We're sorry this project doesn't work properly without JavaScript enabled. Please enable it to continue.
欢迎来到鸿木在线学堂
问题答疑
精品课程
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
  • 扫码下载Android
  • 扫码打开微信小程序
精品课程
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
    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
    s [10.1.1]--4.1.1 循环神经网络基础-课堂实录.mp4 （0分钟）
    s [10.1.2]--4.1.2 应用到机器学习-课堂实录.mp4 （0分钟）
    s [10.2.1]--4.2 LSTM-课堂实录.mp4 （0分钟）
    s [10.3.1]--4.3 扩展到图结构-课堂实录.mp4 （0分钟）
    -TRANSFORMER
    s [11.1.1]--5.1.1 前情回顾-课堂实录.mp4 （0分钟）
    s [11.1.2]--5.1.2 RNN及其简单注意力机制-课堂实录.mp4 （0分钟）
    s [11.1.3]--5.1.3 RNN过渡到TRANSFOER-课堂实录.mp4 （0分钟）
    s [11.2.1]--5.2 序列到序列的RNN模型-课堂实录.mp4 （0分钟）
    s [11.3.1]--5.3 注意力机制-课堂实录.mp4 （0分钟）
    s [11.4.1]--5.4-5 TRANSFORMER模型及应用-课堂实录.mp4 （0分钟）
    {12}--深度强化学习板块-多机器人集群控制
    s [12.1.1]--多机器人集群.mp4 （0分钟）
    s [12.2.1]--多智能体信息融合.mp4 （0分钟）
    s [12.3.1]--多智能体协调的学习控制方法.mp4 （0分钟）
    s [12.4.1]--13.1 无人机介绍.mp4 （0分钟）
    s [12.4.2]--13.2 路径规划.mp4 （0分钟）
    s [12.4.3]--13.3-4 机器人、机械臂.mp4 （0分钟）
    s [12.4.4]--14.1-2 多智能体系统和信息融合证据理论简介.mp4 （0分钟）
    s [12.4.5]--14.3-4 证据不确定性及其表示方法信任函数.mp4 （0分钟）
    s [12.4.6]--14.5 似然函数.mp4 （0分钟）
    s [12.4.7]--14.6 证据组合.mp4 （0分钟）
    s [12.4.8]--14 多智能体信息融合（下）.mp4 （0分钟）
    -启发搜索与博弈搜索
    s [14.1.1]--启发搜索-启发函数.mp4 （0分钟）
    s [14.2.1]--启发搜索-A算法.mp4 （0分钟）
    s [14.3.1]--博弈搜索-对抗游戏.mp4 （0分钟）
    s [14.4.1]--博弈搜索-MINMAX算法.mp4 （0分钟）
    s [14.5.1]--博弈搜索-alpha_beta算法.mp4 （0分钟）
    -约束满足
    s [15.1.1]--约束满足-问题定义.mp4 （0分钟）
    s [15.2.1]--约束满足-回溯搜索.mp4 （0分钟）
    s [15.3.1]--约束满足-约束传播.mp4 （0分钟）
    s [15.4.1]--约束满足-树结构.mp4 （0分钟）
    {16}--机器学习板块
    s [16.1.1]--1.1.1 机器学习定义-课堂实录.mp4 （0分钟）
    s [16.1.2]--1.1.2 机器学习的三要素-课堂实录.mp4 （0分钟）
    s [16.1.3]--1.2 最大后验估计-课堂实录.mp4 （0分钟）
    {17}--机器学习板块-数学基础
    s [17.1.1]--机器学习-高等代数.mp4 （0分钟）
    s .mp4 （0分钟）
    s .mp4 （0分钟）
    s .mp4 （0分钟）
    s [17.5.1]--机器学习-概率初步.mp4 （0分钟）
    s [17.6.1]--机器学习-统计回归.mp4 （0分钟）
    s [17.7.1]--机器学习-增量计算.mp4 （0分钟）
    {18}--知识推理板块
    s [18.10.1]--不确定性推理-贝叶斯网络III.mp4 （0分钟）
    s [18.11.1]--不确定性推理-D-分离I.mp4 （0分钟）
    s [18.12.1]--不确定性推理-D-分离II.mp4 （0分钟）
    s [18.13.1]--不确定性推理-D-分离III.mp4 （0分钟）
    s [18.1.1]--知识表示-一阶谓词.mp4 （0分钟）
    s [18.2.1]--知识表示-产生式.mp4 （0分钟）
    s [18.3.1]--确定性推理-推理概念.mp4 （0分钟）
    s [18.4.1]--确定性推理-自然演绎.mp4 （0分钟）
    s [18.5.1]--不确定性推理-概率回顾I.mp4 （0分钟）
    s [18.6.1]--不确定性推理-概率回顾II.mp4 （0分钟）
    s [18.7.1]--不确定性推理-概率回顾III.mp4 （0分钟）
    s [18.8.1]--不确定推理-贝叶斯网络I.mp4 （0分钟）
    s [18.9.1]--不确定性推理-贝叶斯网络II.mp4 （0分钟）
    {19}--实践内容
    s [19.1.1]--DQN程序-课堂实录.mp4 （0分钟）
    s [19.2.1]--A3C程序-课堂实录.mp4 （0分钟）
