We're sorry this project doesn't work properly without JavaScript enabled. Please enable it to continue.
欢迎来到在线教学平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
    • 首页 - 课程列表 - 课程详情
    返回
    人工智能原理与实践_中山大学
    课程类型：选修课
    发布时间：2024-11-26 17:08:19
    主讲教师：
    课程来源：
    建议学分：0.00分
    课程编码：mk005154
    课程介绍
    课程目录
    教师团队
    -循环神经网络
    [10.1.1]--4.1.1 循环神经网络基础-课堂实录.mp4 （14分钟）
    [10.1.2]--4.1.2 应用到机器学习-课堂实录.mp4 （21分钟）
    [10.2.1]--4.2 LSTM-课堂实录.mp4 （14分钟）
    [10.3.1]--4.3 扩展到图结构-课堂实录.mp4 （7分钟）
    -TRANSFORMER
    [11.1.1]--5.1.1 前情回顾-课堂实录.mp4 （14分钟）
    [11.1.2]--5.1.2 RNN及其简单注意力机制-课堂实录.mp4 （14分钟）
    [11.1.3]--5.1.3 RNN过渡到TRANSFOER-课堂实录.mp4 （17分钟）
    [11.2.1]--5.2 序列到序列的RNN模型-课堂实录.mp4 （28分钟）
    [11.3.1]--5.3 注意力机制-课堂实录.mp4 （18分钟）
    [11.4.1]--5.4-5 TRANSFORMER模型及应用-课堂实录.mp4 （16分钟）
    {12}--深度强化学习板块-多机器人集群控制
    [12.1.1]--多机器人集群.mp4 （14分钟）
    [12.2.1]--多智能体信息融合.mp4 （8分钟）
    [12.3.1]--多智能体协调的学习控制方法.mp4 （7分钟）
    [12.4.1]--13.1 无人机介绍.mp4 （24分钟）
    [12.4.2]--13.2 路径规划.mp4 （15分钟）
    [12.4.3]--13.3-4 机器人、机械臂.mp4 （5分钟）
    [12.4.4]--14.1-2 多智能体系统和信息融合证据理论简介.mp4 （15分钟）
    [12.4.5]--14.3-4 证据不确定性及其表示方法信任函数.mp4 （11分钟）
    [12.4.6]--14.5 似然函数.mp4 （14分钟）
    [12.4.7]--14.6 证据组合.mp4 （6分钟）
    [12.4.8]--14 多智能体信息融合（下）.mp4 （15分钟）
    -启发搜索与博弈搜索
    [14.1.1]--启发搜索-启发函数.mp4 （10分钟）
    [14.2.1]--启发搜索-A算法.mp4 （8分钟）
    [14.3.1]--博弈搜索-对抗游戏.mp4 （7分钟）
    [14.4.1]--博弈搜索-MINMAX算法.mp4 （12分钟）
    [14.5.1]--博弈搜索-alpha_beta算法.mp4 （6分钟）
    -约束满足
    [15.1.1]--约束满足-问题定义.mp4 （11分钟）
    [15.2.1]--约束满足-回溯搜索.mp4 （16分钟）
    [15.3.1]--约束满足-约束传播.mp4 （8分钟）
    [15.4.1]--约束满足-树结构.mp4 （14分钟）
    {16}--机器学习板块
    [16.1.1]--1.1.1 机器学习定义-课堂实录.mp4 （21分钟）
    [16.1.2]--1.1.2 机器学习的三要素-课堂实录.mp4 （9分钟）
    [16.1.3]--1.2 最大后验估计-课堂实录.mp4 （8分钟）
    {17}--机器学习板块-数学基础
    [17.1.1]--机器学习-高等代数.mp4 （9分钟）
    .mp4 （7分钟）
    .mp4 （6分钟）
    .mp4 （31分钟）
    [17.5.1]--机器学习-概率初步.mp4 （27分钟）
    [17.6.1]--机器学习-统计回归.mp4 （19分钟）
    [17.7.1]--机器学习-增量计算.mp4 （25分钟）
    {18}--知识推理板块
    [18.1.1]--知识表示-一阶谓词.mp4 （12分钟）
    [18.2.1]--知识表示-产生式.mp4 （12分钟）
    [18.3.1]--确定性推理-推理概念.mp4 （12分钟）
    [18.4.1]--确定性推理-自然演绎.mp4 （12分钟）
    [18.5.1]--不确定性推理-概率回顾I.mp4 （13分钟）
    [18.6.1]--不确定性推理-概率回顾II.mp4 （15分钟）
    [18.7.1]--不确定性推理-概率回顾III.mp4 （7分钟）
    [18.8.1]--不确定推理-贝叶斯网络I.mp4 （7分钟）
    [18.9.1]--不确定性推理-贝叶斯网络II.mp4 （3分钟）
    [18.10.1]--不确定性推理-贝叶斯网络III.mp4 （20分钟）
    [18.11.1]--不确定性推理-D-分离I.mp4 （25分钟）
    [18.12.1]--不确定性推理-D-分离II.mp4 （23分钟）
    [18.13.1]--不确定性推理-D-分离III.mp4 （14分钟）
    {19}--实践内容
    [19.1.1]--DQN程序-课堂实录.mp4 （7分钟）
    [19.2.1]--A3C程序-课堂实录.mp4 （7分钟）
    [19.3.1]--Pybullet安装.mp4 （7分钟）
