《人工智能》之《计算智能》

智能计算: 最新进展、挑战和未来(Intelligent Computing: The Latest Advances, Challenges and Future) 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

1 概述

计算智能是信息科学、生命科学、认知科学等不同学科相互交叉的产物。它主要借鉴仿生学的思想,基于人们对生物体智能机理的认识,采用数值计算的方法去模拟和实现人类的智能。

计算智能目前还没有一个统一的定义,使用较多的是美国科学家贝兹德克(J.C.Bezdek)从计算智能角度给出的定义。

贝兹德克于1994年提出,表示ABC与神经网络(NN)、模式识别(PR)和智能(I)之间的关系。

  • A-Artificial:人工的 (非生物的)
  • B-Biological:物理的 + 化学的 +(?) = 生物的
  • C-Computational:数学 + 计算机

计算智能(CI)、人工智能(AI)和生物智能(BI)的关系:

  • 计算智能是智力的低层认知。
  • 人工智能是在计算智能基础上引入知识产生的中层认知。
  • 生物智能(人类智能)是最高层次的智能。

ABC的交互关系图:
在这里插入图片描述

定义1:当一个系统只涉及数值(低层)数据,含有模式识别部分,不应用人工智能意义上的知识,且能够呈现出:

  1. 计算适应性;
  2. 计算容错性;
  3. 接近人的速度;
  4. 误差率与人相近。

则该系统就是计算智能系统。

定义2:当一个智能计算系统以非数值方式加上知识,即成为人工智能系统。

神经网络是一种大规模的并行分布式处理器,天然具有存 储并使用经验知识的能力。它从两个方面模拟大脑:(1)网络 获取的知识是通过学习来获取的;(2)内部神经元的连接强度, 即突触权重,用于储存获取的知识。
——西蒙·赫金(SimonHaykin) [Haykin,1994]

2 神经计算

2.1 人工神经网络研究的发展

  • 1943年麦卡洛克和皮茨提出神经网络模型(称为MP模型)的概念。
  • 20世纪60年代威德罗和霍夫提出自适应线性元件。
  • 60年代末至80年代中期,整个神经网络研究处于低潮。
  • 20世纪80年代中后期,最流行的一种连接主义模型是分布式并行处理模型,它有3个特性:
    1)信息表示是分布式 的(非局部的);
    2)记忆和知识是存储在单元之间的连接上;
    3)通过逐渐改变单 元之间的连接强度来学习新的知识。
  • 2006-现在,Hinton提出深度学习,空前繁荣。

2.2 人工神经网络的特性

  • 并行分布处理
  • 非线性映射(理论上可以模拟任何函数)
  • 通过训练进行学习
  • 适应与集成
  • 硬件实现(GPU)

2.3 人工神经网络的结构

人工神经网络是由大量的人工神经元经广泛互联所形成的一种人工网络系统,用以模拟人类神经系统的结构和功能。
在这里插入图片描述
Perceptron感知机
在这里插入图片描述
人工神经元模型
在这里插入图片描述
人工神经网络

人工神经网络主要由大量的神经元以及它们之间的有向连接构成。因此考虑三方面:

  • 神经元的激活函数: 主要是指神经元输入到输出之间的映射关系,一般为非线性函数。
  • 网络的拓扑结构:不同神经元之间的连接关系。
  • 学习算法:通过训练数据来学习神经网络的参数。

2.3.1 激活函数

性质:

  1. 连续并可导(允许少数点上不可导)的非线性函数。可导的激活函数可以直接利用数值优化的方法来学习网络参数。
  2. 激活函数及其导函数要尽可能的简单, 有利于提高网络计算效率。
  3. 激活函数的导函数的值域要在一个合适的区间内, 不能太大也不能太小, 否则会影响训练的效率和稳定性。

在这里插入图片描述
Sigmoid型函数

Sigmoid型函数是指一类S型曲线函数,为两端饱和函数。常用的Sigmoid型函数有Logistic函数和Tanh函数。
在这里插入图片描述

在这里插入图片描述

ReLU型函数
ReLU(Rectified Linear Unit,修正线性单元),也叫 Rectifier函数,是目前深度神经网络中经常使用的激活函数。ReLU实际上是一个斜坡函数,定义为:
在这里插入图片描述
在这里插入图片描述

