问题答疑
首页
实训课程
公开课
更多
首页
实训课程
公开课
扫码下载Android
扫码下载iOS
登录
首页
实训课程
公开课
登录
首页 - 课程列表 - 课程详情
返回
人工智能导论
课程类型：
选修课
发布时间：
2023-07-18 11:22:15
主讲教师：
魏忠钰
课程来源：
建议学分：
0.00分
课程编码：
xtzx2377
课程介绍
课程目录
教师团队
绪章
绪章
（13分钟）
第一章 无信息搜索
1.1 搜索问题定义
（13分钟）
1.2 搜索空间
（8分钟）
1.3 状态空间图和搜索树
（11分钟）
1.4 搜索算法的基本设定和评测
（9分钟）
1.5 树搜索和图搜索
（7分钟）
1.6 代价无关搜索算法
（21分钟）
1.7 一致代价搜索算法
（15分钟）
第二章 有信息搜索
2.1 启发式函数
（4分钟）
2.2 贪心搜索算法
（9分钟）
2.3 A*搜索算法
（12分钟）
2.4 可采纳的启发式函数
（8分钟）
2.5 一致的启发式函数
（14分钟）
2.6 构建启发式函数
（10分钟）
2.7 启发式函数的性质
（9分钟）
第三章 对抗搜索
3.1 博弈的类型
（10分钟）
3.2 对抗搜索
（21分钟）
3.3 估值函数
（17分钟）
3.4 剪枝算法
（23分钟）
3.5 期望对抗搜索
（15分钟）
3.6 其他博弈类型
（4分钟）
3.7 期望的效用
（15分钟）
第四章 约束满足问题
4.1 约束满足问题的定义
（19分钟）
4.2 约束图
（11分钟）
4.3 约束满足问题的性质
（10分钟）
4.4 回溯搜索
（15分钟）
4.5 回溯搜索的提升-变量和值的选择
（6分钟）
4.6 回溯搜索的提升 - 过滤
（20分钟）
4.7 回溯搜索的提升 - 树结构
（22分钟）
第五章 强化学习 - 有模型的方法
5.1 序列决策问题
（8分钟）
5.2 马尔可夫决策过程
（24分钟）
5.3 马尔可夫决策过程样例
（16分钟）
5.4 值迭代算法
（12分钟）
5.5 期望最大搜索树中的值迭代
（10分钟）
5.6 策略评估
（13分钟）
5.7 策略迭代
（13分钟）
第六章 强化学习- 无模型的方法
6.1 强化学习 - 无模型设定
（15分钟）
6.2 基于模型的强化学习
（14分钟）
6.3 策略评估 - 模型无关的方法 -? 蒙特卡洛算法
（16分钟）
6.4 策略评估 - 模型无关的方法 - 时序差分算法
（19分钟）
6.5 策略评估 - 模型无关的方法 - 算法比较
（16分钟）
6.6 策略控制 - 基本设定
（7分钟）
6.7 策略控制 - 蒙特卡洛的策略评估
（18分钟）
6.8 策略控制 - 蒙特卡洛的策略提升
（15分钟）
6.9 策略控制 - 时序差分方法
（13分钟）
第七章 强化学习- 值函数近似的方法
7.1 状态的泛化
（12分钟）
7.2 值函数近似方法
（11分钟）
7.3 值函数近似的策略评估基本设定
（9分钟）
7.4 值函数近似的策略评估算法
（12分钟）
7.5 值函数近似的策略控制算法
（15分钟）
第八章 概率图模型 - 表示
8.1 概率基础
（18分钟）
8.2 贝叶斯公式
（9分钟）
8.3 概率分布的独立性
（6分钟）
8.4 贝叶斯网络简介
（22分钟）
8.5 贝叶斯网络的基本语义
（13分钟）
8.6 贝叶斯网络的独立性
（11分钟）
8.7 D分离方法
（19分钟）
8.8 D分离方法 - 样例演示
（9分钟）
8.9 贝叶斯网络的独立性隐含关系
（5分钟）
第九章 概率图模型 - 推理
9.1 基于枚举的概率推理
（13分钟）
9.2 因子介绍
（15分钟）
9.3 基于因子的枚举法
（18分钟）
9.4 因子的变量消元方法
（11分钟）
9.5 变量消元方法中的消元顺序选择
（8分钟）
9.6 基于采样的近似概率推理
（13分钟）
9.7 直接采样
（10分钟）
9.8 拒绝采样
（8分钟）
9.9 似然权重采样
（15分钟）
第十章 概率图模型 - 隐马尔可夫模型
10.1 马尔可夫模型
（13分钟）
10.2 马尔可夫模型的迷你前向算法
（12分钟）
10.3 马尔可夫模型的稳态性质
（11分钟）
10.4 隐马尔可夫模型
（13分钟）
10.5 隐马尔可夫模型的过滤任务
（12分钟）
10.6 隐马尔可夫模型的极大似然解释
（11分钟）
10.7 隐马尔可夫模型的近似求解 - 粒子滤波
（16分钟）
