人工智能知识点总复习.docxVIP

人工智能知识点总复习

一、人工智能的基石：基础理论与数学支撑

1.1数学基础

*线性代数：向量、矩阵及其运算（加法、乘法、转置、逆）是描述数据和模型的基本工具。特征值与特征向量、奇异值分解（SVD）、主成分分析（PCA）等在数据降维、特征提取中扮演重要角色。

*概率论与数理统计：概率分布（如正态分布、伯努利分布）、期望、方差、协方差等概念是理解不确定性、进行统计推断的基础。极大似然估计、贝叶斯定理为机器学习中的参数估计和模型选择提供了理论依据。

*微积分：导数、偏导数、梯度是优化算法（如梯度下降）的核心。多元函数的极值、泰勒展开等在模型训练和函数近似中不可或缺。

1.2人工智能的基本概念与发展

*发展简史：从图灵测试的提出，到早期符号主义的兴衰，再到连接主义的复兴（特别是深度学习的爆发），人工智能的发展历程充满了探索与突破。了解关键节点和标志性事件，有助于理解当前技术的来龙去脉。

*主要研究学派：符号主义（基于逻辑规则和符号操作）、连接主义（基于神经网络）、行为主义（基于感知-行动循环），以及近年来兴起的统计学习方法，它们从不同角度诠释和构建智能。

二、人工智能的核心技术与方法

人工智能的核心技术体系丰富多样，涵盖了从数据处理到模型构建的各个环节。

2.1机器学习

机器学习是人工智能的核心子领域，研究如何让计算机从数据中学习规律并进行预测或决策。