2.3.2 网络结构

人工神经网络由神经元模型构成,这种由许多神经元组成的信息处理网络具有并行分布结构。
在这里插入图片描述
前馈神经网络
在前馈神经网络中,各神经元分别属于不同的层。 整个网络中无反馈,信号从输入层向输出层单向传播,可用一个有向无环图表示。
在这里插入图片描述
BP网络模型
误差反向传播(Error Back Propagation)网络通常简称为BP(Back Propagation)网络,是由美国加州大学的鲁梅尔哈特和麦克莱兰于1985年提出的一种网络模型。

BP网络的网络拓扑结构是多层前向网络,如图所示。在BP网络中,同层节点之间不存在相互连接,层与层之间多采用全互连方式,且各层的连接权值可调。BP网络实现了明斯基的多层网络的设想,是当今神经网络模型中使用最广泛的一种。

在这里插入图片描述
对BP网络需说明以下两点:

  1. 每个处理单元均为非线性输入/输出关系,其作用函数通常采用的是可微的Sigmoid函数,如:
    在这里插入图片描述
  2. 学习过程是由工作信号的正向传播和误差信号的反向传播组成的。
    正向传播:输入模式经隐层到输出层,最后形成输出模式。
    误差反向传播: 输出层开始逐层将误差传到输入层,并修改各层连接权值,使误差信号为最小的过程。

前馈神经网络的不足:

  1. 连接存在层与层之间,每层的节点之间是无连接的。
  2. 输入和输出的维数都是固定的,不能任意改变。无 法处理变长的序列数据。
  3. 假设每次输入都是独立的,也就是说每次网络的输 出只依赖于当前的输入。

循环神经网络

  • 循环神经网络通过使用带自反馈的神经元,能够处理任意长度的序列。
  • 循环神经网络比前馈神经网络更加符合生物神经网络的结构。
  • 循环神经网络已经被广泛应用在语音识别、语言模型以及自然语言生成等任务上。

在这里插入图片描述
Hopfield网络
Hopfield网络是由美国加州工学院物理学家霍普菲尔特1982年提出来的一种单层全互连的对称反馈网络模型,分为离散Hopfield网络和连续Hopfield网络。

离散Hopfield网络模型是一个离散时间系统,每个神经元只有0和1(或-1和1)两种状态,任意神经元i和j之间的连接权值为Wij。因神经元之间为对称连接,且神经元自身无连接,因此有:
在这里插入图片描述
由该连接权值构成的连接矩阵是个零对角的对称矩阵。
在这里插入图片描述

离散Hopfield网络的特点:

  • 神经元自身无连接
  • 每个神经元都与其他神经元相连
    每个神经元的输出都将通过突触连接权值传递给别的神经元,同时每个神经元又都接受其他神经元传来的信息,对每个神经元,其输出经过其他神经元后又有可能反馈给自己。

2.4 基于神经网络的知识表示和推理

1. 基于神经网络的知识表示

在这里,知识并不像在产生式系统中那样独立地表示为每一条规则,而是将某一问题的若干知识在同一网络中表示。例如,在有些神经网络系统中,知识是用神经网络所对应的有向权图的邻接矩阵及阈值向量表示的。

2.基于神经网络的推理

基于神经网络的推理是通过网络计算实现的。把用户提供的初始证据用作网络的输入,通过网络计算最终得到输出结果。

一般来说,正向网络推理的步骤如下:

  1. 把已知数据输入网络输入层的各个节点。
  2. 利用特征函数分别计算网络中各层的输出。
  3. 用阈值函数对输出层的输出进行判定,从而得到输出结果。

4 遗传算法

  • 遗传算法是模仿生物遗传学和自然选择机理,通过人工方式所构造的一类优化搜索算法,是对生物进化过程进行的一种数学仿真,是进化计算的最重要的形式。
  • 遗传算法为那些难以找到传统数学模型的难题指出了一个解决方法。
  • 进化计算和遗传算法借鉴了生物科学中的某些知识,也体现了人工智能这一交叉学科的特点。

