慕课-西安工商学院

人工智能导论_浙江工业大学

课程类型：选修课

发布时间：2024-11-27 10:55:42

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004907

课程介绍

课程目录

教师团队

{1}--第一讲人工智能概述

[1.1.1]--绪论简介.mp4 （2分钟）

[1.2.1]--1.2.1 智能的概念.mp4 （3分钟）

[1.2.2]--1.2.2智能的特征.mp4 （8分钟）

[1.2.3]--1.2.3人工智能的定义.mp4 （5分钟）

[1.3.1]--人工智能的发展简史.mp4 （11分钟）

[1.4.1]--人工智能研究的基本内容.mp4 （12分钟）

[1.5.1]--教材第1章内容.mp4 （2分钟）

{2}--第二讲一阶谓词逻辑知识表示法

[2.1.1]--命题逻辑.mp4 （6分钟）

[2.2.1]--谓词.mp4 （9分钟）

[2.2.2]--谓词公式.mp4 （21分钟）

[2.2.3]--谓词公式的性质.mp4 （7分钟）

[2.3.1]--一阶谓词逻辑知识表示法.mp4 （2分钟）

[2.3.2]--一阶谓词逻辑知识表示法特点.mp4 （3分钟）

{3}--第三讲产生式表示法和框架表示法

[3.1.1]--产生式.mp4 （12分钟）

[3.1.2]--产生式系统.mp4 （8分钟）

[3.1.3]--产生式系统的例子.mp4 （13分钟）

[3.1.4]--产生式表示法的特点.mp4 （4分钟）

[3.2.1]--框架表示法.mp4 （11分钟）

{4}--第五讲可信度方法和证据理论

[4.1.1]--不确定推理.mp4 （10分钟）

[4.2.1]--可信度方法.mp4 （15分钟）

[4.3.1]--5.3.1 概率分配函数.mp4 （11分钟）

[4.3.2]--5.3.2 信任函数似然函数.mp4 （6分钟）

[4.3.3]--5.3.3 基于证据理论的推理.mp4 （12分钟）

[4.3.4]--5.3.4 基于证据理论的推理实例.mp4 （9分钟）

{4}--第四讲知识图谱及其应用

[4.1.1]--知识图谱概述.mp4 （1分钟）

[4.2.1]--知识图谱的典型应用实例.mp4 （12分钟）

{5}--第五讲基于谓词逻辑的推理方法

[5.1.1]--推理方式及其分类.mp4 （2分钟）

[5.2.1]--归结演绎推理.mp4 （6分钟）

[5.2.2]--谓词公式化为子句集1.mp4 （13分钟）

[5.2.3]--谓词公式化为子句集2.mp4 （11分钟）

[5.3.1]--鲁滨逊归结原理.mp4 （14分钟）

[5.4.1]--归结反演.mp4 （12分钟）

[5.5.1]--应用归结原理求问题.mp4 （7分钟）

{5}--第六讲模糊推理方法

[5.1.1]--模糊逻辑提出.mp4 （8分钟）

[5.2.1]--模糊集合.mp4 （5分钟）

[5.2.2]--模糊集合的定义和表示方法.mp4 （10分钟）

[5.2.3]--隶属函数.mp4 （7分钟）

[5.3.1]--模糊关系及其合成.mp4 （12分钟）

[5.4.1]--模糊推理.mp4 （5分钟）

[5.4.2]--模糊决策.mp4 （8分钟）

[5.5.1]--模糊推理应用.mp4 （7分钟）

{6}--第六讲可信度方法和证据理论

[6.1.1]--不确定推理.mp4 （10分钟）

[6.2.1]--可信度方法.mp4 （15分钟）

[6.3.1]--5.3.1 概率分配函数.mp4 （11分钟）

[6.3.2]--5.3.2 信任函数似然函数.mp4 （6分钟）

[6.3.3]--5.3.3 基于证据理论的推理.mp4 （12分钟）

[6.3.4]--5.3.4 基于证据理论的推理实例.mp4 （9分钟）

{6}--第四讲基于谓词逻辑的推理方法

[6.1.1]--推理方式及其分类.mp4 （2分钟）

[6.2.1]--归结演绎推理.mp4 （6分钟）

[6.2.2]--谓词公式化为子句集1.mp4 （13分钟）

[6.2.3]--谓词公式化为子句集2.mp4 （11分钟）

[6.3.1]--鲁滨逊归结原理.mp4 （14分钟）

[6.4.1]--归结反演.mp4 （12分钟）

[6.5.1]--应用归结原理求问题.mp4 （7分钟）

{7}--第七讲搜索求解策略

[7.1.1]--搜索的概念.mp4 （10分钟）

[7.2.1]--状态空间知识表示方法.mp4 （12分钟）

