Pretend的博客

人工智能导论清览第1次作业1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。Answer:性能度量：翻译的正确率环境：电话线路传感器：麦克风执行器：音响环境属性：完全可观察的，单agent，确定的(无噪音条件下)，片段的，静态的，离散的。2.考虑一个医疗诊断系统的Agent，讨论该Agent最合适的种类(简单Agent，基于模型的Agent，基于目标的Agent和基于效用的Agent)并.

人工智能导论清览第2次作业1 . 请用真值表的方法证明下列语句是有效的，可满足的，还是不可满足的？2.考虑下列的一阶逻辑表达式：其中x,y,z,w,s,t是变量，a,b,c是常数。a)讲1,2,3式子转换为CNF形式b)从上述知识库(KB)中使用归结算法证明结论equal(c,a)Answer：3 .把下列表达式转换为CNF形式Answer：4.考虑从一副标准的52张纸牌（不含大小王）中分发每手5张牌的扑克牌域。假设发牌人是公平的。a)在联合概率分布中共有多少个原子事件（即.

人工智能导论清览第3次作业1 . 贝叶斯网络根据图所给出的贝叶斯网络，其中：P(A)=0.5，P(B|A)=1， P(B|¬A)=0.5， P(C|A)=1， P(C|¬A)=0.5，P(D|BC)=1，P(D|B, ¬C)=0.5，P(D|¬B,C)=0.5，P(D|¬B, ¬C)=0。试计算下列概率P(A|D)。Answer：2.概率推理设有如下推理规则 r1: IF E1 THEN (2, 0.00001) H1 r2: IF E2 THEN (100, 0.0001).

EduCoder平台：机器学习—朴素贝叶斯分类器第1关：条件概率第2关：贝叶斯公式第3关：朴素贝叶斯分类算法流程编程要求：根据提示，完成fit与predict函数，分别实现模型的训练与预测。（PS:在fit函数中需要将预测时需要的概率保存到self.label_prob和self.condition_prob这两个变量中）其中fit函数参数解释如下：feature：训练集数据，类型为ndarray；label：训练集标签，类型为ndarray；return：无返回。

EduCoder平台：人工智能之决策树算法本关的编程任务是补全右侧代码片段 build、predict、parse_data、calc_all_gain、calc_attr_gain、calc_bool_gain、get_targ 和 is_leaf 中 Begin 至 End 中间的代码，具体要求如下：在build中，创建一棵决策树，输入参数为根结点；在predict中，根据归纳好的决策树预测输入样例x的谓词 WillWait 状态（Yes 或者 No）；在_parse_data_中，

EduCoder平台：人脸识别系统——OpenCV人脸检测第1关：图片基本操作编程要求：请在右侧编辑器中的BEGIN-END之间编写代码，完成如下要求：导入openCV库（cv2）；读取路径 step1/image/girl.jpg下的图片（图片读取模式三种任选一种都可以）；将读取到的图片保存到路径 step1/out/girl-new.jpg下。代码如下：'''****************BEGIN****************'''# 导入OpenCV库impo

EduCoder平台：机器学习—EM算法第1关：极大似然估计第2关：实现EM算法的单次迭代过程编程要求：根据提示，在右侧编辑器补充 Begin-End 段中的代码，完成 em_single(priors, observations)函数。该函数需要完成的功能是模拟抛掷硬币实验并估计在一次迭代中，硬币 A 与硬币 B 正面朝上的概率。其中：init_values ：硬币 A 与硬币 B 正面朝上的概率的初始值，类型为 list ，如 [0.2, 0.7] 代表硬币 A 正面朝上的概率为 0.2，

EduCoder平台：人工智能导论第5章-对抗搜索第1关：AlphaBeta剪枝算法求解博弈树最优选择编程要求：本关的编程任务是补全右侧代码片段 buildTree 、minmax_with_alphabeta 、max_value 、min_value 、get_value 和 isTerminal 中 Begin 至 End 中间的代码，具体要求如下：在 buildTree 中，以递归的方式创建一棵博弈树，初始传入参数为博弈树的根结点 root ，以及解析后的列表与元组的组合数据 data_