4.1 遗传算法的基本机理

遗传算法由密歇根大学的约翰·霍兰德和他的同事于二十世纪六十年代在对细胞自动机进行研究时率先提出。霍兰德的遗传算法通常称为简单遗传算法(SGA,Simple Genetic Algorithm)。

现以此作为讨论主要对象,加上适当的改进,来分析遗传算法的结构和机理。 它包括三个部分:

  1. 编码与解码
  2. 适应度函数
  3. 遗传操作

4.1.1 编码与解码

  • 将问题结构变换为位串形式编码表示的过程叫编码;
  • 将位串形式编码表示变换为原问题结构的过程叫解码或译码。
  • 把位串形式编码表示叫染色体,有时也叫个体。
  • 遗传算法的编码方法:二进制编码、浮点数编码方法、格雷码、符号编码方法、多参数编码方法等。

二进制编码

二进制编码是最常见的编码方法。
在这里插入图片描述
二进制编码的缺点:

  1. 长度较大
  2. 汉明(Hamming)悬崖:例如,7和8的二进制数分别为0111和1000,当算法从7改进到8时,就必须改变所有的位。(类似于数字逻辑编码中的毛刺 )

格雷编码

格雷编码是对二进制编码进行变换后所得到的一种编码方法。这种编码方法要求两个连续整数的编码之间只能有一个码位不同,其余码位都是完全相同的。它有效地解决了汉明悬崖问题,其基本原理如下:
在这里插入图片描述

4.1.2 适应度函数

  • 体现染色体的适应能力,对问题中的每一个染色体都能进行度量的函数,叫适应度函数(fitness function)
  • 在遗传算法中,一般要求适应度函数非负,并且适应度值越大越好。这样所得到的适应度函数被称为标准适应度函数Fnormal(x)。
  • 对优化问题,适应度函数就是目标函数。

4.1.3 遗传操作

简单遗传算法的遗传操作主要有三种:

  • 选择(selection)
  • 交叉(crossover)
  • 变异(mutation)

改进的遗传算法大量扩充了遗传操作,有更高的效率。

选择操作也叫复制(reproduction)操作,根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。

一般地说,选择将使:

  1. 适应度较大(优良)的个体有较大的存在机会
  2. 适应度较小(低劣)的个体存在的机会也较小

在这里插入图片描述
从统计角度看,个体的适应度值越大,其对应的扇区的面积越大,被选中的可能性也越大。这种方法有点类似于发放奖品使用的轮盘,并带有某种赌博的意思,因此亦被称为轮盘赌选择。
在这里插入图片描述

4.1.4 交叉操作

在这里插入图片描述

4.1.5 变异操作

在这里插入图片描述

4.2 遗传算法的求解步骤

4.2.1 遗传算法的特点

  1. 遗传算法是对参数集合(定义域区间)的编码而非针对参数本身进行进化;
  2. 遗传算法是从问题解的编码组开始而非从单个解开始搜索;
  3. 遗传算法利用目标函数的适应度这一信息而非利用导数或其它辅助信息来指导搜索;
  4. 遗传算法利用选择、交叉、变异等算子进行随机操作,而不是利用确定性规则。遗传算法属于随机优化。

4.2.2 遗传算法的框图

  1. 初始化种群
  2. 计算种群上每个个体的适应度值
  3. 按由个体适应度值所决定的某个规则选择将进入下一代的个体
  4. 按概率pc进行交叉操作
  5. 按概率pm进行变异操作
  6. 若没有满足某种停止条件,则转第2步,否则进入下一步
  7. 输出种群中适应度值最优的染色体作为问题的满意解或最优解

在这里插入图片描述
GA算法的参数:

