We're sorry this project doesn't work properly without JavaScript enabled. Please enable it to continue.
欢迎来到霆硕科技平台
问题答疑
精品课程
全部课程
公开课
新闻公告
数图资源
更多
  • 扫码下载Android
  • 扫码下载iOS
精品课程
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
    • 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
    主讲教师：魏忠钰
    课程来源：复旦大学
    建议学分：0.00分
    课程编码：ayxtzx2377
    课程介绍
    课程目录
    教师团队
    绪章
    s 绪章 （13分钟）
    第一章 无信息搜索
    s 1.1 搜索问题定义 （13分钟）
    s 1.2 搜索空间 （8分钟）
    s 1.3 状态空间图和搜索树 （11分钟）
    s 1.4 搜索算法的基本设定和评测 （9分钟）
    s 1.5 树搜索和图搜索 （7分钟）
    s 1.6 代价无关搜索算法 （21分钟）
    s 1.7 一致代价搜索算法 （15分钟）
    第二章 有信息搜索
    s 2.1 启发式函数 （4分钟）
    s 2.2 贪心搜索算法 （9分钟）
    s 2.3 A*搜索算法 （12分钟）
    s 2.4 可采纳的启发式函数 （8分钟）
    s 2.5 一致的启发式函数 （14分钟）
    s 2.6 构建启发式函数 （10分钟）
    s 2.7 启发式函数的性质 （9分钟）
    第三章 对抗搜索
    s 3.1 博弈的类型 （10分钟）
    s 3.2 对抗搜索 （21分钟）
    s 3.3 估值函数 （17分钟）
    s 3.4 剪枝算法 （23分钟）
    s 3.5 期望对抗搜索 （15分钟）
    s 3.6 其他博弈类型 （4分钟）
    s 3.7 期望的效用 （15分钟）
    第四章 约束满足问题
    s 4.1 约束满足问题的定义 （19分钟）
    s 4.2 约束图 （11分钟）
    s 4.3 约束满足问题的性质 （10分钟）
    s 4.4 回溯搜索 （15分钟）
    s 4.5 回溯搜索的提升-变量和值的选择 （6分钟）
    s 4.6 回溯搜索的提升 - 过滤 （20分钟）
    s 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
    s 5.1 序列决策问题 （8分钟）
    s 5.2 马尔可夫决策过程 （24分钟）
    s 5.3 马尔可夫决策过程样例 （16分钟）
    s 5.4 值迭代算法 （12分钟）
    s 5.5 期望最大搜索树中的值迭代 （10分钟）
    s 5.6 策略评估 （13分钟）
    s 5.7 策略迭代 （13分钟）
    第六章 强化学习- 无模型的方法
    s 6.1 强化学习 - 无模型设定 （15分钟）
    s 6.2 基于模型的强化学习 （14分钟）
    s 6.3 策略评估 - 模型无关的方法 -? 蒙特卡洛算法 （16分钟）
    s 6.4 策略评估 - 模型无关的方法 - 时序差分算法 （19分钟）
    s 6.5 策略评估 - 模型无关的方法 - 算法比较 （16分钟）
    s 6.6 策略控制 - 基本设定 （7分钟）
    s 6.7 策略控制 - 蒙特卡洛的策略评估 （18分钟）
    s 6.8 策略控制 - 蒙特卡洛的策略提升 （15分钟）
    s 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
    s 7.1 状态的泛化 （12分钟）
    s 7.2 值函数近似方法 （11分钟）
    s 7.3 值函数近似的策略评估基本设定 （9分钟）
    s 7.4 值函数近似的策略评估算法 （12分钟）
    s 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
    s 8.1 概率基础 （18分钟）
    s 8.2 贝叶斯公式 （9分钟）
    s 8.3 概率分布的独立性 （6分钟）
    s 8.4 贝叶斯网络简介 （22分钟）
    s 8.5 贝叶斯网络的基本语义 （13分钟）
    s 8.6 贝叶斯网络的独立性 （11分钟）
    s 8.7 D分离方法 （19分钟）
    s 8.8 D分离方法 - 样例演示 （9分钟）
    s 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
    s 9.1 基于枚举的概率推理 （13分钟）
    s 9.2 因子介绍 （15分钟）
    s 9.3 基于因子的枚举法 （18分钟）
    s 9.4 因子的变量消元方法 （11分钟）
    s 9.5 变量消元方法中的消元顺序选择 （8分钟）
    s 9.6 基于采样的近似概率推理 （13分钟）
    s 9.7 直接采样 （10分钟）
    s 9.8 拒绝采样 （8分钟）
    s 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
    s 10.1 马尔可夫模型 （13分钟）
    s 10.2 马尔可夫模型的迷你前向算法 （12分钟）
    s 10.3 马尔可夫模型的稳态性质 （11分钟）
    s 10.4 隐马尔可夫模型 （13分钟）
    s 10.5 隐马尔可夫模型的过滤任务 （12分钟）
    s 10.6 隐马尔可夫模型的极大似然解释 （11分钟）
    s 10.7 隐马尔可夫模型的近似求解 - 粒子滤波 （16分钟）
    　|　 新ICP备2025018274号-1 　
    友情链接
    常见问题
    关于我们
    联系方式
    <script id="qd3009003893ac7e99a3534e8c64f80ffe1223154102" src="https://wp.qiye.qq.com/qidian/3009003893/ac7e99a3534e8c64f80ffe1223154102" charset="utf-8" async defer></script>