24-25-1-人工智能原理-期末

人工智能是一门研究如何在机器上实现人类智能的学科，或人工智能是研究开发模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）并延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。

包括但不限于以下例子：

• 在人工智能领域，谷歌 AlphaGo 以 4:1 的成绩击败世界围棋冠军李世石；
• 在人工智能与无人驾驶领域，Uber 在美国匹兹堡市推出城区大范围无人驾驶出租车免费载客服务并试运行；

知识图谱中的节点表示概念和实体，概念是抽象出来的事物，实体是具体的事物；知识图谱中，用边来表示事物的关系和属性，事物的内部特征用属性来表示，外部联系用关系来表示。很多时候，人们简化了对知识图谱的描述，将实体和概念统称为实体，将关系和属性统称为关系，这样就可以说知识图谱就是描述实体以及实体之间的关系。实体可以是人、地方、组织机构、概念等等，关系的种类更多，可以是人与人之间的关系，人与组织之间的关系，概念与某个物体之间的关系等等。属性例如国籍、生日等。

过拟合就是过分拟合了训练数据，使得模型的复杂度提高，泛化能力较差（对未知数据的预测能力）。

对于线性回归或逻辑回归的损失函数构成的模型，可能会有些权重很大，有些权重很小，导致过拟合，过拟合是指训练误差比较小，而测试误差大得多的情况。过拟合问题往往源自过多的特征，模型过于复杂，参数过多。

解决方法包括：

1. 减少特征数量。
2. 正则化：引入正则项惩罚模型复杂度。

卷积层具备了两个重要的性质：局部连接、权重共享。卷积层的作用是提取一个局部区域的特征，不同的卷积核完成了不同的特征提取。

池化层的作用是进行特征选择，降低特征数量，从而减少参数的数量。

1. 明考斯基距离：

其中 $i=\left(x_{i1},x_{i2},\cdots,x_{ip}\right)$, $j=\left(x_{j1},x_{j2},\cdots,x_{jp}\right)$ 是两个 $p$ 维空间中的两个点，$p,\,q$ 都是正整数。

2. 当 $q=1$ 时，曼哈顿距离：

3. 当 $q=2$ 时，欧几里得距离：

初始放置 S，最终放置 G

定义操作：

• fi1: 第 i 个棋子向左移动；
• fi2: 第 i 个棋子向右移动；
• fi3: 第 i 个棋子向上移动；
• fi4: 第 i 个棋子向下移动。

状态空间表达 (S,F,G)

框架名 <火箭发射>

时间：北京时间 2021 年 10 月 16 日 0 时 23 分

发射火箭：长征二号 F 遥十三运载火箭

搭载：神舟十三号载人飞船

分离时间：发射后 582 秒

飞行员：翟志刚、王亚平、叶光富

结果：成功

$P(Y=c_k \mid X) = \frac{P(Y=c_k)\prod_j P(X^{(j)} \mid Y=c_k)}{P(X)}$

$P(y=1 \mid x=(2,S)) \propto P(y=1) \cdot P(x^1=2 \mid y=1) \cdot P(x^2=S \mid y=1)$

$P(y=1)=\frac{11}{15}$

$P(x^1=2 \mid y=1)=\frac{4}{11}$

$P(x^2=S \mid y=1)=\frac{1}{11}$

$P(y=1, x=(2,S))=\frac{11}{15}\cdot\frac{4}{11}\cdot\frac{1}{11}=\frac{4}{165}$

$P(y=-1 \mid x=(2,S)) \propto P(y=-1) \cdot P(x^1=2 \mid y=-1) \cdot P(x^2=S \mid y=-1)$

$P(y=-1)=\frac{4}{15}$

$P(x^1=2 \mid y=-1)=\frac{1}{4}$

$P(x^2=S \mid y=-1)=\frac{3}{4}$

$P(y=-1, x=(2,S))=\frac{4}{15}\cdot\frac{1}{4}\cdot\frac{3}{4}=\frac{3}{60}=\frac{1}{20}$

因为 $\frac{1}{20} = \frac{8.25}{165} > \frac{4}{165}$， 所以 Y 的取值是 -1。