- (新)第66集 12.4 Networked Models(网络化模型
- (新)第65集 12.3 Logical Models(逻辑模型
- (新)第64集 12.2 Geometric Models(几何模型
- 第63集 12.1 Probabilistic Models(概率模型
- 第62集 11.4 Other Learning Paradigms(其他学习范式
- 第61集 11.3 Reinforcement Learning Paradigm(强化学习范式
- 第60集 11.2 Unsupervised Learning Paradigm(无监督学习范式
- 第59集 11.1 Supervised Learning Paradigm(有监督学习范式
- 第58集 10.5 Dimensionality Reduction(降维
- 第57集 10.4 Ranking(排名
- 第56集 10.3 Clustering(聚类
- 第55集 10.2 Regression(回归
- 第54集 10.1 Classification(分类
- 第53集 9.5 Applications and Terminologies(机器学习的应用及有关术语
- 第52集 9.4 Three Perspectives on Machine Learning(机器学习的三个视角
- 第51集 9.3 Why Different Perspectives(为什么需要不同的视角
- 第50集 9.2 History of Machine Learning(机器学习的历史
- 第49集 9.1 What is Machine Learning?(什么是机器学习?
- 第48集 8.5 Decision-theoretic Planning(决策理论规划
- 第47集 8.4 Real-World Planning(现实世界规划
- 第46集 8.3 Planning and Scheduling(规划与调度
- 第45集 8.2 Classic Planning(经典规划
- 第44集 8.1 Planning Problems(规划问题
- 第43集 7.5 Bayesian Networks(贝叶斯网络
- 第42集 7.4 Ontological Engineering(本体工程
- 第41集 7.3 Representation using Logic(逻辑表示
- 第40集 7.2 Knowledge Representation(知识表示
- 第39集 7.1 Overview(概述
- 第38集 6.5 The Structure of Problems(问题的结构
- 第37集 6.4 Local Search for CSPs(CSP局部搜索
- 第36集 6.3 Backtracking Search for CSPs(CSP的回溯搜索
- 第35集 6.2 Constraint Propagation: Inference in CSPs(约束传播：CSP中的推理
- 第34集 6.1 Constraint Satisfaction Problems(约束满足问题
- 第33集 5.6 Monte-Carlo Methods(蒙特卡洛方法
- 第32集 5.5 Stochastic Games(随机博弈
- 第31集 5.4 Imperfect Real-time Decisions(不完备信息的实时决策
- 第30集 5.3 Alpha-Beta Pruning(Alpha-Beta剪枝
- 第29集 5.2 Optimal Decisions in Games(博弈中的最优决策
- 第28集 5.1 Games(博弈
- 第27集 4.4 Swarm Intelligence and Optimization(群体智能和优化
- 第26集 4.3 Optimization and Evolutionary Algorithms(优化和进化算法
- 第25集 4.2.3 Local Search Algorithms(局部搜索算法
- 第24集 4.2.2 Local Search Algorithms(局部搜索算法
- 第23集 4.2.1 Local Search Algorithms(局部搜索算法
- 第22集 4.1 Overview(概述
- 第21集 3.6 Heuristic Functions(启发式函数
- 第20集 3.5.2 Informed Search Strategies(有信息搜索策略
- 第19集 3.5.1 Informed Search Strategies(有信息搜索策略
- 第18集 3.4.6 Uninformed Search Strategies(无信息搜索策略
- 第17集 3.4.5 Uninformed Search Strategies(无信息搜索策略
- 第16集 3.4.4 Uninformed Search Strategies(无信息搜索策略
- 第15集 3.4.3 Uninformed Search Strategies(无信息搜索策略
- 第14集 3.4.2 Uninformed Search Strategies(无信息搜索策略
- 第13集 3.4.1 Uninformed Search Strategies(无信息搜索策略
- 第12集 3.3 Searching for Solutions(通过搜索求解
- 第11集 3.2 Example Problems(问题实例
- 第10集 3.1 Problem Solving Agents(问题求解Agent
- 第9集 2.5 Category of Intelligent Agents(Agent的分类
- 第8集 2.4 Intelligent Agent Structure(Agent的结构
- 第7集 2.3 Task Environments(任务环境
- 第6集 2.2 Rational Agents(理性主体
- 第5集 2.1 Approaches for Artificial Intelligence(人工智能研究途径
- 第4集 1.4 The State of Artificial Intelligence(人工智能现状
- 第3集 1.3 History of Artificial Intelligence(人工智能历史
- 第2集 1.2 Foundations of Artificial Intelligence(人工智能基础
- 第1集 1.1 Overview of Artificial Intelligence(人工智能概述
人工智能是国内外著名大学计算机专业设置的骨干课之一，也是国内外著名高校和研究机构的主要研究方向之一。人工智能研究如何用计算机软件和硬件去实现Agent的感知、决策与智能行为。本课程在系统回顾人工智能发展历程的基础上，重点介绍人工智能的核心思想、基本理论、基本方法与部分应用。（北京大学）
关注公众号:diyijc_com 问题反馈
关注公众号:diyijc_com 问题反馈
人工智能是国内外著名大学计算机专业设置的骨干课之一，也是国内外著名高校和研究机构的主要研究方向之一。人工智能研究如何用计算机软件和硬件去实现Agent的感知、决策与智能行为。本课程在系统回顾人工智能发展历程的基础上，重点介绍人工智能的核心思想、基本理论、基本方法与部分应用。（北京大学）
人工智能原理相关文章：
扫一扫手机观看！
最新更新的教程榜单
- 人工智能与科学之美10-06
- ARM体系结构与程序设计10-06
- 信息检索10-06
- 玩转计算机网络——计算机网络原理10-06
- Blockly创意趣味编程08-05
- 操作系统08-05
- 人工智能导论08-05
- 车载网络技术08-05
- Office高级应用08-05
- 计算机网络08-05
