企业官网建设流程全解析

网站建设中 windows,要建设网站,网页制作实训总结800字,网站建设电子合同模板人工智能学习-AI入试相关题目练习-第七次1-前言3-问题题目训练4-练习#xff08;日语版本#xff09;解析#xff08;1#xff09;k-means 法#xff08;k3#xff09;收敛全过程给定数据#x1f501; Step 1#xff1a;第一次分配#xff08;根据初始中心#xff09…人工智能学习-AI入试相关题目练习-第七次1-前言3-问题题目训练4-练习日语版本解析1k-means 法k3收敛全过程给定数据 Step 1第一次分配根据初始中心得到簇 Step 2更新代表点取平均 Step 3重新分配✅ 最终结果2一阶逻辑公式 → Skolem 标准形原公式Step 1去蕴含Step 2否定展开Step 3Skolem 化✅ Skolem 标准形简洁形式3-1ナッシュ均衡 vs 支配戦略均衡3-2Gaussian Mixture ModelGMM3-3n-gram 模型3-4三种学习方式对比-単語练习日语版本5-总结1-前言为了应对大学院考试我们来学习相关人工智能相关知识并做各种练习。通过学习也算是做笔记让自己更理解些。3-问题题目训练4-练习日语版本解析1k-means 法k3收敛全过程给定数据[X{(0,0),(0,1),(0,2),(3,0),(6,0),(6,1),(6,2)}]初始代表点中心[C^{(0)}{(0,4),(3,0),(6,4)}]距离采用ユークリッド距離Euclidean distance Step 1第一次分配根据初始中心点到 (0,4)到 (3,0)到 (6,4)分配(0,0)43√52C₂(0,1)3√10√45C₁(0,2)2√13√40C₁(3,0)505C₂(6,0)√5234C₂(6,1)√45√103C₃(6,2)√40√132C₃得到簇Cluster 1{(0,1),(0,2)}Cluster 2{(0,0),(3,0),(6,0)}Cluster 3{(6,1),(6,2)} Step 2更新代表点取平均C₁[\left(\frac{00}{2},\frac{12}{2}\right)(0,1.5)]C₂[\left(\frac{036}{3},\frac{000}{3}\right)(3,0)]C₃[\left(\frac{66}{2},\frac{12}{2}\right)(6,1.5)] Step 3重新分配再次计算后每个点的归属不再发生变化算法收敛✅ 最终结果Cluster 1{(0,1),(0,2)}中心(0,1.5)Cluster 2{(0,0),(3,0),(6,0)}中心(3,0)Cluster 3{(6,1),(6,2)}中心(6,1.5)2一阶逻辑公式 → Skolem 标准形原公式[\forall x \exists y [P(x) \rightarrow Q(x,y)] \land \neg(\forall x[P(x) \land \forall z R(z)])]Step 1去蕴含[P(x)\rightarrow Q(x,y) \equiv \neg P(x)\lor Q(x,y)]Step 2否定展开[\neg(\forall x[P(x)\land \forall zR(z)])\equiv \exists x(\neg P(x)\lor \exists z \neg R(z))]Step 3Skolem 化(y) 依赖于 (x) →Skolem 函数(f(x))(\exists x) → Skolem 常数 (a)(\exists z) → Skolem 常数 (b)✅ Skolem 标准形简洁形式[(\neg P(x)\lor Q(x,f(x))) \land (\neg P(a)\lor \neg R(b))]3-1ナッシュ均衡 vs 支配戦略均衡项目ナッシュ均衡支配戦略均衡定义给定对方策略自己无法单方面改善不论对方怎么选都是最优稳定性相对稳定更强必然存在是否关系支配戦略均衡 ⊂ ナッシュ均衡—考试要点支配戦略均衡一定是纳什均衡但反之不成立3-2Gaussian Mixture ModelGMM定义GMM 是一种用多个高斯分布的加权和来表示数据分布的概率模型。[p(x)\sum_{k1}^K \pi_k \mathcal{N}(x|\mu_k,\Sigma_k)](\pi_k)混合权重(\mu_k,\Sigma_k)均值与协方差参数通常用EM 算法估计考试关键词「概率模型」「软聚类」「EM算法」3-3n-gram 模型定义n-gram 模型假设一个词只依赖于前 n−1 个词例bigram[P(w_3|w_1,w_2) \approx P(w_3|w_2)]优缺点✅ 简单、可计算❌ 长距离依赖建模能力弱3-4三种学习方式对比学习方式教师信号示例教師あり学習有正确标签图像分类教師なし学習无标签k-means強化学習奖励信号游戏AI一句话记忆版本番可写教師あり学習は正解付きデータ教師なし学習は構造発見強化学習は報酬最大化を目的とする。-単語练习日语版本k-means 法是一种无监督学习的聚类方法通过反复进行“数据分配”和“中心更新”将数据划分为 k 个簇使簇内距离最小。无监督学习教師なし学習聚类クラスタリング反复反復簇内距离最小分散最小化5-总结知识一点点记录吧最后应对考试打下基础