B. 人工智能 --- 算法概览

B. 算法概览
	概率图模型
		类型
			贝叶斯网络：有向图模型
				连接方式
					顺连
					分连
					汇连
				执行步骤
					首先要根据变量之间的依赖关系建立网络的拓扑结构
					其次要根据拓扑结构计算每条边上的权重，也就是条件概率
			马尔科夫随机场：无向图模型
		问题解决框架
			表示：如何对不确定性和随机变量之间的关系进行建模
			推断：如何从建立的模型中推演出要求解的概率
			学习：对于给定的数据来说，何种模型是正确的
	集群智能
		特点
			第一个特点是可扩展性。
			第二个特点是并行性。
			第三个特点是容错性。
	迁移学习
		概念
			源域
			目标域
			源任务
			目标任务
		迁移问题
			迁移什么
			能不能迁移
			如何迁移
				基于样本的迁移学习（instance transfer）；
				基于特征的迁移学习（feature representation transfer）；
				基于模型的迁移学习（parameter transfer）；
				基于关系的迁移学习（relational knowledge transfer）。
		迁移学习
			归纳迁移学习
			直推式迁移学习
			无监督迁移学习
	知识图谱
		方法
			归纳：从特殊到一般
			演绎：从一般到特殊
		算法
			逻辑推理
				路径排序算法
					特征抽取
					特征计算
					分类器训练
				马尔科夫逻辑网
				概率软逻辑
			数值推理
				基于分布式表示的推理
	计算机视觉
		步骤
			图象预处理
			特征提取
			特征筛选
			图像识别
		算法
			卷积神经网络
			深度残差网络
			密集连接卷积网络
	Siri 语音处理
		组成部分
			语音合成
				方式
					单元选择
					参数合成
					混合单元选择模式
				步骤
					文本分析
					音韵生成
					单元选择
					波形串联
				算法
					深度混合密度网络
			语音识别
				组成部分
					预处理
					特征提取
						梅尔倒谱系数
					声学模型
						高斯混合模型
						隐马尔可夫模型
					语音模型
					字典解码
		方向
			深度学习
			迁移学习
	对话系统
		组成部分
			重要词语的识别
			最小语境范围的判定
			恰当的转化选择
			适当回复的生成
			结束对话的能力
		解决方案
			Facebook 独辟蹊径，提出了通过与人类对话者的线上互动实现学习的想法
				一种是在常规的深度学习中使用的明确的数字类型回复
				一种是在人类对话中更加常见的文本式反馈
		提问场景
			当机器人不能理解对话伙伴的表述时，需要进行问题澄清；
			在知识运用中，机器人会请求相关的知识或询问问题是否与某个特定的知识有关；
			在知识获取中，机器人则会直接要求对话同伴给出答案
	机器翻译
		早期
			基于规则的翻译
		基于神经网络的机器翻译
		Google的机器翻译
			国际通用语言