人工智能知识
产生式表示：
规则：IFATHEMB（置信度默认100）
事实：（Li，Age，40，默认0.1）
框架表示法：框架（事物）-槽（各个方面）-侧面-值
框架表示法是一种适应性强、概括性高、结构化良好、推理方式灵活、又能把陈述性知识与过程性知识相结合的知识表示方法。
状态空间表示法：（S，O，S0，G）；S0-〉G为解路径
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：基于本体（概念-实例-关系）知识的实现
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
遗传算法基本流程：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
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
PB神经网络：是一种按照误差逆向传播算法训练的多层前馈神经网络
语音四要素：音高、强、长、色
自然语言识别：分词、标注、依存句法分析、名词实体识别
搜索：盲目搜索：深度优先搜索、广度优先搜索｜启发式搜索
机器学习：利用经验来改善计算机系统自身的性能