- 博客(14)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 《人工智能现代方法（第4版）》 第6章 约束满足问题 学习笔记
摘要 本章系统介绍了约束满足问题（CSP）的通用解法。CSP包含三个要素：变量（待填的"坑"）、值域（可选的"土"）和约束（填坑规则）。通过约束传播（如节点一致性、弧一致性）可提前排除冲突选项，回溯搜索则系统性试错并配合智能回溯优化。变量和值排序策略（如最少剩余值启发式）能提升效率，局部搜索适用于微调近似解。特殊结构（如树状CSP）可加速求解，而问题设计时逆向应用CSP原则（如约束充分性）能降低难度。该方法适用于排课、数独等现实问题，强调利用约束引导而非盲目尝试的解决
2025-12-05 12:40:41
226
原创 《人工智能现代方法（第4版）》 第5章 对抗搜索和博弈 学习笔记
博弈论中的对抗性决策：从棋类游戏到现实策略 摘要：本文系统介绍了在零和博弈（如棋类游戏）中对抗性决策的核心算法。首先通过"算账思维"建立博弈树模型，详细讲解极小化极大算法如何通过逆向推理找到最安全的策略。针对计算复杂度问题，提出Alpha-Beta剪枝优化方法。对于复杂博弈，引入蒙特卡洛树搜索的模拟决策思路。进一步扩展至包含随机因素（如麻将）和部分可观测（如扑克）的博弈场景，分别介绍期望值计算和信念状态更新的处理方法。最后提供不同场景的算法选择指南，并强调从单人决策到对抗性思维的范式转换
2025-12-05 10:25:07
509
原创 《人工智能现代方法（第4版）》 第4章 复杂环境中的搜索 学习笔记
本文探讨了多种智能搜索算法及其应用场景。在局部搜索部分，分析了爬山法及其变体（随机爬山、首选爬山、随机重启）的优缺点；模拟退火算法借鉴物理退火过程，允许暂时"下坡"以跳出局部最优；群体智能算法（束搜索、进化算法）则利用多智能体协作提高搜索效率。针对连续空间问题，介绍了网格法、梯度上升和牛顿法。对于非确定性和部分可观测环境，提出了与或搜索树和信念状态搜索策略。最后对比了在线与离线搜索的特点，强调应根据具体问题特性选择合适的算法组合，没有放之四海而皆准的通用解决方案。
2025-12-04 15:32:51
473
原创 《人工智能现代方法（第4版）》 第3章 通过搜索进行问题求解 学习笔记
本文系统介绍了人工智能中的搜索算法。首先阐述了问题求解智能体的基本概念和四个阶段，重点说明了问题形式化的五个关键要素。然后详细分析了无信息搜索策略（广度优先、深度优先等）和有信息搜索策略（A算法等）的特点及适用场景，特别强调了A搜索在启发式函数可采纳性保证下的最优性。文章还探讨了启发式函数的设计方法，包括松弛法和子问题法等，并针对内存受限场景提出了改进算法。最后总结了不同搜索算法的选择策略，指出A*搜索结合优质启发式函数是最佳实践，同时需要根据实际问题特点进行算法选择。
2025-12-04 15:07:19
628
原创 《人工智能现代方法（第4版）》 第2章 智能体 学习笔记
摘要：智能体是通过传感器感知环境并通过执行器执行动作的系统，其理性决策基于性能度量期望值最大化。PEAS框架（性能、环境、执行器、传感器）是分析任务环境的核心工具。智能体分为四种类型：简单反射型（直接响应感知）、基于模型型（维护内部状态）、基于目标型（显式目标导向）和基于效用型（权衡多个目标）。学习型智能体通过反馈机制改进性能。环境属性（可观测性、动态性等）决定智能体设计策略，理性与全知的关键区别在于信息可用性。智能体程序实现感知-动作映射，其架构需匹配任务需求。
2025-12-02 09:40:28
919
原创 《人工智能现代方法（第4版）》 第1章 绪论 学习笔记
本文系统梳理了人工智能的核心概念与发展脉络。首先阐述了AI的四种定义方法，重点分析了理性智能体的概念及其与全知智能体的区别，指出理性决策基于可用信息而非完美知识。其次，回顾了AI的历史发展，从1956年达特茅斯会议到现代技术演进。第三，详细介绍了支撑AI的七大基础学科及其贡献，包括数学、经济学、心理学等。最后探讨了现代AI面临的挑战，如价值对齐、伦理问题等发展趋势。全文以理性行为视角为核心，强调跨学科融合对AI发展的重要性，为理解人工智能提供了系统框架。
