《人工智能》之《绪论》习题解析

人工智能-第一周作业【人工智能学派-认知观-研究和应用领域-研究热点】 1-4 现在人工智能有哪些学派?它们的认知观是什 么?         人工智能研究形成了三大学派: 随着人工神经网络的再度兴起和布鲁克(R.A.Brooks)的机 器虫的出现,人工智能研究形成了符号主义、连接主义和行为主 义三大学派。 符号主义学派 是指基于符号运算的人工智能学派,他们认为知识可以用符 号来表示,认知可以通过符号运算来实现。如专家系统等。 连接主义学派 是指神经网络学派... 阅读详情

教材:《人工智能及其应用》,蔡自兴等,2016m清华大学出版社(第5版)

参考书:
在这里插入图片描述

对应同系列博客:《人工智能》之《绪论》

1 什么是人工智能?试从学科和能力两方面加以说明。

人工智能(学科)是智能科学中涉及研究、设计与应用智能机器和智能系统的一个分支,而智能科学是一门与计算机科学并行的学科。

人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为,这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。

2 在人工智能的发展过程中,有哪些思想和思潮起了重要作用?

  • 20世纪30年代和40年代:数理逻辑和关于计算的新思想;
  • 20世纪80年代后期以来,不同人工智能学派间的争论推动了人工智能研究和应用的进一步发展,特别值得一提的是神经网络的复兴和智能真体的突起;

3 在过去的20多年中,人工智能发生了什么变化?

  • 机器学习又发展了许多学习方法(P27);
  • 硬件方面:除了微电脑技bai术和超级电脑技术的迅du速发展,zhi存储技术依旧遵循摩尔定律发展之外,各种传感器技术,特别是数字传感器技术的发展。对人工智能的硬件加速了更新换代。
    软件方面:与海量存储器相适应的快速搜索算法迅速发展。而且机器自我学习成长能力有极大提高。(来自百度)

4 为什么能够用机器(计算机)模仿人的智能?

物理符号系统的六种基本功能:输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移。

物理符号系统的假设:任何一个系统,如果它能表现出智能,那么它一定能执行上述6种功能。反之,任何系统如果具有这6种功能,那么它就能表现出智能,这种智能指的是人类所具有的那种智能。

物理符号系统的假设伴随有3个推论:

  1. 既然人具有智能,那么人就一定是一个物理符号系统;
  2. 既然计算机是一个物理符号系统,它就一定能够表现出智能;
  3. 既然人和计算机都是物理符号系统,那么就能够用计算机来模拟人的智能。

所以,在物理符号系统的假设下,机器智能可以模拟人类智能。

5 现在人工智能有哪些学派?它们的认知观是什么?现在这些学派的关系如何?

目前人工智能的主要学派有3家:

  1. 符号主义:又称为逻辑主义、心理学派、计算机学派,其原理主要为物理符号系统假设和有限合理性原理。
  2. 连接主义:又称为仿生学派、生理学派,其原理主要为神经网络及神经网络间的连接机制与学习算法。
  3. 行为主义:又称为进化主义、控制论学派,其原理为控制论及感知-动作型控制系统。

它们的认知观:

  1. 符号主义认为人工智能源于数理逻辑。代表性成果为启发式程序LT(逻辑理论家),证明了38条数学定理,表明了可以应用计算机研究人的思维过程,模拟人类智能活动。
  2. 连接主义认为人工智能源于仿生学,特别是人脑模型的研究。代表性成果为1943年由生理学家麦卡洛克和数理逻辑家皮茨创立的脑模型(MP模型),开创了用电子装置模仿人脑结构和功能的新途径。
  3. 行为主义认为人工智能源于控制论。代表性成果为布鲁克斯的六足行走机器人,它被看作新一代的“控制论动物”,是一个基于感知-动作模式的模拟昆虫行为的控制系统。

它们的关系:
长期共存与合作,取长补短,并走向融合和集成,为人工智能的发展做出贡献。

6 你认为应从哪些层次对认知行为进行研究?

认知行为![在这里插入图片描述](https://img-blog.csdnimg.cn/202009151618463.png#pic_center)

7 你是如何理解人工智能的研究目标的?

人工智能研究的近期目标和远期目标具有不可分割的关系。远期目标为近期目标指明了方向,近期目标为远期目标奠定了理论和技术基础。

8 人工智能研究包括哪些内容?这些内容的重要性如何?