EduCoder平台：人工智能导论第6章-约束满足问题第1关：使用回溯搜索算法解决八皇后问题回溯搜索算法：搜索与回溯是计算机解题中常用的算法，很多问题无法根据某种确定的计算法则来求解，可以利用搜索与回溯的技术求解。回溯是搜索算法中的一种控制策略。基本思想是：为了求得问题的解，先选择某一种可能情况向前探索，在探索过程中，一旦发现原来的选择是错误的，就退回一步重新选择，继续向前探索，如此反复进行，直至得到解或证明无解。编程要求：在右侧编辑器中完成void searchh(int i)函数，求出八皇

EduCoder平台：人工智能导论第4章-超越经典的搜索第1关：利用遗传算法求解 TSP（旅行商）问题遗传算法：一个后继状态由两个父状态决定，以k个随机产生的状态开始（population），一个状态表示成一个字符串。定义一个健康度量函数用来评价状态的好坏程度，通过选择，交叉，突变的操作产生下一轮状态。TSP问题：旅行商问题，即 TSP 问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他

EduCoder：人工智能导论第3章-通过搜索问题进行求解第1关：使用搜索算法实现罗马尼亚问题的求解A*搜索算法介绍：A*算法常用于 二维地图路径规划，算法所采用的启发式搜索可以利用实际问题所具备的启发式信息来指导搜索，从而减少搜索范围，控制搜索规模，降低实际问题的复杂度。算法原理：A*算法的原理是设计一个代价估计函数：其中 **评估函数F(n)**是从起始节点通过节点n的到达目标节点的最小代价路径的估计值，函数G(n)是从起始节点到n节点的已走过路径的实际代价，函数H(n)是从n节点到目标

EduCoder平台：深度学习初体验第1关：什么是神经网络第2关：反向传播第3关：动手实现CNN识别手写数字编程要求：填写 python 代码，在 Begin-End 段中构建出如下结构的卷积神经网络：64 个 5*5 的卷积核组成的卷积层，激活函数为 relu；最大池化层，池化核大小为 2*2；扁平；128 个神经元的全连接层，激活函数为 relu；10 个神经元的全连接层，激活函数为 softmax。测试说明：只需按要求构建模型即可，程序内部会使用你所构建的模型进行训练与

EduCoder平台：深度学习工具及实践第1关：TensorFlow简介第2关：TensorFlow基本编程模型编程要求：根据提示，实现矩阵相乘方法。其中：data:待喂入的数据w:常量：tf.constant([[5.,3.],[4.,2. ]])测试说明：程序会调用你实现的方法对数据进行计算，如：输入： [[1,1],[2,2]]输出：[[ 9. 5.] [18. 10.]]输入： [[1,1]]输出： [[9. 5.]]

EduCoder平台：人脸识别系统——Dlib人脸检测第1关：HOG特征描述方法编程要求：请在右侧编辑器中的BEGIN-END之间编写代码，完成如下要求：声明OpenCV中的HOG特征描述方法；调用该方法计算指定图片的HOG特征。代码如下：import cv2import numpy as np'''****************BEGIN****************'''img = cv2.imread("step1/image/girl1.jpg")

EduCoder平台：人脸识别系统——Dlib人脸识别第1关：dlib人脸检测的基本原理编程要求：请在右侧编辑器中的BEGIN-END之间编写代码，使用Dlib识别人脸并输出识别结果：计算已知图片所有人脸特征向量；计算待识别图片与已知图片特征向量间的欧氏距离；打印识别结果。代码如下：import osimport dlibimport globimport numpy as npimport cv2

EduCoder平台：人脸识别系统——Dlib人脸特征提取第1关：检测人脸特征点编程要求：请在右侧编辑器中的BEGIN-END之间编写代码，使用Dlib检测人脸特征点并打印：导入OpenCV和Dlib库；读取指定image_path图像；将图片转化为灰度图；使用正向人脸检测器检测并获取人脸；使用训练好的能检测68个人脸特征点的模型，检测特征点；打印出对应的特征点(打印函数已经默认写好，无需修改)。代码如下：import cv2import dlib#