2025-12-01 16:40:41
1196
原创 【理论篇】数据挖掘 第六章 挖掘频繁模式、关联和相关性：基本概念和方法（上）
频繁项集挖掘的一个典型例子是购物篮分析。该过程通过发现顾客放入他们“购物篮” 中的商品之间的关联，分析顾客的购物习惯(见图)。这种关联的发现可以帮助零售商 了解哪些离品频繁地被顾客同时购买，从而帮助他们制定更好的营销策略。例如，如果顾客 在一次超市购物时购买了牛奶，他们有多大可能也同时购买面包（以及何种面包）?这种信息可以帮助零售商做选择性销售和安排货架空间，导致增加销售量。
2024-09-16 10:17:53
1734
原创 【理论篇】数据挖掘 第五章 数据立方体技术
数据立方体技术是在数据仓库系统中广泛应用的一种技术，它通过多维数据模型对汇总数据进行存储和访问。数据立方体，作为一种高效的数据组织方式，允许用户在不同粒度和维度上灵活地进行数据分析。在OLAP（联机分析处理）环境中，数据立方体尤其重要，因为它们提供了强大的数据交互分析功能。个人理解，所谓的立方体最多只有三维，在开始学习数据立方体的时候不要去想三维以上的立方体如何表示。
2024-09-15 15:51:01
1265
原创 【理论篇】数据挖掘 第四章 数据仓库与联机分析处理
数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理者的决策过程”。面向主题的(subject-oriented):数据仓库围绕一些重要主题，如顾客、供应商、产品和销售组织；集成的(integrated):通常，构造数据仓库是将多个异构数据源，如关系数据库、一般文件和联机事务处理记录集成在一起；时变的(time-variant):数据存储从历史的角度(例如，过去5～10年)提供信息。数据仓库中的关键结构都隐式或显式地包含时间元索；非易失的(nonvolatile)
2024-08-04 11:34:11
2041
原创 【算法篇】关联性分析 FP-Growth算法
FP-Growth（Frequent Pattern Growth，频繁模式增长）算法是一种高效的数据挖掘算法，主要用于解决频繁项集挖掘和关联规则发现的问题。与传统的Apriori算法相比，FP-Growth算法通过构建一种称为FP-Tree（频繁模式树）的数据结构，极大地减少了搜索空间，提高了挖掘效率。FP-Growth算法不仅适用于处理大规模数据集，还能有效应对数据稀疏性问题，因此在电子商务、社交网络分析、金融风控等多个领域有着广泛的应用。FP-Growth算法Apriori算法提出时间。
2024-08-04 10:47:47
3006
原创 【理论篇】数据挖掘 第三章 数据预处理
提升数据质量，确保数据满足应用要求。数据如果能满足其应用要求，那么它是高质量的。数据质量涉及许多因素，包括准确性、完整性、一致性、时效性、可信性和可解释性。
2024-07-14 17:36:12
2028
原创 【理论篇】数据挖掘 第二章 认识数据
带着问题看文章：1、数据由什么类型的属性或字段组成？2、每个属性具有何种类型的数据值?3、哪些属性是离散的，哪些是连续值的?4、什么方法可以可视化地观察数据，以便更好地理解它吗?5、可以度量某些数据对象与其他数据对象之间的相似性吗?
2024-07-14 15:27:33
566
原创 【理论篇】数据挖掘 第一章 引论
数据挖掘是从大量数据中挖掘有趣模式和知识的过程。模式又是什么？模式通常指的是数据中的一种规律、趋势或特征，可以是单一的特征、属性，也可以是多个特征之间的关系或组合。也可以简单的理解为规律或关联性。知识发现的过程有以下几个步骤：1、数据清理(消除噪声和删除不一致数据)；2、数据集成(多种数据源可以组合在一起)；3、数据选择(从数据库中提取与分析任务相关的数据)；4、数据变换(通过汇总或聚集操作，把数据变换和统一成适合挖掘的形式)；5、数据挖掘(基本步骤，使用智能方法提取数据模式)；
2024-07-07 10:44:43
590
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人