人工智能学习心得
人工智能学习心得
我眼中的人工智能
人，没有熊一样的力量，却能把熊关进笼子，这笼子的钥匙，叫智慧。
人类一直在思考如何让自然界的其它事物为自己所用，而不是只想着如何获取食物来填饱肚子，人类之所以会凌驾于食物链顶端，就在于对于资源的使用。为了减轻胃的消化负担，人类开始学会使用火，让蛋白质在进入胃之前就变质而变得更好消化易于吸收。经历了漫长的手工制造业历程，为了提高生产效率，也为了减轻工人手工劳作的负担，人们开始了工业革命，无数的机器流水线取代了效率低下的廉价劳动力，也正是从此刻起，人类使用资源的能力有了质的发展，由使用已有资源，到创造新的资源。第一台计算机应运而生，人类开启了无限创造的时代。时至今日，计算机技术几乎延伸到了生活的每个领域，甚至成了人们的生活必需品。计算机能帮助人们完成人类不可能完成的计算，但一直致力于创造的人们当然不会停止对计算机的要求。人们不光需要计算机做人类做不了的计算，还渐渐开始要求计算机做人类能做的事，这便催生了人工智能。人类就是这样一步步用自己的智慧让自己过上傻瓜一样的生活。
人工智能目前还没有在人们生活中普及，但是已经出现萌芽。最典型是的一些语音识别系统，如苹果公司的Siri可能是目前人们接触最多的基于人工智能和云计算技术的产品，相信这种人机交互系统的雏形经过时间的磨练会在未来形成一套完善的从界面到内核的智能体系。在社会生活方面，与数字图像处理技术紧密结合的人工智能已经开始应用于摄像头的图像捕捉和识别，而模式识别技术的发展则使得人工智能在更广阔的领域得以实现成为了可能。一些大公司在人工智能领域的投入和研究对于推动人工智能的发展起到了很大的作用，最值得一提的就是谷歌。谷歌的免费搜索表面上是为了方便人们的查询，但这款搜索引擎推出的初衷，就是为了帮助人工智能的深度学习，通过上亿的用户一次又一次地查询，来锻炼人工智能的学习能力，由于我的水平还很低，对于深度学习还不敢妄自拽测。但是，近年来谷歌公司在人工智能方面的突破一项接着一项，为人们熟知的便是智能汽车。不得不说，人工智能想要进一步发展，必须依靠这些大公司的研究和不断推广，由经济促创新。
纵览时间长河，很多新生的技术在一开始都是举步维艰的，人工智能也不例外，但幸运的是，人们接受和学会使用新技术所需要的时间越来越短，对于人工智能产品的投入市场是有益的。因此，在我看来，将已开发出来但还需完善的人工智能产品投放市场，使其进入人们的生活只是时间的问题，但要想真正掌握人工智能，开发出完全符合研发人想法的智能产品还需各方面的努力。至于现在讨论热烈的“人工智能统治人类”的问题，我的看法是，人工智能的开发和应用是需要监管的，但并不能阻止人工智能即将影响世界的趋势。
由于我对于人工智能的理解还只是皮毛，对于文中出现的纰漏和错误还希望老师指正！第二篇、对人工智能学习的感想
人工智能学习心得
学校：苏州科技学院
学院：电子信息工程班级：电科0812班
姓名：钟建峰学号：08xx8224
谈谈人工智能的学习感想
人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能技术导论这门课的学习，让我知道了人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。
人工智能经过几十年的发展，其应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找，知道了以下领域的人工智能的发展。
1．机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车xx”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。
机器翻译：
1.一句一句处理，上下文缺乏联系；
2.对源语言的分析只是求解句法关系，完全不是意义上的理解；
3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；
4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；
5.翻译只是句法结构的和词汇的机械对应。
人工翻译：
1.一般会先通读全文，会前后照应；
2.对源语言是求得意义上的理解；
3.只有专业翻译人员，而没有万能翻译人员；
4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；
5.翻译是一个再创造的过程。
在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软件。如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成。这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。
