2022 级中山大学人工智能学院 人工智能原理实验课作业

授课老师：彭振辉

参考 CS188 UCBerkeley Fall2018 课程内容

理论习题 Gradescope

学校选择UC berkely，课程注册码为：93PWD8

---

上课课件

所有课程课件存储在课件文件夹中

---

参考资料

课程note

由知乎好心用户经过教授授权后翻译

1. 课程 note-1
2. 课程 note-2
3. 课程 note-3
4. 课程 note-4

Search

1. 爬山法
2. 模拟退火
3. 遗传算法

UCB

4. UCB 算法
5. UCB 案例+代码

MiniMax

1. alpha-beta 详细推导和讲解

MDP-markov-decision-process

1. MDP 笔记总结

2. Markov decision process MDP 基础概念介绍和代码示例

3. MDP: Value Iteration

4. MDP: Value Iteration with code implementation

5. MDP: policy iteration with code implementation

6. 关于 project3 task4 中 Prioritized Sweeping Value Iteration 算法的介绍

RL-强化学习

1. note10 - Exploration and Exploitation
2. note11 - Reinforcement Learning
3. model-based ADP learner with code implementation
4. Model-free MC learner with code implementation -- Monte Carlo 蒙特卡洛
5. Reinforcement learning: concepts of Q-learning
6. Reinforcement learning: Q-learner with detailed example and code implementation

Machine Learning

1. RNN 详解
2. Note 21: Linear Regression and Perceptron
3. Note 22: Logistic Regression and Multi-Class Logistic Regression
4. Note 23: Optimizer
5. Note 24: Neural Networks overview

Bayes Net and HMM

1. HMM
2. VE-1: vairable elimination -- 斯坦福大学 cs288note，思路与课件一致，归纳总结的很棒，但更多的是直觉上的阐述
3. VE-2: vairable elimination -- 给出了代码示例和详尽的例子
4. 判断贝叶斯网络中变量是否独立
5. 机器学习-白板推导系列-隐马尔可夫模型

期末重点

https://adaptable-agenda-988.notion.site/9846c667938a41ca9126b4030d58027b?pvs=74