高级人工智能课程

作业一

什么是人工智能

智能的本质、AI定义、对抗样本制作方案

作业二（课后）

逻辑推理与归纳学习对比

两种AI范式的详细分析、典型例子、应用场景

第三节课作业

优化问题与NFL定理

问题vs实例、No Free Lunch定理、算法研发意义

第七节课作业

神经网络求解SAT问题

输入输出设计、训练数据集构建、网络架构

第十节课作业

不完美信息博弈

扑克、桥牌、纳什均衡、强化学习求解方法

10.30课堂作业

强化学习折扣因子

折扣因子的作用、递推方程修正、收敛性分析

11.04课堂作业

时序差分学习(TD)

TD(0)、SARSA、Q-Learning、Expected SARSA、TD(λ)

11.04课后作业

Actor-Critic算法改进

A2C/A3C、DDPG、SAC、PPO详细对比

11.06课堂作业

Double DQN算法

解决Q值高估偏差、算法架构、伪代码

11.06课堂作业2

PPO算法详细步骤

完整训练流程、GAE优势函数、七个阶段详解

11.11课堂作业

机器学习技术

大模型标签生成、数据增强、伪标签技术

11.13课堂作业

数据集划分

训练集、验证集、测试集的作用和示例

11.18课堂作业

线性与非线性分类

几何意义对比、决策边界、可视化分析

11.27课堂作业

显存优化与混合精度

batch_size影响、降低精度问题、解决方案

12.02课堂作业

残差连接

ResNet、梯度消失、网络退化问题

12.04课堂作业

多头注意力机制

Multi-Head Attention、交叉注意力、QKV矩阵

12.09课堂作业

贝叶斯网络

联合概率密度、条件独立性、计算公式