机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。随着因特网的普及与发展，机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人。国际上有关专家分析认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历xx年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判断”的情况下，机器翻译要想达到100%的准确率是不可能的。
2．专家系统
专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。
为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。
开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。
3．符号计算
计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;。另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。。长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。。早在50年代末,人们就开始对此研究。。进入80年代后,随着计算机的普及和人工智能的发展,相继出现了多
种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。。Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形式的数学处理。
计算机代数系统的优越性主要在于它能够进行大规模的代数运算。。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后,手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好,命令输入方便灵活,很容易寻求帮助。
尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令，有一定的局限性。首先,多数计算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的内存和较长的计算时间,而精确的代数运算以时间和空间为代价的。第二个问题是用计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran语言算同样的问题慢百倍甚至千倍。另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域未能被计算机代数系统涉及。计算机代数系统仍在不断地发展、完善之中。
如今，人工智能研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。
人工智能的学习，让我明白了人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。将来我们会对人工智有能更高层次的需求，人工智能也会继续影响我们的工作、学习和生活，我们也要支持人工智能的发展！第三篇、人工智能总结(精华版)
人工智能学习心得
行的起点，称为程序的目标。PROLOG就是一种基于Horn子句的逻辑程序。PROLOG程序的运行是从目标出发，并不断进行匹配、合一、归结，有时还要回溯，直到目标别完全满足或不能满足时为止。PROLOG程序的执行过程是一个(归结)演绎推理过程。其特点是：推理方式为反向推理,控制策略是深度优先,且有回溯机制。3、简述用Ax算法求解问题时为什么会出现重复扩展节点问题，解决的方法有哪些？答：当问题有解时，Ax算法总是找到问题的最优解结束。如果h函数定义的不合理，则当扩展一个节点时，不一定就找到了从初始节点到该节点的最优路径，对于这样的节点，就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h，则一定不会出现重复扩展节点问题。二是对Ax算法加以改进，使用修正的Ax算法进行搜索，这样，随着经验的丰富，系统的性能自然就会不断改善和提高。24、机器学习的三个要素：信息，发展和知识。对应于机器学习的对象、方法和目标。25、基于学习策略的分类：符号学习和神经网络学习。26、决策树：也称判断树，它由对象的若干属性、属性值和有关决策组成的一棵树。其中的节点为属性，分支为属性值，从同一节点出发的各个分支之间是逻辑或关系，根节点为对象的一个属性；从根节点出发到每一个叶子节点的所有节点和边，按顺序串联成一条分支路径，位于同一分支路径上的各个属性-值对之间是逻辑与关系，叶子节点是这个与关系的对应结果，即决策。27、决策树学习首先要有一个实例集，基本方法和步骤：（1）选取一个属性，按这个属性的不同取值对实例集进行分类；并以该属性作为根节点，以这个属性的诸取值作为根节点的分支，进行画树；（2）考察所得的每一个子类，看其中的实例的结论是否完全相同。如果相同，则以这个相同的结论作为相应分支路径末端的叶子节点；否则，选取一个非父节点的属性，按这个属性的不同取值对孩子集进行分类，并以该属性作为节点，以这个属性的诸取值作为节点的分支，继续进行画树。如此继续，直到所分的子集全都满足：实则可以减少重复扩展节点问题。4、简述回溯策略与深度优先策略的不同点。答：回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索，而回溯搜索则不是图搜索。在回溯搜索中，只保留了从初始节点到当前节点的搜索路径。而深度优先搜索，则保留了所有的已经搜索过的路