  • 种群规模(P, population size):即种群中染色体个体的数目。
  • 字串长度(l, string length)
  • 交叉概率(pc, probability of crossover):控制着交叉算子的使用频率。交叉操作可以加快收敛,使解达到最有希望的最优解区域,因此一般取较大的交叉概率,但交叉概率太高也可能导致过早收敛。
  • 变异概率(pm, probability of mutation):控制着变异算子的使用频率,决定了遗传算法的局部搜索能力。
  • 终止条件(termination criteria):1. 完成预先设定的遗传代数。2. 种群中的最优化个体在连续若干代后没有改变或平均适应度在连续若干代基本没有改进。
云计算、大数据、人工智能的关系 云计算,大数据,人工智能以及他们的关系。 一、云计算最初是实现资源管理的灵活性 我们首先来说云计算,云计算最初的目标是对资源的管理,管理的主要是计算,存储,网络资源。 1.1 管数据中心就像配电脑 什么叫计算,存储,网络资源呢?就说你要买台笔记本电脑吧,你是不是要关心这台电脑什么样的CPU啊?多大的内存啊?这两个我们称为计算资源。您可能还会问硬盘多大啊?这就是存储资源。网速有多快,带宽... 阅读详情

相关推荐

智能计算的基本原理——智能计算原理与实践【文末送书】

智能计算的基本原理——智能计算原理与实践【文末送书】随着科技的不断发展,智能计算成为引领时代的前沿技术之一。从传统的计算机模型到如今的人工智能系统,智能计算不仅深刻地改变着我们的生活方式,也在各个领域展现出巨大的潜力。本文将介绍智能计算的基本原理,并探讨其在实际应用中的各种可能性。

一键难忘的博客 5814

计算智能简介

计算智能 文章目录计算智能计算智能简介一、CI典型方法二、典型方法简单介绍1.人工神经网络2.进化计算3.群体智能4.人工免疫系统5.模糊系统总结 计算智能简介 计算智能(CI)—使智能行为在复杂和变化环境中能够或易于实现的自适应机制的研究。这些机制包括那些具有学习或适应新环境、拓展、抽象、发现和联想能力的AI典型方法。 一、CI典型方法 本系列包含了以下CI典型方法:人工神经网络、进化计算、群体智能、人工免疫系统和模糊系统。虽然这些典型方法中的单个技术都均已成功地应用于解决实际问题,但是当前的

Mr Zhu's little cute 3856

2、人工智能系统的特性与计算智能

本博客探讨了人工智能系统的核心特性,包括记忆、计算、逻辑、感知、交互、学习、自组织、进化和思维能力,并深入分析了计算智能的三大主要领域:模糊计算、神经计算和进化计算。博客还讨论了人工智能在医疗、金融、交通等领域的应用,以及面临的挑战和未来发展方向。通过这些内容,为读者提供了一个全面的人工智能与计算智能的概览。

yhn4567890的博客 84

计算智能(一)

         计算智能什么是计算智能,它与传统的人工智能有何区别?第一个对计算智能的定义是由贝兹德克(Bezdek)于1992年提出的。他认为,计算智能取决于制造者提供的数值数据,不依赖于知识;另一方面,人工智能应用知识精品。人工神经网络应当称为计算神经网络。       把神经网络(NN)归类于人工智能(AI)可能不大合适,而归类于计算智能(CI)更能说明问题实质。进化计算、人工生命和模糊逻...

轻尘 2万+

12、计算智能与人工智能在医疗研究中的应用

本博客探讨了计算智能和人工智能在医疗研究中的关键应用,特别是在药物发现和痴呆症研究领域的潜力。内容涵盖了深度学习模型的性能评估、基因交互网络分析、KnowledgeFlow工具的应用,以及人工智能在遗传学、实验医学、药物开发、成像技术和疾病预防等痴呆症研究关键领域的作用。尽管当前的研究已经取得了一定成果,但仍然存在诸多挑战和未解难题,需要进一步探索以推动医疗技术的发展。