[7.3.1]--1启发式图搜索策略—启发式策略.mp4 （8分钟）

[7.3.2]--2启发式图搜索策略—启发信息和估价函数.mp4 （13分钟）

[7.3.3]--3启发式图搜索策略—A搜索算法.mp4 （5分钟）

[7.3.4]--4启发式图搜索策略—A搜索算法及其特性.mp4 （5分钟）

[7.4.1]--自动寻路问题.mp4 （6分钟）

[7.4.2]--8数码问题演示.mp4 （5分钟）

[7.4.3]--8数码问题验证.mp4 （4分钟）

{7}--第七讲模糊推理方法

[7.1.1]--模糊逻辑提出.mp4 （8分钟）

[7.2.1]--模糊集合.mp4 （5分钟）

[7.2.2]--模糊集合的定义和表示方法.mp4 （10分钟）

[7.2.3]--隶属函数.mp4 （7分钟）

[7.3.1]--模糊关系及其合成.mp4 （12分钟）

[7.4.1]--模糊推理.mp4 （5分钟）

[7.4.2]--模糊决策.mp4 （8分钟）

[7.5.1]--模糊推理应用.mp4 （7分钟）

{8}--第八讲遗传算法及其应用

[8.1.1]--基本遗传算法.mp4 （18分钟）

[8.2.1]--编码.mp4 （7分钟）

[8.2.2]--适应度函数的尺度变换.mp4 （6分钟）

[8.2.3]--选择.mp4 （8分钟）

[8.2.4]--交叉、变异.mp4 （16分钟）

[8.3.1]--遗传算法的一般步骤.mp4 （4分钟）

[8.4.1]--遗传算法的特点.mp4 （3分钟）

[8.5.1]--交叉操作.mp4 （5分钟）

[8.5.2]--变异操作.mp4 （5分钟）

[8.5.3]--函数最值问题.mp4 （7分钟）

{9}--第九讲群智能算法及其应用

[9.1.1]--粒子群优化算法产生背景.mp4 （2分钟）

[9.1.2]--粒子群优化算法的基本原理.mp4 （11分钟）

[9.1.3]--粒子群优化算法流程.mp4 （5分钟）

[9.1.4]--粒子群优化算法的参数分析.mp4 （3分钟）

[9.1.5]--粒子群优化算法的应用.mp4 （8分钟）

[9.1.6]--粒子群优化算法的改进.mp4 （1分钟）

[9.2.1]--蚁群算法的产生.mp4 （7分钟）

[9.2.2]--基本蚁群算法模型.mp4 （14分钟）

[9.2.3]--蚁群算法的参数选择.mp4 （3分钟）

[9.2.4]--蚁群算法的应用及改进.mp4 （2分钟）

{10}--第十讲 BP神经网络和Hopfield神经网络

[10.1.1]--人工神经网络.mp4 （6分钟）

[10.1.2]--神经元的结构.mp4 （20分钟）

[10.1.3]--神经元的数学模型.mp4 （10分钟）

[10.1.4]--神经网络的结构与工作方式.mp4 （13分钟）

[10.2.1]--BP神经网络的结构.mp4 （5分钟）

[10.2.2]--BP学习算法-两个问题.mp4 （6分钟）

[10.2.3]--BP学习算法基本思想.mp4 （11分钟）

[10.2.4]--BP学习算法--学习算法.mp4 （13分钟）

[10.2.5]--BP学习算法的实现.mp4 （8分钟）

[10.3.1]--BP神经网络在模式识别中的应用.mp4 （14分钟）

[10.4.1]--离散型Hopfield神经网络模型.mp4 （8分钟）

[10.4.2]--离散型Hopfield神经网络-工作方式和工作过程.mp4 （9分钟）

[10.4.3]--离散型Hopfield神经网络-网络的稳定性.mp4 （7分钟）

[10.5.1]--连续型Hopfield神经网络.mp4 （12分钟）

[10.6.1]--Hopfield神经网络在联想记忆中的应用.mp4 （14分钟）

[10.6.2]--Hopfield神经网络优化方法.mp4 （23分钟）

{10}--第十讲群智能算法

[10.1.1]--粒子群优化算法产生背景.mp4 （2分钟）

[10.1.2]--粒子群优化算法的基本原理.mp4 （11分钟）

[10.1.3]--粒子群优化算法流程.mp4 （5分钟）

[10.1.4]--粒子群优化算法的参数分析.mp4 （3分钟）

[10.1.5]--粒子群优化算法的应用.mp4 （8分钟）

[10.1.6]--粒子群优化算法的改进.mp4 （1分钟）

[10.2.1]--蚁群算法的产生.mp4 （7分钟）

[10.2.2]--基本蚁群算法模型.mp4 （14分钟）