径。5、不确定性类型按性质分：随机性，模糊性，不完全性，不一致性6、在删除策略归结的过程中删除以下子句：含有纯文字的子句;含有永真式的子句;子句集中被别的子句类含的子句。7、图：指由节点和有向边组成的网络。按连接同一节点的各边的逻辑关系又可分为或图和与或图。8、合一算法：求非空有限具有相同谓词名的原子公式集的最一般合一（MGU）。9、人工智能的远期目标是制造智能机器，近期目标是实现机器智能。10、什么是产生式？产生式规则的语义是什么？产生式规则基本形式：P→或者IFPTHENP是产生式的前提（前件），用于指出该产生式是否可用的条件是一组结论或操作（后件），用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作产生式规则的语义：如果前提P被满足，则可推出结论或执行所规定的操作11、谓词公式G通过８个步骤所得的子句集合S，称为G的子句集。请写出这些步骤：1）消去蕴含式和等价式→，->;；2）缩小否定词的作用范围，直到其作用于原子公式:；3）适当改名，使量词间不含同名指导变元和约束变元。；4.）消去存在量词（形成Skolem标准型）；5）消去所有全称量词；6)化成合取范式；7).适当改名，使子句间无同名变元；8).消去合取词∧，用逗号代替，以子句为元素组成一个集合S12、人工智能的基本技术包括搜索技术推理技术知识表示和知识库技术、归纳技术、联、想技术13、产生式系统有三部分组成综合数据库，知识库和推理机。其中推理可分为正向推理和反向推理。14、在归结原理中，几种常见的归结策略并且具有完备性的是删除策略支持集策略线性归结策略、输入归结策略、单元归结策略15、归结法中，可以通过修改证明树的方法得到问题的解答16、开发专家系统所要解决的基本问题有三个，那就是知识的获取、知识的表示和知识的运用，在语义网络表示知识时，所使用的推理方法有AKO和ISA。17、α－β剪枝的条件是：α剪枝：若任一极小值层节点的β值小于或等于它任一先辈极大值节点的α值，即α（先辈层）≥β（后继层），则可中止该极小值层中这个MIN节点以下的搜索过程。这个MIN节点最终的倒推值就确定为这个β值。β剪枝：若任一极大值层节点的α值大于或等于它任一先辈极小值层节点的β值，即α（后继层）≥β（先辈层），则可以中止该极大值层中这个MAX节点以下的搜索过程。这个MAX节点的最终倒推值就确定为这个α值。18、知识表示的方法主要有逻辑表示法（谓词表示法）框架产生式和
语义网络，类和对象，模糊集合，因果网络，脚本，过程等19、知识的分类：（1）就形式而言：显示和隐式。显示知识是指可用语言文字符号形象声音及其他人能直接识别和处理的形式，明确的在其载体上表示出来的知识。隐式知识只可用神经网络存储和表示（2）就严密性和可靠性而言：理论知识和经验知识（3）就确定性而言：确定性知识和不确定知识（4）就确切性而言：确切描述的知识和非确切描述的知识。20、知识表示是指面向计算机的知识描述或表达形式和方法。具体的讲就是要用某种约定的形式结构来描述知识，而且这种形式结构还要能够转换为机器的内部形式，使的计算机能方便的存储、处理和应用。------知识表示是建立专家系统级各种知识系统的重要环节，也是知识工程的一个重要方面。21、基于谓词逻辑的推理主要是演绎方式的推理；基于框架、语义网络和对象知识表示的推理是一种称为继承的推理。22、机器学习：主要指机器对自身行为的修正或性能的改善和机器对客观规律的发现。（让计算机模拟人的学习行为，或者说让计算机也具有学习的能力）23、机器学习的流程：（1）对于输入的信息，系统根据目标和经验做出决策予以响应，即执行相应的动作；（2）对目标的实现或任务的完成情况进行评估；（3）将本次的输入、响应和评价作为经验予以存储记录。可以看出，第一次决策时系统中还无任何经验，但从第二此决策开始，经验便开始积累。例结论完全相同，而得到所有的叶子节点为止。这样一棵决策树就被生成。28、神经网络分为四大类：分层前向网络、反馈前向网络、互联前向网络、广泛互联网络。29、网络学习一般是利用一组称为样本的数据，作为网络的输入（和输出），网络按照一定的规则自动调节神经元之间的连接强度或拓扑结构，当网络的实际输出满足期望的要求，或者趋于稳定是，则认为学习成功。30、神经网络学习的规则是权值修正规则：相关规则和误差修正规则。31、神经网络学习方法分类：（外部影响）有导师学习，强化学习，无导师学习；（内部变化）权值修正，拓扑变化，权值与拓扑修正；（算法性质）确定性学习，随机性学习；（输入要求）基于相似性学习，基于命令学习。32、专家系统：应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，像专家一样解决困难、复杂的实际问题的计算机（软件）系统。33、专家系统的基本要素：专家拥有丰富的专业知识和实践经验或者说拥有丰富的理论知识和经验知识，特别人工智能学习心得
