第一周 人工智能概述1如果一个问题或者任务不可计算，那么对这个问题或任务的描述哪一句是正确的（）A.该问题或任务所需计算时间是非线性增加的B.无法将该问题或任务所需数据一次性装入内存进行计算C.图灵机不可停机D.该问题或任务所需计算时间是线性增加的2下面哪一句话准确描述了摩尔定律（）A.摩尔定律描述了计算机的计算速度每一年半增长一倍的规律B.摩尔定律描述了互联网所链接节点随时间不断增长的规律C.摩

深度学习基础：前馈神经网络：参数优化早期多层神经网络被提出来时，缺乏对网络参数进行自动学习的有效方法。1986年, Hinton及其合作者发表了论文“Learning Representations by Back-propagating（BP） errors”，描述了利用BP算法自动训练神经网络。后向传播 (back-propagation)算法将神经网络模型预测结果与输入数据实际标签结果之间的

第一周 人工智能概述想了解人工智能相关的东西，找了Mooc上的这个课程，感觉还可以听得懂，作为入门是不错的选择。之后会跟随课程更新一些笔记，和习题什么的，一起共勉吧~...

马尔科夫决策过程策略优化与策略评估强化学习求解Q-Learning深度学习+强化学习强化学习中的“维数灾难(Curse of Dimensionality)”无监督奥卡姆剃刀定律（Occam’s Razor），即“如无必要，勿增实体”、“简单有效原理”。传统图像和视频理解和表达过程中将提取的颜色、纹理、形状和运动等局部和全局特征拼合成高维向量，进行后续计算研究表明：维数过高时，每个对象之间的距离将

深度学习基础：前馈神经网络：参数优化早期多层神经网络被提出来时，缺乏对网络参数进行自动学习的有效方法。1986年, Hinton及其合作者发表了论文“Learning Representations by Back-propagating（BP） errors”，描述了利用BP算法自动训练神经网络。后向传播 (back-propagation)算法将神经网络模型预测结果与输入数据实际标签结果之间的

第七周 统计机器学习算法应用回归与分类的区别:线性回归不能解决所有问题，所有有了fei'xian'xi

以AlphaGo模型来讲解在实际应用中如何使用强化学习。此处笔记根据B站课程，王树森老师的强化学习记录而来。

第七周 统计机器学习算法应用回归与分类的区别:线性回归不能解决所有问题，所有有了fei'xian'xi

两个密切相关的课题:图像美学质量评价和图像美学字幕。通过ARS加权损失函数基于ARS的多样性审美字幕选择器(DACS)来设计审美相关图像字幕(ARIC)模型。实验结果： 证明了ARS概念的正确性和ARIC模型的有效性。贡献：一个大型研究数据库DPC2022，其中包含带有评论和美学评级的图像。

第七周 统计机器学习算法应用回归与分类的区别:线性回归不能解决所有问题，所有有了fei'xian'xi