[10.2.3]--蚁群算法的参数选择.mp4 （3分钟）

[10.2.4]--蚁群算法的应用及改进.mp4 （2分钟）

[10.2.5]--蚁群算法的改进.mp4 （1分钟）

{11}--第十一讲人工神经网络

[11.1.1]--人工神经网络.mp4 （6分钟）

[11.1.2]--神经元的结构.mp4 （20分钟）

[11.1.3]--神经元的数学模型.mp4 （10分钟）

[11.1.4]--神经网络的结构与工作方式.mp4 （13分钟）

[11.3.1]--BP神经网络的结构.mp4 （5分钟）

[11.3.2]--BP学习算法-两个问题.mp4 （6分钟）

[11.3.3]--BP学习算法基本思想.mp4 （11分钟）

[11.3.4]--BP学习算法--学习算法.mp4 （13分钟）

[11.3.5]--BP学习算法的实现.mp4 （8分钟）

[11.4.1]--BP神经网络在模式识别中的应用.mp4 （14分钟）

[11.5.1]--离散型Hopfield神经网络模型.mp4 （8分钟）

[11.5.2]--离散型Hopfield神经网络-工作方式和工作过程.mp4 （9分钟）

[11.5.3]--离散型Hopfield神经网络-网络的稳定性.mp4 （7分钟）

[11.6.1]--连续型Hopfield神经网络.mp4 （12分钟）

[11.7.1]--Hopfield神经网络在联想记忆中的应用.mp4 （14分钟）

[11.7.2]--Hopfield神经网络优化方法.mp4 （23分钟）

{11}--第十一讲深度神经网络及其应用

[11.1.1]--卷积神经网络.mp4 （25分钟）

[11.2.1]--胶囊网络.mp4 （23分钟）

[11.3.1]--生成对抗网络.mp4 （25分钟）

[11.4.1]--操作说明视频.mp4 （4分钟）

{12}--第十二讲专家系统及知识图谱

[12.1.1]--专家系统的基本概念.mp4 （8分钟）

[12.1.2]--专家系统的特点.mp4 （7分钟）

[12.1.3]--专家系统的工作原理.mp4 （6分钟）

[12.1.4]--知识获取的主要过程与模式.mp4 （5分钟）

[12.1.5]--专家系统的建立.mp4 （12分钟）

[12.1.6]--专家系统的实例.mp4 （14分钟）

[12.1.7]--专家系统的开发工具.mp4 （10分钟）

[12.2.1]--知识图谱概念的提出.mp4 （1分钟）

[12.2.2]--知识图谱.mp4 （12分钟）

{12}--第十二讲机器学习

[12.1.1]--为什么要学习.mp4 （8分钟）

[12.2.1]--机器学习方法.mp4 （35分钟）

[12.3.1]--机器学习技术.mp4 （4分钟）

{13}--第十三讲机器学习

[13.1.1]--为什么要学习.mp4 （8分钟）

[13.2.1]--机器学习方法.mp4 （35分钟）

[13.3.1]--机器学习技术.mp4 （4分钟）

{13}--第十三讲深度学习

[13.1.1]--卷积神经网络.mp4 （25分钟）

[13.2.1]--胶囊网络.mp4 （23分钟）

[13.3.1]--生成对抗网络.mp4 （25分钟）

[13.4.1]--操作说明视频.mp4 （4分钟）

{14}--第十四讲专家系统

[14.1.1]--专家系统的基本概念.mp4 （8分钟）

[14.1.2]--专家系统的特点.mp4 （7分钟）

[14.1.3]--专家系统的工作原理.mp4 （6分钟）

[14.1.4]--知识获取的主要过程与模式.mp4 （5分钟）

[14.1.5]--专家系统的建立.mp4 （12分钟）

[14.1.6]--专家系统的实例.mp4 （14分钟）

[14.1.7]--专家系统的开发工具.mp4 （10分钟）

{14}--第十四讲智能体系统

[14.1.1]--智能体的概念.mp4 （3分钟）

[14.2.1]--智能体体系结构.mp4 （1分钟）

[14.2.2]--反应式体系结构.mp4 （4分钟）

[14.2.3]--慎思式体系结构.mp4 （7分钟）

[14.2.4]--复合式体系结构.mp4 （5分钟）

{15}--第十五讲智能体系统

[15.1.1]--智能体的概念.mp4 （3分钟）

[15.2.1]--智能体体系结构.mp4 （1分钟）

[15.2.2]--反应式体系结构.mp4 （4分钟）

[15.2.3]--慎思式体系结构.mp4 （7分钟）

[15.2.4]--复合式体系结构.mp4 （5分钟）