是经验知识。34、专家系统与一般的软件系统开发无异，其开发过程同样要遵循软件工程的步骤和原则，即也要进行系统分析、系统设计等几个阶段的工作。但由于它是专家系统，而不是一般的软件系统，所以，又有其独特的地方，主要包括以下几个步骤：系统总体分析与设计；知识获取；知识表示与知识描述语言设计；知识库设计、知识库管理系统设计；推理机与解释模块设计；总控与界面设计；编程与调试；测试与评价；运行与维护。可以看出它有如下特点：知识获取和知识表示设计是一切工作的起点；知识表示与知识描述语言确定后，其他设计可同时进行；35、对涉及人工智能的一些问题的认识：首先人工智能把人脑更有效的扩大和延伸是人类智能扩大的延伸，人工智能的应用十分广泛：机器翻译、智能控制、模式识别、机器博弈等，运用智能技术解决很多的实际问题从而使现有的计算机更有效更灵活成为人类智能化信息处理的工具。人工智能用计算机模拟人的思维活动包含理解能力、学习能力、推理能力，主要是脑功能的结构模拟和功能模拟。然而人类不能赋予机器同等的情感，无法确保责任问题，此外生物物种灭绝新型细菌的出现，人类的未来难以预料37、能解节点定义如下：①（终节点）是能解节点；②若非终节点有（或）子节点时，当且仅当其子节点至少有一能解，该非终节点才能解；③若非终节点有（与）子节点时，当且仅当其子节点均能解，该非终节点才能解。18、局部图的耗散值定义如下：①若n是局部图的一个叶节点，则k（n，N）=（h(n)），其中（h(n)）表示节点n到目标节点集的最佳解图耗散值的估计；②若n由一个外向连接符指向后继节点{n1，…，ni}，并设该连接符的耗散值为Cn，则k（n，N）=（Cn+k（n1，N）+…+k（ni，N））。19、耗散值最小的解图称为（最佳）解图20、AOx算法是一种用于对（与或图）进行搜索的启发式搜索算法，该算法对目前找到的局部图进行评价，选择（耗散值最小）的局部图进行优先搜索，直到找到一个解图为止。当启发函数h满足（单调）条件时，在问题有解的情况下，AOx算法一定能找到最佳解图结束。21、所谓“图灵实验”，是为了判断一台机器是否具备智能的实验。实验由三个封闭的房间组成，分别放置主持人、参与人和机器。主持人向参与人和机器提问，通过提问的结果来判断谁是人，谁是机器。如果主持人无法判断谁是人，谁是机器，则这台机器具备智能，即所谓的“智能机器”。22/深度优先方法的特点是什么？属于图搜索；是一个
通用的搜索方法；如果深度限制不合适，有可能找不到问题的解；不能保证找到最优解。23/什么是置换？置换是可交换的吗？通常用有序对的集合s＝{t1/v1，t2/v2，?，tn/vn第四篇、对人工智能学习的感想
人工智能学习心得
学校：苏州科技学院学院：电子信息工程班级：电科0812班姓名：钟建峰学号：08xx8224谈谈人工智能的学习感想人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能技术导论这门课的学习，让我知道了人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。人工智能经过几十年的发展，其应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找，知道了以下领域的人工智能的发展。1．机器翻译机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车xx”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评
价说“满篇英文难不住，满篇中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。机器翻译：1.一句一句处理，上下文缺乏联系；2.对源语言的分析只是求解句法关系，完全不是意义上的理解；3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；5.翻译只是句法结构的和词汇的机械对应。第五篇、智能控制学习心得
人工智能学习心得
201x级硕士期末论文
《智能控制学习心得》
课程智能控制
姓名xxxxxxx
学号专业
201x年x月xx日
智能控制学习心得
这学期在老师的带领下，学习了智能控制课程。其中深入学习了启发式学习，专家系统，模糊控制，神经网络等内容。老师的教学方式很开放，打破了原来单纯老师讲学生听的旧传统，要求大家通过自己做课件，提高学习的自主性，对智能控制能够有更深入的了解。