人工智能研究的基本内容:
在这里插入图片描述
这些内容是得到诸多学者认同并具有普遍意义的人工智能研究的基本内容。

9 人工智能的基本研究方法有哪几类?它们与人工智能学派的关系如何?

人工智能的基本研究方法有4类:

  1. 功能模拟法
  2. 结构模拟法
  3. 行为模拟法
  4. 集成模拟法

关系:
与符号主义、连接主义和行为主义相应的人工智能研究方法为功能模拟法、结构模拟法和行为模拟法。此外,还有综合这3种模拟方法的集成模拟法。

10 人工智能的主要研究和应用领域是什么?其中,哪些是新的研究热点?

人工智能有16个主要研究和应用领域:

  1. 问题求解与博弈
  2. 逻辑推理与定理证明
  3. 计算智能
  4. 分布式人工智能与Agent
  5. 自动程序设计
  6. 专家系统
  7. 机器学习
  8. 自然语言理解
  9. 机器人学
  10. 模式识别
  11. 机器视觉
  12. 神经网络
  13. 智能控制
  14. 智能调度与指挥
  15. 智能检索
  16. 系统与语言工具

其中,4、7、9、10、12是新的研究热点。

11 你对人工智能课程教学有何意见和建议?

无。

12 解释什么是图灵测试?

图灵测试(The Turing test)由艾伦·麦席森·图灵发明,指测试者与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。进行多次测试后,如果机器让平均每个参与者做出超过30%的误判,那么这台机器就通过了测试,并被认为具有人类智能。图灵测试一词来源于计算机科学和密码学的先驱艾伦·麦席森·图灵写于1950年的一篇论文《计算机器与智能》,其中30%是图灵对2000年时的机器思考能力的一个预测,目前我们已远远落后于这个预测。(来自百度百科)

13 阐述中文屋问题是否能驳倒图灵测试?

中文屋问题不能驳倒图灵测试。

我们再仔细回顾下这个思想实验,我们发现之所以能解决所有中文问题的关键不在于那个完全不懂中文的人(事实上,他的工作用简单的程序就能代替),而在于那本带有中文翻译程序的手册!试想如果有这样的一本手册,它满足可以回答所有问题这个前提,那么事实上这本手册就拥有了智能!实际上,不要说回答所有问题了,即使是回答普通生活中大部分常识性问题,这个手册的容量都将是难以估量的,因为你要考虑到那个做着所谓“翻译工作”的人完全不懂中文,只是机械的按照步骤利用这个手册和房间内其它可用的工具来进行翻译和回答,所以这个手册绝非一些人下意识里想到的中英词典(因为如果这样,那这个人就不可能完全不懂中文),而是拥有一个完整步骤流程的中文翻译程序的手册,所以这个手册的实现本身就是极其困难的,要想做到回答所有问题这个手册就必须有“智能”。
提出中文屋问题的searle实际上偷换了概念。他先利用一个常识性命题——手册是没有智能的,来把我们的注意力转移到那个完全不懂中文的人身上,因为我们下意识里觉得按照描述那个房间里似乎只有这个人才有智能,然后searle又假设这个手册可以回答一切中文问题。但这样的假设本身就存在漏洞,如果这个手册真的做到了能回答所有问题,那它就不是通常意义上的手册了,它很可能也是有智能的。searle把我们这些有上帝视角的观众的注意力全都转移到那个人身上了,殊不知实验中外面人交互的是一个完整的房间(包括人和房间里的一切物品),导致我们把这些对象割裂开来,实际上我们应该把房间视为一个整体,那个完全不懂中文的人做的工作,无非是一些输入输出还有搜索(这些可以轻易地用程序替代),而核心在于他使用的工具——那本手册,拥有如此强大功能的手册,不可能不集成了诸如自然语言处理、机器学习、深度学习(神经网络)等技术,所以外边的人思维要是严谨一些,得到的结论应该是这整个房间(包括人和手册以及其他工具)会中文,而不是那个人会中文,而因为那个不懂中文的人的工作完全可以由机器来代替,回顾图灵测试的概念,这不正好验证了图灵测试吗?

