人工智能技术研发与实践作业指导书.doc

人工智能技术研发与实践作业指导书

TOC\o1-2\h\u14764第1章人工智能基础概念 3

237561.1人工智能的定义与分类 3

296851.1.1定义 4

297131.1.2分类 4

34301.2人工智能的发展历程与趋势 4

299801.2.1发展历程 4

247751.2.2发展趋势 4

152521.3人工智能的应用领域 5

32566第2章机器学习与深度学习 5

286412.1机器学习基本概念与方法 5

10532.1.1基本概念 5

25332.1.2学习方法 5

44852.2深度学习原理与网络结构 6

200782.2.1原理 6

722.2.2网络结构 6

177002.3常见机器学习算法介绍 6

273302.3.1线性回归 6

212532.3.2逻辑回归 6

117382.3.3决策树 6

178382.3.4随机森林 6

70812.3.5支持向量机（SVM） 6

158752.3.6神经网络 7

133202.3.7集成学习方法 7

7407第3章数据处理与特征工程 7

68533.1数据预处理与清洗 7

274793.1.1数据清洗 7

833.1.2数据转换 7

159913.2特征提取与选择 7

64513.2.1特征提取 7

256563.2.2特征选择 8

249363.3数据降维与可视化 8

162073.3.1数据降维 8

52903.3.2数据可视化 8

14616第4章模型评估与优化 8

187564.1模型评估指标与准则 8

80774.1.1分类问题评估指标 9

191284.1.2回归问题评估指标 9

142914.2模型调参与优化策略 9

313874.2.1调参策略 9

210304.2.2优化策略 9

290064.3过拟合与欠拟合问题及其解决方案 10

210374.3.1过拟合问题 10

95954.3.2欠拟合问题 10

30468第5章神经网络与卷积神经网络 10

226555.1神经网络基本原理 10

185555.1.1神经元模型 10

141255.1.2损失函数 11

315765.1.3反向传播算法 11

229175.2卷积神经网络结构与特点 11

278085.2.1卷积层 11

249245.2.2池化层 11

51705.2.3激活函数 11

140855.3神经网络训练与优化 11

44115.3.1参数初始化 11

72885.3.2学习率调整 12

182555.3.3正则化 12

211405.3.4批量归一化 12

310075.3.5深度学习框架 12

10589第6章循环神经网络与序列模型 12

302576.1循环神经网络基本概念 12

234176.1.1循环神经网络结构 12

233006.1.2循环神经网络的类型 12

220646.1.3循环神经网络的训练方法 12

80536.2长短时记忆网络（LSTM） 12

232206.2.1LSTM的基本原理 12

198366.2.2LSTM的结构 12

26986.2.3LSTM的变体 12

190426.3序列模型在自然语言处理中的应用 12

164486.3.1 13

120726.3.2机器翻译 13

242816.3.3语音识别 13

206706.3.4文本分类 13

219106.3.5命名实体识别 13

24363第7章对抗网络与变分自编码器 13

171557.1对抗网络（GAN）原理 13

314617.1.1GAN的网络结构 13

147067.1.2GAN的损失函数 13

230077.2GAN在图像与风格迁移中的应用 13

307967.2.1图像 14

87327.2.2风格迁移 14

186497.3变分自编码器（VAE）及其应用 14

35277.3.1VAE的基本原理 14

252097.3.2VAE的应用 14

19746第8章强化学习与控制策略 14

64