当然自己做的课件也有不明白，讲不懂的地方，老师用他渊博的知识给我们把细节进行深入讲解，大家学得津津有味，对课程内容的，理解也更加深刻。通过智能控制的学习，不单单学习了新的内容，对以前的知识也做到了查漏补缺，老师深入讲解了PID控制和为什么系统要研究动态稳定性等问题，还举了通俗易懂的例子，介绍了系统辨识与自适应是怎么一会儿事。
由于我当时的作业做的事模糊控制相关的内容，所以这次心得主要介绍模糊控制的内容。
1.1模糊控制介绍
模糊控制是以模糊数学理论，及模糊集合论、模糊语言变量及模糊逻辑推理等作为理论基础，以传感器技术、计算机技术和自动控制理论作为技术基础的一种新型自动控制理论和控制方法。模糊控制是控制理论发展的高级阶段的产物，属智能控制的范畴，而且也是人工智能控制的一种新类型。
模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略抑郁接受与理解，设计简单，便于应用。基于模糊原理的模糊系统具有万能逼近的特点。
相比于常规控制办法，模糊控制有以下几点优势：
（1）模糊控制是在操作人员经验控制基础上实现对系统的控制，无需建立精确的数学模型，是解决不确定系统的有效途径之一；
（2）模糊控制具有很强的鲁棒性，被控对象参数的变化对模糊控制的影响不大，可用于非线性、时变、时滞的系统，并能获得很好的控制效果；
（3）由离散计算得到的控制查询表，提高了控制系统的实时性、快速性；
（4）控制机理符合人们对过程控制作用的直观描述和思维逻辑，是人工智能的
再现，属于智能控制范畴。
1.2模糊控制理论的发展趋势人工智能学习心得
自1965年L.A.Zadeh提出模糊控制集合论以来，模糊控制无论在理论和应用方面都有很大的发展，而且正在迅速完善和发展。根据其发展过程，可以将其归纳成三个阶段。
1.2.1基本模糊控制
基本模糊控制的核心是基本模糊控制器，它是一种最简单最基本的模糊控制器，能够完成许多生产过程的控制。基本控制器的控制规则建立在总结操作者对被控过程进行的手动控制策略基础上，或归纳设计者对被控过程认识的模糊信息基础上，是按一定语言规则进行控制的。基本模糊控制适用于控制那些具有高度非线性，或参数随工作点变动较大，或交叉耦合严重，或环境因素干扰强烈的被控过程，而不适用与获得精确数学模型和数学模型不确定或多变的一类被控过程。基本模糊控制器的优点可归纳为：
（1）设计出的模糊控制器模拟操作人员的操作经验，控制规则不受任何约束，可以完全是不可解析的，便于同有实践经验的操作者一起讨论修改，可以定性地采纳好的控制思想；
（2）应用计算机实现模糊控制，便于采用自然语言对被控过程的运行施加影响；
（3）这种控制规则具有较大的通用性，通过较小的修改与组合就可适用于不同的被控过程；
（4）对系统内部参数的变化具有较强的适用性。
至今，在农业工程、环保工程、纺织工程、机电工程乃至生物工程、医学以及管理科学等领域得到了广泛应用。
1.2.2自调整，自组织，自适应模糊控制
上面论述了基本模糊控制器的许多优点，而且至今基本模糊控制器仍在广泛应用。但是在一些复杂的过程控制中，有时很难精确地确定、完整地总结出控制策略。由于被控过程的非线性、高阶次、时变性以及随机干扰等因素，基本模糊控制将模糊控制规则表现的有些粗糙或者不够完善，这都会不同程度地影响控制
效果。即使控制策略比较完善，若总是按一套固定不变的策略进行控制，其效果也不甚理想。为了弥补基本模糊控制的这些不足，模糊控制器要向自调整、自组织、自适应和自学习的方向发展。
自调整、自组织、自适应模糊控制的基本特点为：
（1）无须知道被控对象的数学模型，控制算法不固定，可以通过在线修改控制规则或改变某几个参数而产生变化；
（2）能直接利用模糊控制规则；
（3）模糊控制器的适应性不局限于某一对象，可通过自组织适应不同的对象；
（4）可以生产具有通用性、仪表化的模糊控制器。
1.2.3人工智能模糊控制
基本模糊控制器无法适应实时的大过程，自适应模糊控制器虽然能部分解决时变问题，但其适应性往往是有限的，往往允许调整的范围也不是很大。因此，寻求新的模糊控制方法，真正实现智能控制，使系统具有非常高度的智能是大势所趋，势在必行。
当代模糊控制的发展趋势主要可归纳为以下几个方面：
（1）硬件——模糊逻辑芯片和模糊计算机的研制
（2）高度智能化模糊控制理论与应用研究
模糊逻辑、专家系统、神经网络、混沌这些当代智能技术的新四步正在相互渗透、紧密结合，将是促使高度智能化模糊控制研究的关键。
1.3研究对象
模糊控制研究的对象一般具有三方面的特点：
（1）对象模型不确定，包括两层意思，一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化；
（2）具有非线性特性；
（3）对象具有复杂的任务和要求。
1.4模糊控制系统结构
