人工智能知识
11语音处理
语音识别系统框架：特征提取->声学模型->语言模型->解码搜索
特征提取：梅尔频率倒谱系数、傅里叶变换
声学模型：高斯混合模型-隐马尔可夫模型
14多智能体系统
自主性、主动性、反应能力、社会能力
符号主义：人们自己总结规则，然后通过if-else的方法堆砌成一个专家系统
连接主义：其中最具代表的神经网络，和深层次神经网络（深度学习）。所以在深度学习领域中，就是不断的增加一个神经网络的隐藏层神经元，让输入的数据被这些神经元不断的抽象和理解，最后得到一个具有泛化能力的预测网络模型
行为主义：强化学习的灵感来自于人工智能三大流派之一的行为主义，让一个智能体（Agent）不断的采取不同的行动（Action），改变自己的状态（State），和环境（Enviroment）进行交互，从而获得不同的奖励（Reward），我们只需要设计出合适的奖励（Reward）规则，智能体就能在不断的试错中习得合适的策略
知识图谱：知识领域映射地图，通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力
群智能算法：选择、交叉、变异的模仿的自适应搜索过程
群智能算法的五个基本要素：参数编码、初始群体的设定、适应度函数的设定、遗传操作设计和控制参数设定
机器学习：利用经验来改善计算机系统自身的性能
粒子群：初始化粒子群，设置算法参数-》计算粒子适应度-》获得个体与群体的历史的最优位置-》根据定义的速度、状态计算方法按照公式进行状态更新-》Loop 计算粒子适应度
浅层视觉模型处理流程：图像预处理-》特征设计与提取-》特征汇聚或变换(降维)-》分类或回归
语音四要素：音高、强、长、色
5搜索
盲目搜索：深度优先搜索、广度优先搜索
启发式搜索：启发式搜索
自然语言识别
分词、标注、依存句法分析、名词实体识别
知识图谱实战应用16
大家好，我是微学AI，今天给大家介绍一下知识图谱实战应用16-知识图谱在化学物质结构上的应用，快速查找化学分子式与结构。在化学领域，知识图谱可以应用于化学物质结构上。化学物质结构主要指分子结构和化学键的组成情况。知识图谱可以将化学物质结构的相关数据以图谱的形式展现出来，便于人们查看、比较和分析化学物质结构的差异和联系。
目录引言项目背景数据准备CSV数据样例知识图谱构建导入Neo4j图数据库使用Py2neo构建知识图谱搜索问答查询示例代码实现结论1.引言随着化学研究的不断发展，化学结构数据的获取和处理变得越来越重要。知识图谱作为一种强大的数据组织和表示工具，可以帮助我们更好地理解和分析化学结构数据。本文将介绍如何使用Py2neo库构建一个基于Neo4j图数据库的化学结构知识图谱，并通过搜索问答功能实现对化学结构数据的查询和分析。
2.项目背景化学结构数据是化学研究的基础，它们包含了分子的原子组成、键的类型和连接方式等信息。通过对这些数据的分析，我们可以了解分子的性质、反应机理等。知识图谱作为一种新兴的数据表示方法，可以帮助我们更好地组织和理解这些数据。本项目旨在构建一个基于Neo4j图数据库的化学结构知识图谱，并实现搜索问答功能。
化学物质结构知识图谱通常包括以下内容