人工智能导论
第 2 章 人工智能数学基础
第 2 章
人工智能数学基础
一个人工智能问题怎么被写成数学题，写好之后又怎么把答案算出来。
1
第一节 从计算到智能
13 页
统一的数学语言，三个要素，一个闭环
01
章首
02
引言
03
本章路线
04
从计算到智能
05
两种范式
06
本节三部分
07
张量
08
三要素
09
数据
10
模型
11
目标
12
学习框架
13
本节小结
2
第二节 回归与分类建模
8 页
预测一个数，或者判断一个类别
14
回归与分类
15
本节四部分
16
回归的定义
17
回归的求解
18
分类的定义
19
二分类与多分类
20
分类的求解
21
本节小结
3
第三节 梯度下降法
9 页
看不见山脚，怎么走到最低处
22
优化理论
23
本节三部分
24
解析解的局限
25
梯度下降
26
参数更新
27
停止与步长
28
分批处理
29
全批量与小批量
30
噪声的好处
4
第四节 非凸优化与现代优化算法
13 页
坡度为零的地方未必是谷底
31
非凸优化
32
极小值与鞍点
33
二阶信息
34
特征值判别
35
逃离鞍点
36
现代优化算法
37
随机梯度下降
38
动量法
39
自适应学习率
40
三者对比
41
结构设计
42
本节小结
43
本节习题
5
第五节 泛化与约束优化
9 页
在做过的题上准不算本事
44
泛化与约束
45
本节三部分
46
欠拟合与过拟合
47
四种办法
48
L1 正则化
49
L2 正则化
50
本节小结
51
本节习题
52
课后交流
保山学院
·
人工智能教研室
·
曹鼎鼎