迷糊控制系统是一种经过改造后的自动控制系统，而且还是一种智能自动控制系统。它以模糊数学、模糊语言形式的知识表示和模糊辑推理为理论基础，是采用计算机控制技术构成的一种具有反馈通道的、闭环结构的数字控制系统。它的组成核心是具有智能功能的模糊控制器，这也是它与传统自动控制系统的根本区别之处。模糊控制系统是一个集合体，它通常由被控对象、传感器系统（或称测量装置）、控制器和执行机构等环节组成，如图1-1所示。
[4]
图1-1模糊控制系统结构框图
模糊控制器也称模糊逻辑控制器。由于采用的模糊控制规则是由模糊集合论中模糊条件语句来描述的，因此，模糊控制器也是一种语言型控制器，故也称为模糊语言控制器。一般的模糊控制器基本机构如图1-2所示。
图1-2一般模糊控制器的基本结构
其中各环节的主要功能如下：
（1）模糊化：这部分的功能是将输入的精确量转化为模糊量（其中输入量包括外界的参考输入、系统的输出或状态等），并将输入量进行处理，使其变成模糊控制器要求的输入量，接着进行尺度变换，使其变换到各次的论域范围，并进行模糊化处理，是原先精确的输入量变成模糊量，用相应的模糊集合表示。（注意：有时把模糊化部分作为模糊控制器的外部部分。）根据图1-2所示要求，若参考输入量为r，系统输出量为y，则计算e=r-y和e=de/dt
分别为控制器输入的第六篇、对《人工智能》专业选修课教学的几点体会
人工智能学习心得
龙源期刊网.cn
对《人工智能》专业选修课教学的几点体会作者：高志峰林金星朱松豪
来源：《学周刊·A》xx年第09期
摘要：“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，提高《人工智能》专业选修课的教学效果，我们结合近几年的实际教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。
关键词：人工智能优选教材考核方式内容手段实践
人工智能（AritificialIntelligence，英文缩写为AI）是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科，是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。它是研究智能机器所执行的通常与人类智能有关的职能行为，如推理、证明、感知、规划和问题求解等思维活动，来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐，与时俱进，有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科，必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止，全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自xx年成立至今，一直将“人工智能”列为自动化专业本科生的选修课程，到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校，因此，学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下，南邮人经过多年的努力工作，在人工智能科研方面取得了丰硕的成果，如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统，为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。
一、优选教材
目前，国内有关人工智能课程的中英版教材种类非常多，遵循实用、简单、够用的原则，再经过授课老师和学生们的共同调研，我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面，包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写，内容基础，难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域，做到了内容新颖、简单易懂、兼顾基础和应用，受到了全国广大师生们的一致好评，多年的教学实践证明我们所选择的教材是恰当的、正确的。第七篇、《人工智能》学习报告
人工智能学习心得
《人工智能》学习报告
深圳大学机电与控制工程学院彭建柳
学号：0943010210
1.引言
人工智能(ArtificialIntelligence，AI)，曾经有一部电影，著名导演斯蒂文•斯皮尔伯格的科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。
一直以来，关于人工智能的理论，我一直认为是科学的前沿，理解起来较为飘渺。但是，从本学期《人工智能》课程的学习中，本人较系统的接触到了关于人工智能的理论，从有限的课程中，通过老师的详细介绍和查阅人工智能方面的书籍，学习了关于人工智能几个主要方面的知识，如模糊控制、专家系统、神经网络等。下面是本人关于人工智能理论的一些基本认识。
2.人工智能的形成与发展
