超星人工智能概论_3答案(学习通2023完整答案)

点击查看答案

第一讲 人工智能概述

作业 1: 人工智能公司报告

1、超星人工智能系統报告 Word档案?人工 3页以上

2、简报文件: Powerpoint档案?智能整答 10页

3、展示影片(或介绍影片)

作业 1: 人工智能公司报告 (17科技2)

1、概论人工智能系統报告 Word档案?答案 3页以上

2、简报文件: Powerpoint档案?学习 10页

3、展示影片(或介绍影片)

第七讲 搜索求解策略

作业 2: A星算法虚拟仿真实验 (迷宫Maze)

1、通完请先下载安装虚拟实验软件（见附件），超星然后根据A星算法实验要求（见附件），人工记录实验结果，智能整答完成结果分析，概论总结心得体会。答案

作业 2: A星算法虚拟仿真实验 (迷宫Maze) (17科技2)

1、学习请先下载安装虚拟实验软件（见附件），通完然后根据A星算法实验要求（见附件），超星记录实验结果，完成结果分析，总结心得体会。

实验 - AI开放平台

实验 - Baidu AI 开放平台

1、实验报告 (word)

2、簡報 (PPT)

3、实验资料

实验 - Baidu AI 开放平台 (17科技2)

1、实验报告 (word)

2、簡報 (PPT)

3、实验资料

作业补交 (17科技1)

1、作业补交1

2、作业补交2

3、作业补交3

作业补交 (17科技2)

1、作业补交1 (17科技2)

2、作业补交2 (17科技2)

3、作业补交3 (17科技2)

作业补交 (17科技2) - Baidu AI 开放平台

1、实验报告 (word)

2、簡報 (PPT)

3、实验资料

学习通人工智能概论_3

在之前的两节课中，我们已经了解了人工智能的概念、分类和应用领域。在本节课中，我们将继续探讨人工智能的更深层次的技术和算法。

1. 机器学习

机器学习是人工智能领域中的一个重要分支，它通过训练算法，让计算机通过数据来自动分析和理解规律，并且通过这些规律来进行决策和预测。机器学习的应用非常广泛，比如自然语言处理、图像识别、推荐系统、智能控制等等。

机器学习算法主要分为监督学习、无监督学习和强化学习三种。

1.1 监督学习

监督学习是指通过已有的数据来训练算法，让算法能够自动地从输入数据中学习出一个映射函数，从而实现输入数据到输出数据的转换。监督学习的典型应用包括分类和回归问题。

1.1.1 分类问题

分类问题是指把给定的数据分为不同类别的问题，其中每个类别都代表一种特定的概念。比如，我们可以用分类算法来将一些文本分类为积极或消极的情感。

1.1.2 回归问题

回归问题是指根据已有的数据来预测输出结果的问题，通常用来预测数值型数据。比如，我们可以通过回归算法来预测股票价格。

1.2 无监督学习

无监督学习是指通过未标注的数据来训练算法，让算法能够自动地从数据中发现模式和结构。无监督学习的典型应用包括聚类和降维。

1.2.1 聚类

聚类是指将相似的数据分为一组，不同的数据分为不同的组，聚类算法通常用于数据分析和图像处理。

1.2.2 降维

降维是指将高维度的数据转换为低维度的数据，以便于可视化和分析。常用的降维算法有主成分分析（PCA）和独立成分分析（ICA）。

1.3 强化学习

强化学习是指通过与环境的交互来学习最优决策策略的方法。强化学习的典型应用包括智能游戏、机器人控制等。

2. 深度学习

深度学习是机器学习中的一种特殊算法，它模拟人脑神经元的结构，构建了一种多层次的神经网络。深度学习在自然语言处理、图像识别、语音识别等领域有着重要的应用。

深度学习的核心技术是卷积神经网络（CNN）和循环神经网络（RNN）。

2.1 卷积神经网络

卷积神经网络是一种专门处理多维数据的神经网络，它会通过一系列的卷积和池化操作来提取图像的特征，并通过全连接层进行分类。

2.2 循环神经网络

循环神经网络是一种能够处理序列数据的神经网络，它将前一时刻的输出作为当前时刻的输入，并通过一个记忆单元来保存之前的状态信息，从而实现了对序列数据的处理。

3. 总结

本节课中，我们介绍了机器学习和深度学习的基本概念和技术，包括监督学习、无监督学习、强化学习、卷积神经网络和循环神经网络。这些技术在人工智能领域中有着广泛的应用，为我们提供了许多强大的工具和方法。希望大家能够继续深入学习和探索，为人工智能的发展做出自己的贡献。