課程大綱： 人工智能導論培訓
第一講 人工智能概述
1.1 簡介
1.2人工智能的概念
1.3 人工智能的發展簡史
1.4 人工智能研究的基本內容
第一講 人工智能概述單元測試
第二講 一階謂詞邏輯知識表示法
2.1 命題邏輯
2.2 謂詞邏輯
2.3 一階謂詞邏輯知識表示法
第二講 一階謂詞邏輯知識表示法單元測試
第三講 產生式表示法和框架表示法
3.1產生式表示法
3.2 框架表示法
第三講 產生式表示法和框架表示法單元測試
第四講 基于謂詞邏輯的推理方法
4.1 推理方式及其分類
4.2 歸結演繹推理
4.3 魯濱遜歸結原理
4.4 歸結反演
4.5 應用歸結原理求問題
第四講 基于謂詞邏輯的推理方法單元測試
第四講 基于謂詞邏輯的推理方法作業
第五講 可信度方法和證據理論
5.1 不確定推理
5.2 可信度方法
5.3 證據理論
第五講 可信度方法和證據理論單元測試
第六講 模糊推理方法
6.1 模糊邏輯提出
6.2 模糊集合與隸屬函數
6.3 模糊關系及其合成
6.4 模糊推理與模糊決策
6.5 模糊推理的應用
第六講 模糊推理方法單元測試
第七講 搜索求解策略
7.1 搜索的概念
7.2 狀態空間知識表示法
7.3 啟發式圖搜索策略
A*算法虛擬實驗操作說明
第七講 搜索求解策略單元測試
第七講 A星算法虛擬仿真實驗
第八講 遺傳算法及其應用
8.1 智能計算——基本遺傳算法
8.2 遺傳算法的基本操作
8.3 遺傳算法的一般步驟
8.4 遺傳算法的特點
遺傳算法虛擬實驗操作說明
第八講 遺傳算法及其應用單元測試
第八講 遺傳算法虛擬仿真實驗
第九講 群智能算法及其應用
9.1 粒子群優化算法及應用
9.2 蟻群算法及應用
第九講 群智能算法及其應用單元測試
第十講 專家系統及知識圖譜
10.1 專家系統
10.2 知識圖譜
第十一講 機器學習
11.1 機器學習發展
11.2 機器學習方法
11.3 機器學習技術
第十一講 機器學習單元測試
第十二講 BP神經網絡和Hopfield神經網絡
12.1 神經元與神經網絡
12.2 BP神經網絡
12.3 BP神經網絡在模式識別中的應用
12.4 離散型Hopfield神經網絡
12.5 連續型Hopfield神經網絡
12.6 Hopfield神經網絡的應用
第十二講 BP神經網絡和Hopfield神經網絡單元測試
第十三講 深度神經網絡及其應用
13.1 卷積神經網絡
13.2 膠囊網絡
13.3 生成對抗網絡
神經網絡深度學習虛擬仿真實驗操作說明
第十三講 深度神經網絡及其應用單元測試
第十三講 神經網絡深度學習虛擬仿真實驗
第十四講 智能體系統
14.1智能體的概念
14.2 智能體結構
第十四講 智能體系統單元測試
加入高級會員獲得助教答疑