说到人工智能，首先先认识下自动控制理论，自动控制理论从形成到发展至今，已经经历了六十多年的历程，其主要分为三个阶段：
第一阶段是40年代兴起的以调节原理为标志，称为经典控制理论阶段；
第二阶段是以60年代兴起的以状态空间为标志，称为现代控制理论阶段；
第三阶段是80年代兴起的智能控制理论阶段
智能控制是在控制论人工智能系统论和信息论等多学科的高度综合与集成，是一门新兴的交叉前沿学科。智能控制技术，即是在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任
务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。
随着人工智能和计算机技术的发展，已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支(如系统工程、系统学、运筹学、信息论)结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段，也是用计算机模拟人类智能进行控制的研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。xx年，在美国首次召开了智能控制学术讨论会。xx年又在美国召开了智能控制的首届国际学术会议，标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。
3.模糊控制
在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。通过课堂中，导师生动的讲解，以及引用到生活当中鲜活的例子，如冰箱温度的模糊控制，智能汽车的行驶路线控制等等，充分的认识到，模糊控制在当今社会的应用已经很广泛，只是理论知识的缺乏而感觉不到它们的存在。人工智能学习心得
一般控制架构包括：定义变量、模糊化、知识库、逻辑判断及反模糊化，详细如下：
(1)定义变量：也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差之变化率CE，而控制变量
则为下一个状态之输入U。其中E、CE、U统称为模糊变量。
(2)模糊化（fuzzify）：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（linguisitcvalue）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzysubsets）。
(3)知识库：包括数据库（database）与规则库（rulebase）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。
(4)逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。
(5)解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。
模糊控制很重要的一点就是模糊规则的制定，其规则制定的来源主要由专家的经验和知识、操作员的操作模式、自学习提供。模糊规则的形式则分为状态评估和目标评估两种。但都是以模糊控制为基础，达到自动控制的目的。
4.专家系统
专家系统(expertsystem)是人工智能应用研究最活跃和最广泛的课题之
一。运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。
专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和
环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。
对专家系统可以按不同的方法分类。通常，可以按应用领域、知识表示方法、控制策略、任务类型等分类。如按任务类型来划分，常见的有解释型、预测型、诊断型、调试型、维护型、规划型、设计型、监督型、控制型、教育型等。人工智能学习心得
简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
5.神经网络
由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解。目前使用得最广泛的是T.Koholen的定义，即“神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”
人工神经网络是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。
6.小结
关于人工智能的学习，我现在所学习到的仅仅是皮毛。但对于一个刚刚接触人工智能学习的学生，了解如模糊控制、专家系统、神经网络等人工智能的知识入门尤为重要，为将来进一步学习人工智能的理论打下基础，并将理论应用于生活和工作当中，这才是学习的最终目的。
参考文献：
《人工智能控制》作者：蔡自兴，出版社：化学工业出版社，xx-7-1第八篇、人工智能及其应用课程总结
