选择
- 4.6.1起始温度t0的选取
- 4.6.2温度的下降方法
- 4.6.3每一温度下的停止准则
- 4.6.4算法的终止原则
- 4.7模拟退火算法应用举例
- 4.8遗传算法
- 4.9遗传算法应用举例
- 4.10遗传算法的实现问题
- 4.10.1编码问题
- 4.10.2二进制编码的交叉操作规则
- 4.10.3整数编码的交叉操作规则
- 4.10.4变异规则
- 4.10.5适应函数
- 4.10.6遗传算法的停止准则
- 4.11用遗传算法求解旅行商问题
- 4.12性能评价问题
- 4.13模拟退火算法与遗传算法的对比