《智能计算》读书报告
以模拟自然界生物智能行为为背景的优化算法，如鸟群算法、蚁群算法、蜂群算法、粒子群算法、萤火虫算法等，以固体退火理论及系统稳定性理论为基础的模拟退火算法、Hopfield神经优化算法，以及遗传算法、免疫算法、禁忌搜索算法等，都可以归结为人工智能优化算法。智能优化算法是指受人类智能、生物群体社会性或自然现象规律的启发。这类算法模拟了人类或者动物的思维和天赋，因此体现了“智能”，随着智能理论的发展，智能计算在求解大规模优化问题相比于传统优化方法展现出了非常优越的性能，本文对于智能算法进行了一个较为全面的分析，并介绍了相应的理论成果和应用。本文介绍了首先针对模拟退火、禁忌搜索算法和遗传算法介绍了其流程，分析了算法存在的不足，并针对不足介绍了一些改进方法。然后对于群智能优化算法——粒子群算法和蚁群算法，在介绍算法流程的同时，针对其算法收敛性和求解能力进行了分析，并介绍了相关提高收敛速度以及提高解的质量等相关用于提高算法性能的方法。人工智能技术及应用
人工智能已经上升到了国家战略层面的高度。面对人工智能发展的浪潮与需求高等教育应主动变革，围绕国家人工智能出台的规划和政策，加快促进人工智能技术人才培养。本书以优化知识结构、培养10项能力为出发点，以实施素质教育、培养学生具有新一代人工智能应用意识为目标，以培养学生创新精神、创业能力为重点，以企业人才需求构建新的知识体系为主线。全书共16章，分为4篇：科普篇、行业应用篇、理论篇和创新创业篇。以朴素的语言和浅显的例子，用图文并茂的形式，向读者生动展示新一代人工智能的专业知识。《人工智能技术及应用》可作为普通高校各专业人工智能通识课程教材，也可作为人工智能爱好者参考书籍。
人工智能原理（学习笔记）
一、人工智能研究中的不同学派
1、符号主义
符号主义又称逻辑主义、心理学派或者计算机学派，是基于物理符号系统假设和有限合理性原理的人工智能学派。人工智能起源于数理逻辑，人类认知的基本元素是符号，认知过程是符号表示上的一种运算。
研究方法上，符号主义认为，人工智能的研究应该采用功能模拟的方法。即通过研究人类认知系统的功能和机理，再用计算机进行模拟，从而实现人工智能。符号主义主张用逻辑方法来建立人工智能的统一理论体系，却遇到了“常识”问题的阻碍，以及不确定事物的知识表示和问题求解等难题，因此受到了其他学派的批评和否定。
2、连接主义
又称仿生学派或生理学派，是基于神经网络及网络间的连接机制与学习算法的人工智能学派，连接主义认为，人工智能起源于仿生学，特别是对人脑模型的研究。连接主义的代表性成果是1943年由麦卡洛克和皮茨创立的脑模型，即BM(BrianModel)。
理论上，连接主义认为：思维的基元是神经元，而不是符号；思维过程是神经元的连接活动过程，而不是符号运算过程。
研究方法上，连接主义主张：人工智能研究采用结构模拟的方法，即着重于模拟人类神经网络的生理结构；功能、结构与智能行为是密切相关的，不同的结构表现出不同的智能行为。包括深度学习在内，连接主义目前已经提出了多种人工神经网络结构模型和连接学习算法。
3、行为主义
行为主义又称进化主义或控制论学派，是基于控制论和“感知-动作”控制系统的人工智能学派，行为主义认为，人工智能起源于控制论，提出智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。
行为主义的代表性成果是鲁克斯研制的机器虫。鲁克斯认为，要求机器人像人一样去思维太难了，在做出一个像样的机器人之前不如先做出一个像样的机器虫。由机器虫慢慢进化，或许可以做出机器人。
从理论上，行为主义认为：只能取决于感知和行动，提出了智能行为的“感知-动作”模型；感知不需要知识，不需要表示、不需要推理；人工智能可以像人类智能那样逐步进化只能只有在现实世界中通过与周围环境的交互作用才能表现出来；传统人工智能（主指符号主义，也涉及连接主义）对现实世界中客观事物的描述和复杂智能行为的工作模式做了虚假的、过于简单的抽象，因而不能真实反映现实世界的客观事物。
从研究方法上，行为主义主张，人工智能研究此阿姨行为模拟的方法，功能、结构和智能行为是不可分的，不同的行为表现出不同的功能和不同的控制结构。
二、确定性知识推理方法
1、自然演绎推理
从一组一直为真的事实出发，直接运用经典逻辑中的推理规则推出结论的过程称为自然演绎推理。
常用等价式：
双重否定律、交换律、结合律、分配律、摩根定律、吸收律、补余律、连词划归律、量词转化律、量词分配律
2、归结演绎推理：反证法
基本思想：把永真性的证明转化为不可满足性的证明