人工智能学习心得
《人工智能及其应用》课程总结
20世纪40年代，计算机的发明揭开了人类发展的新篇章，使得人类追寻已久的脑力劳动机械化问题获得了解决的方法和途径。计算机能够代替人类大脑进行复杂的计算，并且能够根据计算对某些问题做出判断，从某种程度上代替了人脑的部分功能。而随着计算机计算机技术的发展，20世纪50年代人工智能(AI)这一新的学科门类的诞生，对人类的发展和进步有着重大的意义。
人工智能是指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可用某种智能化的机器来予以人工的实现。诸如机器编译、机器诊断、机器推理以及各种专家系统。随着人工智能技术的发展，引起了众多学科和不同专业背景学者们的日益重视，并且发展出了若干个研究子学科，如计算机科学、哲学、生理学、社会学、生物学、信息学和计算机数学等，人工智能成为一门广泛的交叉和前沿学科。因此，《人工智能及其应用》课程的学习，对于计算机应用研究技术、机械技术以及本人的专业——农业机械工程的学习和科研工作中，具有十分重要的作用。《人工智能及其应用》课程所讲授的知识涵盖面广、内容较多，其中许多章节所设计的知识都可以单独作为一门课程学习。因此，通过本学期对《人工智能及其应用》课程的学习，我重点总结一下主要学习和掌握的几方面知识：
1．人工智能的研究与应用领域。在人工智能这门学科中，包含有多个研究领域，每个研究领域都有其特有的感兴趣的研究课题、研究技术和术语，它们包括：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。通过对这些研究领域的研究和应用介绍，我发现其中专家系统、机器学习、神经网络、模式识别、机器视觉和数据挖掘等方面的知识，是我所研究的专业领域和课题中，使用计算机软件进行数据处理和自动判别所需要的知识，对我课题的研究和完成将会有很大帮助。
2．知识表示与推理。本部分研究了传统人工智能的知识表示方法、搜索技术和知识推理。以符号和逻辑为基础的传统人工智能问题求解是通过知识表示和
知识推理来实现的。知识表示的方法有很多，包括图示法、公式法、结构化方法、陈述式表示、过程式表示、状态空间法和问题归约法等。表示问题是为了进一步求解问题，从问题表示到问题的解决有一个求解的过程，也就是搜索过程。因此，学习了图搜索策略和Ax算法的方法和步骤。学习了消解原理这一用于一定的子句公式的重要推理规则，包括消解推理规则、含有变量的消解式、消解反演求解过程等。并且学习了规则演绎系统和产生式系统。它们是解决比较复杂的系统和问题的较为先进的推理技术和系统求解方法，能够解决搜索推理方法难以解决的一些问题。
3．计算智能。包括人工神经网络计算、模糊计算、粗糙集理论、遗传算法、进化策略、进化编程、人工生命、粒群优化、蚁群算法、自然计算和免疫计算。其中每一部分都可以作为单独的一门课程和知识进行深入的学习和研究。其中，我结合课程内容，重点学习和研究了人工神经网络。人工神经网络是模拟生物神经元的特性而产生的，是基于生物神经元特性的互联模型制造的算法及机器。包括有以下几个重要特性：并行分布处理、非线性映射、通过训练进行学习、适应与集成、硬件实现性。在本部分学习了神经网络是由基本处理单元——神经元及其互联方法构成的。其网络基本结构分为两类：递归网络和前馈网络。人工神经网络的主要学习算法有：有师学习、无师学习和强化学习三种。具体学习了自适应谐振理论网络、学习矢量量化网络、Kohonen网络、Hopfield网络，并且学习了基于神经网络的知识表示方法和推理方法。通过这部分的学习，了解了神经网络的应用方法和应用领域，由于其学习和适应、自组织、函数逼近和大规模并行处理等能力，因而在模式识别、信号处理、系统辨识和优化等方面有着广泛的应用。
4．机器学习。机器学习是一门研究机器获取新知识和新技能，并实现现有知识的学问。在此部分，主要学习了机器学习的主要策略、系统的基本结构和各种机器学习算法，包括：机械学习、归纳学习、类比学习、解释学习、神经学习和知识发现。而其中的一些学习方法又与以前学习章节中的内容有所交叉，如神经学习和人工神经网络。介绍了各种学习方法的定义、结构、基本计算方法和流程等知识。机器学习广泛的应用于图像处理、模式识别、机器人动力学与控制、自动控制、自然语言理解、语音识别、信号处理和专家系统等领域。
通过对《人工智能及其应用》课程的学习，使我学习了人工智能的各种基本算法和思想，了解了各种方法的应用领域和适用范围。由于我的研究课题中，也需要对采集的数据进行处理和做出判断，因此必然涉及人工智能的相关知识。课程包含内容很多，涵盖的领域非常广泛，虽然学习深度有限，但是正是对人工智能知识的广泛了解，才能扩展我的研究思路，选定方向和研究算法，进行更深层次的研究。
内容仅供参考
本文来源：https://www.2haoxitong.net/k/doc/44b7aec8443610661ed9ad51f01dc281e43a562a.html
文档为doc格式