k9l0m1的博客 66

1、人工智能计算智能与机遇

本文综述了人工智能中计算智能与转移学习的研究进展,重点探讨了神经网络、贝叶斯方法、模糊逻辑和进化算法在转移学习中的应用。文章系统梳理了不同计算智能技术在跨域知识迁移中的典型框架与策略,涵盖了深度神经网络的特征迁移、多任务学习机制、贝叶斯网络的结构与参数迁移方法,以及处理不确定信息的模糊转移学习流程。同时,通过mermaid流程图展示了多任务神经网络学习和未来人工智能发展的路径,并总结了各类方法的适用场景。研究还指出,尽管人工智能在教育、医疗、制造等领域展现出巨大潜力,但仍面临人类依赖性增强、情感模拟局限等挑

data3的博客 50

计算智能与人工智能

计算智能与人工智能

枫-初忆的博客 4692

2、人工智能与计算智能在棋牌游戏中的发展与挑战

本文探讨了人工智能与计算智能在棋牌游戏领域的发展与挑战,从历史起源到现代技术突破,详细分析了国际象棋、跳棋、围棋和奥赛罗棋等智力游戏的复杂性及AI解决方案。文章还比较了人工智能与计算智能的核心区别,并介绍了代表性方法如极小极大搜索、蒙特卡罗模拟、神经网络和强化学习的应用。通过总结现有成就与开放问题,展望了未来研究方向,包括直觉、创造力和多游戏玩法等类人能力的实现路径。

mac99的博客 107

《人工智能》之《计算智能》习题解析

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: 对应同系列博客:《人工智能》之《计算智能》 《人工智能》之《计算智能》习题解析1 计算智能的含义是什么?它涉及哪些研究分支?2 试述计算智能(CI)、人工智能(AI)和生物智能(BI)的关系3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域?4 简述生物神经元及人工神经网络的结构和主要学习算法5 模糊集合有哪些运算?满足哪些规律?6 什么是模糊推理?7 为什么说Hopfield网络是一种反馈神经网络?8 霍兰德的

ProgramNovice的博客 4801

人工智能及其应用.pdf

人工智能及其应用.pdf

Triplet Loss调参实战:Margin选多少?距离函数用哪个?我的模型为什么训不动?

本文深入探讨了Triplet Loss调参中的关键问题,包括margin参数的选择、距离函数的比较以及模型训练不动的常见原因。通过实战案例和技术分析,提供了针对不同场景(如人脸识别、商品图像、文本匹配)的margin黄金区间,并对比了欧式距离与余弦相似度的适用场景。文章还介绍了困难样本挖掘的最新策略和模型诊断的实用清单,帮助开发者高效解决度量学习中的工程难题。

weixin_29050271的博客 414

人工智能的三个阶段计算智能,感知智能和认知智能

人工智能技术是一项复杂的系统性工程,而且更多时候它只是一个概念性的技术;没有有人知道人工智能应该是什么样,也没有人知道应该怎么才能实现人工智能。

2401_85327249的博客 3637

Miniforge3部署教程,完美替代Anaconda3

大背景不介绍了,哎!直接上教程!

zzy_ucas的博客 1万+

人工智能 —— 计算智能概述

计算智能概述 计算智能是借鉴仿生学的思想,基于生物神经系统的结构、进化和认知对自然智能进行模拟的。 计算智能是一种以模型(计算模型、数学模型)为基础,以分布、并行计算为特征的自然智能模拟方法。 虽然人工智能与计算智能之间有重合,但计算智能是一个全新的学科领域,无论是生物智能还是机器智能,计算智能都是其最核心的部分,而人工智能则是外层 从计算智能系统角度 如果一个系统仅处理低层的数值数据,含有模...

starter_____的博客 3819

FISCO-BCOS配置及使用控制台

如果因为网络问题长时间无法下载,请尝试:curl -#LO https://gitee.com/FISCO-BCOS/console/raw/master-2.0/tools/download_console.sh && bash download_console.sh。为了可以更加方便快捷,所以HelloWorld合约已经被内置了,位于控制台下面的contracts/solidity/HelloWorld.sol。用于获取和设置name的值,合约代码如下。部署成功会返回合约地址。

qq_51562644的博客 834

Labelme安装教程(附Anaconda安装教程)

