清华社课件人工智能导论第2章 人工智能数学基础.pptxVIP

第2章人工智能数学基础

2.1引言

2.1引言本章以数学基础作为切入点，从数学视角阐述人工智能学习问题如何被形式化描述、优化目标如何被构建以及模型参数如何被求解，为后续章节的学习奠定基础。首先从数学形式化角度出发，介绍人工智能的统一语言，并归纳人工智能学习问题的三要素通过本章学习，读者将掌握用数学语言描述AI问题、建立模型、求解参数并提升模型泛化能力的基本方法。随后以回归和分类为例，介绍其建模方式以及典型损失函数进一步介绍模型参数求解方法，重点讲解梯度下降等算法在复杂模型参数优化中的作用最后讨论模型泛化误差、过拟合与欠拟合现象，并引入正则化与约束优化思想，从数学理论层面说明如何在拟合能力与泛化能力之间取得平衡。3

2.2从计算到智能

2.2从计算到智能传统计算范式现代智能范式核心思想研究人员人分析问题，编写规则，计算机按步骤执行系统从数据中学习规律，并对未知情形进行推断知识来源人类预先编码的知识与经验数据中隐含的统计规律与特征表示系统能力能力固定，不会随运行过程自动改变可通过训练不断调整模型参数，提升任务表现适用场景问题边界清晰、规则明确、环境可控输入复杂多样、规则难以穷举、环境存在不确定性主要局限难以应对规则缺失、输入变化和复杂现实场景依赖数据质量、模型结构与泛化能力代表形式规则系统、符号推理、确定性程序机器学习、深度学习5

2.2.1人工智能的统一语言2.2.