    s [19.3.1]--Pybullet安装.mp4 （0分钟）
    s [19.4.1]--GYM.mp4 （0分钟）
    s [19.5.1]--通用强化学习框架.mp4 （0分钟）
    s [19.6.1]--裂缝检测实践.mp4 （0分钟）
    {1}--绪论
    s [1.1.1]--绪论.mp4 （0分钟）
    {20}--论文报告
    s [20.1.1]--IJCAI 2022-论文报告.mp4 （0分钟）
    s [20.2.1]--NeurIPS 2020-论文报告.mp4 （0分钟）
    s [20.3.1]--NeurIPS 2021-论文报告.mp4 （0分钟）
    s [20.4.1]--ICML 2023-论文报告.mp4 （0分钟）
    s [20.5.1]--NeurIPS 2022-论文报告.mp4 （0分钟）
    -基础知识
    s [2.1.1]--强化学习的基本概念.mp4 （0分钟）
    s [2.2.1]--马尔可夫决策问题模型.mp4 （0分钟）
    s [2.3.1]--强化学习值函数（上）.mp4 （0分钟）
    s [2.4.1]--强化学习值函数（下）.mp4 （0分钟）
    s [2.5.1]--从值函数计算最优策略.mp4 （0分钟）
    s [2.6.1]--6.1 强化学习的基本概念.mp4 （0分钟）
    s [2.6.2]--6.2 马尔科夫决策问题模型.mp4 （0分钟）
    s [2.6.3]--6.3 强化学习的简单值函数.mp4 （0分钟）
    s [2.6.4]--6.4 从值函数计算最优策略（上）.mp4 （0分钟）
    s [2.6.5]--6.4 从值函数计算最优策略（下）.mp4 （0分钟）
    -表格型求解法
    s [3.1.1]--动态规划算法（上）.mp4 （0分钟）
    s [3.2.1]--动态规划算法（下）.mp4 （0分钟）
    s [3.3.1]--蒙特卡罗算法.mp4 （0分钟）
    s [3.4.1]--时差分方法.mp4 （0分钟）
    s [3.5.1]--Q-Learning算法.mp4 （0分钟）
    s [3.6.1]--7.1 动态规划算法.mp4 （0分钟）
    s [3.6.2]--7.1.3 策略改进定理.mp4 （0分钟）
    s [3.6.3]--7.2.1 蒙特卡罗方法.mp4 （0分钟）
    s [3.6.4]--7.2.2 蒙特卡罗算法.mp4 （0分钟）
    s [3.6.5]--7.3 时序差分方法.mp4 （0分钟）
    -深度强化学习基础
    s [4.10.1]--12.0 策略梯度公式推导.mp4 （0分钟）
    s [4.10.2]--12.1 复习详解策略梯度.mp4 （0分钟）
    s [4.10.3]--12.2.1 执行者-评判者（Actor-Critic）算法.mp4 （0分钟）
    s [4.10.4]--12.2.2 A3C算法思路简介.mp4 （0分钟）
    s [4.1.1]--用深度神经网络简单逼近值函数.mp4 （0分钟）
    s [4.2.1]--DQN(Deep Q Network).mp4 （0分钟）
    s [4.3.1]--DQN(Deep Q Network)原理.mp4 （0分钟）
    s [4.4.1]--策略梯度原理.mp4 （0分钟）
    s [4.5.1]--策略梯度方法示例.mp4 （0分钟）
    s [4.6.1]--DPG-确定性策略梯度算法.mp4 （0分钟）
    s [4.7.1]--TRPO-置信域策略优化算法.mp4 （0分钟）
    s [4.8.1]--PPO-近端策略优化算法.mp4 （0分钟）
    s [4.9.1]--8.1 引言与简单用深度神经网络逼近值函数.mp4 （0分钟）
    s [4.9.2]--8.2 简单版本的DQN(Deep Q Network).mp4 （0分钟）
    s [4.9.3]--8.3 升级版本的DQN.mp4 （0分钟）
    s [4.9.4]--9. 策略梯度.mp4 （0分钟）
    s [4.9.5]--10.1 策略梯度思想.mp4 （0分钟）
    s [4.9.6]--10.2 基于策略梯度的强化学习算法.mp4 （0分钟）
    -多智能体强化学习
    s [5.1.1]--多智能体强化学习基础.mp4 （0分钟）
    s [5.2.1]--MADDPG-多智能体DDPG.mp4 （0分钟）
    s [5.3.1]--QMIX-多智能体Q学习.mp4 （0分钟）
    s [5.4.1]--15.1 多智能体强化学习.mp4 （0分钟）
    s [5.4.2]--15.2 IQL方法.mp4 （0分钟）
    s [5.4.3]--15.3 VDN算法.mp4 （0分钟）
    s [5.4.4]--15.4 QMIX算法.mp4 （0分钟）
    s [5.4.5]--15.5 QTRAN算法.mp4 （0分钟）
    -公开课
    s [8.1.1]--人工神经网络（上）-公开课.mp4 （0分钟）
    s [8.2.1]--多层全连接前馈神经网络（上）-公开课.mp4 （0分钟）
    s [8.2.2]--多层全连接前馈神经网络（下）-公开课.mp4 （0分钟）
    -卷积神经网络
    s [9.1.1]--3.1 卷积神经网络-课堂实录.mp4 （0分钟）
    s [9.2.1]--3.1.1 参数学习-课堂实录.mp4 （0分钟）
    s [9.3.1]--3.2-3.4 其它卷积种类-课堂实录.mp4 （0分钟）
    新ICP备2024014205号-1 　　
    友情链接
    常见问题
    关于我们
    联系方式