结论:
searle的思想实验有严重的逻辑漏洞,他所设计的中文房间问题非但没能推翻图灵测试,反而为图灵测试提供了一个极佳的例子。不得不承认,即使是在今天,图灵测试依然有重大的意义。(来自关于图灵测试和中文房间的一些思考)

更新:这是一个仁者见仁智者见智的问题,有人认为中文屋问题能驳倒图灵测试。理由如下:
在这里插入图片描述
在这里插入图片描述

《人工智能导论》第 1 章 绪论:从概念到实践 本文摘要: 人工智能(AI)是模拟人类智能的技术科学,其核心特征包括感知、记忆、思维、学习和行为能力。发展历程可分为:孕育期(1956年前,基础理论形成)、形成期(1956-1970,专家系统兴起)、发展期(1971-2010,机器学习突破)和大数据驱动期(2011至今,深度学习爆发)。研究内容涵盖知识表示、机器感知/思维/学习/行为及智能系统构建,主要应用领域包括计算机视觉、自然语言处理、机器人学等。文中通过Python代码案例演示了智能体实现、专家系统诊断和手写数字识别,呈现了AI从理论到实践的技术演进 阅读详情

相关推荐

人工智能第一章——绪论

什么是人工智能? ->合理地行动

catherine_sfy的博客 2625

人工智能读书笔记

1.1 什么是人工智能?试从学科和能力两方面加以说明 答:人工智能是研究理解和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论,进而设计可以展现某些近似于人类智能行为的计算系统。 人工智能是一门涉及数学、逻辑学、认知学、心理学、神经心理学和计算机科学等多学科的交叉学科。人工智能包括智能感知、智能推理、智能学习和智能行动四个方面。 1.2 在人工智能的发展过程中,有哪...

科华在线 1491

数据挖掘大学练习题

数据挖掘中北大学练习题 第一章 绪论 一.判断题(共10题,83.0分) 下面各项是否是数据挖掘任务? 1根据性别划分公司的顾客 我的答案:× 得分: 8.3分正确答案:× 答案解析: 这属于简单的数据库查询 2根据可盈利性划分公司的顾客 我的答案:× 得分: 8.3分正确答案:× 答案解析: 这是简单的会计计算 3计算公司的总销售额 我的答案:× 得分: 8.3分正确答案:× 答案解析: 这是简单的会计计算 4按学生的标识号对学生数据库进行排序 我的答案:× 得分: 8.3分正确答案:× 答案解析:

weixin_44766712的博客 5826

《人工智能及其应用》第1章书后题 | 西电《人工智能导论》作业

《人工智能及其应用》第6版第1章书后题

ErinWang666的博客 3330

大学课程《人工智能》课后习题及答案(PDF).pdf

大学课程《人工智能》课后习题及答案(PDF).pdf

【完整版】清华大学精品AI人工智能课程 第1章 绪论 含习题 共41页.pptx

清华大学精品人工智能课程完整课程列表,由浅入深介绍整个人工智能领域的知识,并介绍了典型算法与典型应用 【完整版】清华大学精品人工智能课程 第1章 绪论 共41页.pptx 【完整版】清华大学精品人工智能课程 第2章 知识表示 共63页.pptx 【完整版】清华大学精品人工智能课程 第3章 智能搜索 共91页.pptx 【完整版】清华大学精品人工智能课程 第4章 自动推理 共64页.pptx 【完整版】清华大学精品人工智能课程 第5章 机器学习 共54页.pptx 【完整版】清华大学精品人工智能课程 第6章 深度学习 共42页.pptx 【完整版】清华大学精品人工智能课程 第7章 卷积神经网络 共51页.pptx 【完整版】清华大学精品人工智能课程 第8章 循环神经网络 共55页.pptx 【完整版】清华大学精品人工智能课程 第9章 自然语言处理 共42页.pptx 【完整版】清华大学精品人工智能课程 第10章 分布式智能 共30页.pptx 【完整版】清华大学精品人工智能课程 第11章 智能机器人 共47页.pptx 【完整版】清华大学精品人工智能课程 第12章 人工智能前沿 共29页.pptx

《人工智能导论》书面作业

盲目式搜索(Blind Search),也称为无信息搜索,是一种在没有关于问题领域任何先验知识的情况下进行的问题解决策略。

qiqi_liuliu的博客 1728

logisim计组实验八 乘法器

原理:点这里 有问题欢迎留言哦~ 文章目录五位阵列乘法器电路图时间延迟分析六位补码阵列乘法器五位无符号乘法流水线原理图电路图原码一位乘法器原理图电路图补码一位乘法器 五位阵列乘法器 电路图 此处注意:全加器FA的cout端是进位端而非输出端 使用硬件控制比循环累加的速度快得多。 但是存在串行进位链 改进版: 时间延迟分析 T是计算相加数的一级门延迟 3n–>2n 性能差别在1.5倍 ...