本文详细介绍了如何安装Anaconda和Labelme,还提供了常见问题的解决建议。

HanYan_ing的博客 1万+

2026年第二届人工智能与计算智能国际学术会议(AICI 2026)

2026年第二届人工智能与计算智能国际学术会议(AICI 2026)

leisigoyle的博客 1131

Fluent实战——残差震荡分析与收敛优化策略

本文深入探讨了Fluent仿真中残差震荡的成因与优化策略。残差震荡是流场物理或数值问题的关键信号,文章系统分析了网格质量、边界条件、物理模型非定常性及求解设置四大主因,并提供了库朗数与松弛因子的调参心法,以及针对超音速流、共轭传热等典型场景的实战优化方案,旨在帮助用户有效提升计算收敛性与结果可靠性。

w1x2y3的博客 314

人工智能发展三阶段:计算智能、感知智能、认知智能,全面解析!

人工智能技术的发展是一个蜿蜒曲折的道路人工智能技术是一项复杂的系统性工程,而且更多时候它只是一个概念性的技术;没有有人知道人工智能应该是什么样,也没有人知道应该怎么才能实现人工智能。所以,人工智能技术经过几十年的发展,一直是在蜿蜒曲折的前进;所以,研究者们就根据人工智能技术发展的现状以及对其未来的期望总结了人工智能技术发展的几个阶段。而现在的人工智能技术即将要进入认知智能阶段。‍‍‍人工智能技术发展的三个阶段行业一般将人工智能发展分为三个阶段,分别是计算智能,感知智能和认知智能。

2401_85343303的博客 3184

Ubuntu双系统引导修复实战:boot-repair工具详解

本文详细介绍了使用boot-repair工具修复Ubuntu双系统引导丢失问题的实战方法。当GRUB引导菜单因安装新系统或更新而损坏时,通过制作Ubuntu启动盘进入Live环境,安装并运行boot-repair,可一键完成系统修复引导,自动化执行GRUB重装与配置,解决无法进入Windows或Ubuntu的常见故障。

weixin_29224589的博客 360

jason-2卫星介绍及其数据下载

两台仪器发射脉冲宽度均为105.6μs,带宽320MHz(C频段)和320/100MHz(Ku频段),脉冲重复频率1800Hz(Ku频段)和300Hz(C频段),功率78W,数据传输速率22.5kbit/s。共发射了3颗卫星(Jason - 1/2/3),星上有效载荷均主要为雷达高度计和微波辐射计。Jason - 1卫星主要有效载荷为波塞冬 - 2和“贾森微波辐射计”,Jason - 2卫星进行了改进,主要携带了波塞冬 - 3和先进微波辐射计,此外,Jason - 2卫星还携带了“多里斯”系统。

beautyaaaa的博客 1607

人工智能与计算机软件的区别,人工智能和计算智能有什么区别呢?

1、计算智能(Computational Intelligence,CI)是借助自然界(生物界)规律的启示,根据其规律,设计出求解问题的算法.物理学、化学、数学、生物学、心理学、生理学、神经科学和计算机科学等学科的现象与规律都可能成为计算智能算法的基础和思想来源.从关系上说,计算智能属于人工智能(Artificial Intelligence,AI)的一个分支.2、计算智能算法主要包括神经计算、模...

weixin_39743695的博客 1982

18、Excel VBA编程:自定义函数创建与代码调试全攻略

本文详细介绍了Excel VBA中自定义函数的创建方法,以获取单元格注释为例演示了完整开发流程,并深入讲解了代码调试的重要性与核心工具。内容涵盖三种主要错误类型及其应对策略,系统介绍了调试工具栏、断点、逐行执行、Locals窗口、Immediate窗口等实用功能。通过综合案例展示了如何运用调试技术解决实际问题,并总结了提前规划、逐步测试、日志记录等最佳实践,帮助读者提升VBA编程效率与代码质量。

life6的博客 101

人工智能之计算智能

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_33742618的博客 470

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

上一篇: 《人工智能》之《非经典推理》习题解析
下一篇: 《人工智能》之《计算智能》习题解析
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