Loading...
机构名称:
¥ 1.0

课程描述 有许多认知任务人们可以轻松且几乎无意识地完成,但事实证明在计算机上编程极其困难。人工智能是开发可以执行这些任务的计算机系统的问题。我们将重点关注人工智能的五个核心部分:问题解决(和搜索方法)、逻辑推理、不确定性推理、使用神经网络和强化学习进行学习、通过模仿自然进行学习。最后,我们还将花一些时间讨论计算机视觉和自然语言理解/处理中的一些主要挑战。对于上述每个部分,我们将研究它们如何改善智能代理的行为。我们将研究与每个部分相关的技能集以及可以为我们的代理设计的方法,以展示或至少模仿这些技能。本课程的主要内容是构建一个智能代理,随着我们完成上述每个部分,逐渐为该代理赋予越来越多的工具。课程还将讨论一些与人工智能相关的哲学问题,例如麦卡锡和海斯的框架问题,身心问题,塞尔的“中文房间”思想实验,图灵测试......

人工智能

人工智能PDF文件第1页

人工智能PDF文件第2页

人工智能PDF文件第3页

人工智能PDF文件第4页

人工智能PDF文件第5页

相关文件推荐

2024 年
¥1.0
2020 年
¥1.0
2020 年
¥1.0
2020 年
¥1.0
2023 年
¥3.0
2024 年
¥4.0
2023 年
¥1.0
2013 年
¥3.0
2024 年
¥1.0
2023 年
¥5.0
2023 年
¥2.0
2020 年
¥9.0
2024 年
¥4.0
2022 年
¥3.0
2021 年
¥6.0
2023 年
¥1.0
2024 年
¥3.0
2024 年
¥1.0
2021 年
¥1.0
2023 年
¥1.0
2020 年
¥3.0
2024 年
¥1.0
2024 年
¥1.0
2023 年
¥11.0
2024 年
¥2.0
2024 年
¥10.0
2024 年
¥1.0
1900 年
¥1.0