treblez's blog 2万+

动手学深度学习——序列模型

RNN在处理具有长期依赖关系的序列数据时表现出色,但在面对较长的序列时可能会出现梯度消失或梯度爆炸的问题。隐马尔可夫模型(Hidden Markov Models,HMMs):HMM是一种基于概率的序列模型,在许多序列建模问题中被广泛使用,如语音识别、自然语言处理和生物信息学。注意力机制模型(Attention Mechanism):注意力机制是一种增强序列模型性能的技术,它允许模型根据输入序列中的不同部分自适应地分配不同的关注权重。序列模型是一类机器学习模型,用于处理具有时序关系的数据。

qq_38473254的博客 786

告别‘线束丛林’:手把手拆解车身域控制器(BCM/PEPS/网关)的硬件选型与PCB布局要点

本文深入解析车身域控制器的硬件选型与PCB布局要点,涵盖主控MCU选择、通信接口设计、电源架构优化及EMC设计等关键环节。通过实战案例分享,帮助工程师解决高密度集成带来的电源完整性、热管理和信号隔离挑战,实现更稳定高效的汽车电子系统设计。

weixin_42567279的博客 397

手把手教你用ET-BERT预训练模型搞定加密流量分类(附完整代码)

本文详细介绍了如何使用ET-BERT预训练模型实现加密流量分类,包括环境配置、数据预处理、模型微调及优化策略。通过实战代码示例,帮助开发者快速掌握这一技术,提升网络安全领域的加密流量分析能力。

weixin_29166013的博客 494

《人工智能》之《绪论》

教材:《人工智能及其应用》,蔡自兴等,2016m清华大学出版社(第5版) 参考书: 《人工智能》之《绪论》1 人工智能的定义与发展1.1 人工智能的定义1.2 人工智能的历史1.3 人工智能发展路线图1.4 人工智能的三次浪潮1.5 人工智能三要素2 人工智能的各种认知观2.1 认知(cognition)2.2 人工智能各学派的认知观2.3 对人工智能方法的争论3 人类智能与人工智能3.1 智能信息处理系统的假设3.2 人类智能的计算机模拟4 人工智能系统的分类5 人工智能的研究目标和内容5.1 人工智能

ProgramNovice的博客 976

用LTspice仿真CMOS反相器功耗?这份避坑指南能省你3天调试时间

本文详细介绍了如何使用LTspice准确仿真CMOS反相器的功耗,包括动态功耗、短路功耗和静态功耗的测量技巧。通过工程实践指南,帮助电子工程师避开常见陷阱,优化仿真参数设置,提升仿真结果的可靠性,节省调试时间。

w7x8y9z的博客 190

人工智能

人工智能总集篇第一章:绪论第二章:知识表示第三章:确定性推理第四章:非经典推理第七章:机器学习第十章:自然语言理解习题解析课程实验完整代码及实验报告 第一章:绪论 《人工智能》之《绪论》 第二章:知识表示 《人工智能》之《知识表示方法》 第三章:确定性推理 《人工智能》之《确定性推理》 第四章:非经典推理 《人工智能》之《非经典推理》 第七章:机器学习 《人工智能》之《机器学习》 第十章:自然语言理解 《人工智能》之《自然语言理解》 习题解析 《人工智能》之《绪论》习题解析 《人工智能》之《知识表示方法》习

ProgramNovice的博客 746

K8S证书过期解决办法之替换证书

k8s证书过期解决方案之替换证书

q_hsolucky的博客 1万+

AI原生应用API编排:如何实现高效的权限管理?

随着GPT-4、Claude 3等大模型的普及,AI原生应用(从设计之初就以AI为核心的应用)正从“概念”走向“落地”。依赖大量外部API的协同工作(如用户身份API→大模型生成API→支付API→存储API)。但随之而来的挑战是:如何在复杂的API调用链中,确保每个环节的权限合规?本文将聚焦这一问题,覆盖API编排的基础逻辑、权限管理的核心机制(如RBAC/ABAC)、实战工具链(如OPA策略引擎),以及常见场景的解决方案。本文将按照“场景引入→核心概念→原理拆解→实战演练→趋势展望”的逻辑展开。

大数据洞察的博客 452

研知有术论文辅导丨绪论是什么意思?学位论文的绪论要写什么内容?