    [19.4.1]--GYM.mp4 （7分钟）
    [19.5.1]--通用强化学习框架.mp4 （8分钟）
    [19.6.1]--裂缝检测实践.mp4 （13分钟）
    {1}--绪论
    [1.1.1]--绪论.mp4 （6分钟）
    {20}--论文报告
    [20.1.1]--IJCAI 2022-论文报告.mp4 （6分钟）
    [20.2.1]--NeurIPS 2020-论文报告.mp4 （7分钟）
    [20.3.1]--NeurIPS 2021-论文报告.mp4 （7分钟）
    [20.4.1]--ICML 2023-论文报告.mp4 （12分钟）
    [20.5.1]--NeurIPS 2022-论文报告.mp4 （6分钟）
    -基础知识
    [2.1.1]--强化学习的基本概念.mp4 （10分钟）
    [2.2.1]--马尔可夫决策问题模型.mp4 （10分钟）
    [2.3.1]--强化学习值函数（上）.mp4 （10分钟）
    [2.4.1]--强化学习值函数（下）.mp4 （14分钟）
    [2.5.1]--从值函数计算最优策略.mp4 （10分钟）
    [2.6.1]--6.1 强化学习的基本概念.mp4 （8分钟）
    [2.6.2]--6.2 马尔科夫决策问题模型.mp4 （11分钟）
    [2.6.3]--6.3 强化学习的简单值函数.mp4 （12分钟）
    [2.6.4]--6.4 从值函数计算最优策略（上）.mp4 （11分钟）
    [2.6.5]--6.4 从值函数计算最优策略（下）.mp4 （14分钟）
    -表格型求解法
    [3.1.1]--动态规划算法（上）.mp4 （14分钟）
    [3.2.1]--动态规划算法（下）.mp4 （15分钟）
    [3.3.1]--蒙特卡罗算法.mp4 （28分钟）
    [3.4.1]--时差分方法.mp4 （24分钟）
    [3.5.1]--Q-Learning算法.mp4 （22分钟）
    [3.6.1]--7.1 动态规划算法.mp4 （11分钟）
    [3.6.2]--7.1.3 策略改进定理.mp4 （12分钟）
    [3.6.3]--7.2.1 蒙特卡罗方法.mp4 （12分钟）
    [3.6.4]--7.2.2 蒙特卡罗算法.mp4 （9分钟）
    [3.6.5]--7.3 时序差分方法.mp4 （7分钟）
    -深度强化学习基础
    [4.1.1]--用深度神经网络简单逼近值函数.mp4 （13分钟）
    [4.2.1]--DQN(Deep Q Network).mp4 （7分钟）
    [4.3.1]--DQN(Deep Q Network)原理.mp4 （14分钟）
    [4.4.1]--策略梯度原理.mp4 （19分钟）
    [4.5.1]--策略梯度方法示例.mp4 （14分钟）
    [4.6.1]--DPG-确定性策略梯度算法.mp4 （7分钟）
    [4.7.1]--TRPO-置信域策略优化算法.mp4 （11分钟）
    [4.8.1]--PPO-近端策略优化算法.mp4 （7分钟）
    [4.9.1]--8.1 引言与简单用深度神经网络逼近值函数.mp4 （14分钟）
    [4.9.2]--8.2 简单版本的DQN(Deep Q Network).mp4 （8分钟）
    [4.9.3]--8.3 升级版本的DQN.mp4 （11分钟）
    [4.9.4]--9. 策略梯度.mp4 （12分钟）
    [4.9.5]--10.1 策略梯度思想.mp4 （5分钟）
    [4.9.6]--10.2 基于策略梯度的强化学习算法.mp4 （9分钟）
    [4.10.1]--12.0 策略梯度公式推导.mp4 （22分钟）
    [4.10.2]--12.1 复习详解策略梯度.mp4 （5分钟）
    [4.10.3]--12.2.1 执行者-评判者（Actor-Critic）算法.mp4 （10分钟）
    [4.10.4]--12.2.2 A3C算法思路简介.mp4 （27分钟）
    -多智能体强化学习
    [5.1.1]--多智能体强化学习基础.mp4 （14分钟）
    [5.2.1]--MADDPG-多智能体DDPG.mp4 （12分钟）
    [5.3.1]--QMIX-多智能体Q学习.mp4 （27分钟）
    [5.4.1]--15.1 多智能体强化学习.mp4 （20分钟）
    [5.4.2]--15.2 IQL方法.mp4 （15分钟）
    [5.4.3]--15.3 VDN算法.mp4 （8分钟）
    [5.4.4]--15.4 QMIX算法.mp4 （5分钟）
    [5.4.5]--15.5 QTRAN算法.mp4 （13分钟）
    -公开课
    [8.1.1]--人工神经网络（上）-公开课.mp4 （9分钟）
    [8.2.1]--多层全连接前馈神经网络（上）-公开课.mp4 （7分钟）
    [8.2.2]--多层全连接前馈神经网络（下）-公开课.mp4 （17分钟）
    -卷积神经网络
    [9.1.1]--3.1 卷积神经网络-课堂实录.mp4 （11分钟）
    [9.2.1]--3.1.1 参数学习-课堂实录.mp4 （10分钟）
    [9.3.1]--3.2-3.4 其它卷积种类-课堂实录.mp4 （12分钟）
    京ICP备20031688号 　|　 京公网安备 11011502004263 　 |　 教APP备1102393号
    友情链接
    常见问题
    关于我们
    联系方式
    哈尔滨广厦学院——在线教学平台
    地址 :黑龙江省哈尔滨市利民开发区学院路1号
    网络中心电话：0451-57364503
    教务处电话：0451-56862725