Advanced Artificial Intelligence

课程简介

1. 神经网络与深度学习：神经元，多层感知器，梯度下降，深度学习的重要概念，循环神经网络，长短期记忆网络，门控循环单元，卷积神经网络，图神经网络，变换器 2. 强化学习：强化学习的重要概念，基于模型的学习，基于模型外的学习，时序差分学习，探索与利用，遗憾与策略搜索 3. 知识表示与推理：基于规则的产生式系统，案例推理系统，基于模型的推理系统，不确定情况下的推理：随机方法与模糊专家系统 4. 主动学习与对比学习：主动学习的定义，主动学习策略与算法，对比学习目标，对比学习算法 5. 对抗学习：攻击策略与类型，对抗学习技术，对抗学习在深度神经网络中的应用，图对抗网络 6. 转移学习：转移学习的概念与应用，经典转移学习方法，不同领域的转移学习 7. 集成学习与元学习：集成学习与元学习的定义，集成学习中的袋装法与提升法，多任务学习，基于优化的元学习，贝叶斯元学习 8. 联邦学习：联邦学习的概念，分布式机器学习，隐私保护的联邦学习，水平与垂直联邦学习 9. 可解释的人工智能：可解释人工智能的定义与目标，经典可解释方法（如决策树、贝叶斯网络、稀疏线性模型），可解释深度学习技术，数据可视化

学习目标

1. 介绍人工智能（AI）的基本和高级概念与技术。 2. 使用全面的AI技术解决重要问题

先修要求

无

教学模式

39学时的课堂活动，包括讲授、辅导、实验等。讲授包含分析、示例、演示和练习。辅导或实验课提供动手经验。还提供指导性阅读。