绪论”,这个很多同学既熟悉又陌生的词。熟悉是因为我们写学位毕业论文开篇就是它,陌生是因为平时写小论文会写“引言”多一些。有些同学还会把它们两个搞混。

yanzhiyoushu618的博客 1796

【雕爷学编程】Arduino动手做(45)---红外光电避障传感器模块4

雕爷学编程,Arduino动手做,开源硬件,创客传感器,红外光电避障传感器模块

雕爷学编程 2505

CSU人工智能与模式识别复习-绪论

CSU人工智能与模式识别复习——绪论

风雨不知归 1421

YOLOv11改进有效系列目录 - 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制 - 针对多尺度、小目标、遮挡、恶劣天气等问题

在一些特定情况下,目标检测任务由于多种因素的影响,变得更加复杂和困难。以下是几类常见的困难目标检测场景:1. 小目标检测定义:小目标检测是指当目标在图像中的占比非常小时,模型需要准确识别和定位这些目标。典型场景包括远程监控、卫星图像分析等。挑战1. 低分辨率:由于目标在图像中占据像素较少,细节缺失,特征提取难度增加。2. 特征不足:小目标缺乏明显的形状和纹理特征,容易被复杂背景淹没。3. 检测难度大:由于小目标与背景之间的对比度较低,误检的几率上升。4. 数据不平衡。

qq_64693987的博客 4万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

人工智能导论测试题——第1章绪论

人工智能导论习题第1章测试 1单选 1956年达特茅斯会议上,学者们首次提出“artificial intelligence(人工智能)”这个概念时,所确定的人工智能研究方向不包括:C A. 研究如何用计算机表示人类知识 B. 研究如何用计算机来模拟人类智能 C. 研究人类大脑结构和智能起源 D. 研究智能学习的机制 2单选 从人工智能研究流派来看,明斯基等人所推荐的“人工神经网络”方法用计算机模...

影龙武的博客qq_43594119 5136

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

人工智能导论实训 第一章 绪论

任务描述 本关任务:阅读理解第一章绪论内容完成本节练习题。 相关知识 为了完成本关任务,你需要掌握: 1.人工智能的定义, 2.人工智能的基础, 3.人工智能的历史以及最新发展水平。

zumhui的博客 448

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

魔导绪论Ai魔咒助手项目中的OpenAI Token获取问题解析

魔导绪论Ai魔咒助手项目中的OpenAI Token获取问题解析 在魔导绪论Ai魔咒助手项目中,开发者遇到了一个关于OpenAI Token获取的典型问题。这个问题反映了当前AI服务集成中常见的认证机制变更挑战。 问题背景 项目最初设计时使用的是OpenAI的GPT-3.5模型,但随着OpenAI API的更新,原有的Token获取方式发生了变化。用户反馈即使购买了GPT-4服务并获取了新的Tok...

gitblog_07132的博客 372

人工智能原理复习--绪论

人工智能概述、图灵测试、人工智能的研究方法

m0_64372178的博客 639

探索AI人工智能:背景与前沿趋势的深度解析

人工智能的概念最早可以追溯到图灵时代。1950年,艾伦·图灵在论文《计算机器与智能》中提出了著名的“图灵测试”,即如果一台机器能够与人类展开无法被区分的对话,那么就可以认为这台机器具有智能。这一思想为AI的研究奠定了理论基础。

XSbxqc的博客 1277

大模型应用绪论(60页PPT)(附下载方式)

在垂直领域,金融场景的风险分析、法律场景的合同审查、教育场景的个性化辅导、医疗场景的辅助诊断等案例,充分展现了大模型的技术普惠价值。这种立体化的知识呈现方式,使其既适合作为教学材料,也可作为行业应用的参考手册。的语义理解机制、计算机视觉的识别生成能力、语音技术的双向转换特性,以及强化学习的环境交互特征。这种从静态提示到动态智能体的演进,反映了大模型应用的技术深化路径。架构、文本分类的情感分析应用、信息抽取的知识图谱价值、自动文摘的要点提取能力等实践场景。课程体系方面,该资料展现了一个完整的教学框架。

2301_78256053的博客 1165
上一篇: 2020年高教社杯全国大学生数学建模C题:中小微企业的信贷决策
下一篇: 《人工智能》之《知识表示方法》
UestcXiye
博客等级 码龄8年 9033粉丝 1306原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值