探索人工智能的奥秘
主播:爱科技说趣事的Jane 播放:1.1万次最近更新: 2024-05-24
节目列表
正序 | 倒序
- 1模型的局部必要性
- 2模型的必要性
- 3思维图的结构和适用的应用
- 4思维图:用大语言模型解决复杂问题
- 5模型的充分性(下)
- 6模型的充分性(上)
- 7心理学模型如何从参数估计中学习?
- 8参数估计值衡量真实变量的效果
- 9特定过程对模型预测的贡献
- 10模型探索对于认知科学的作用
- 11心理学模型的建模过程
- 12认知神经科学如何影响心理学理论?
- 13数学心理学的研究内容
- 14用知识空间理论KST完成自适应学习的5个步骤
- 15知识空间理论的关键概念
- 16【故事】代达罗斯与人工智能迷宫
- 17如何判断机器人在撒谎?
- 18【笑话】我们如何知道人工智能有了自我意识?
- 19【笑话】为什么机器学习模型从不感冒?
- 20【笑话】为什么机器学习模型是糟糕的证人?
- 21【笑话】智商评估机器
- 22【笑话】机器学习模型为什么要成为艺术家?
- 23【笑话】人工智能回答上帝是否存在
- 24数据加工价值线的关键要素
- 25数据智能创新线的关键要素
- 26【笑话】人形机器人能够完成数学任务吗?
- 27多巴胺神经元行为与时间差分模型的联系
- 28【笑话】人工智能回答如何解决贫困问题
- 29强化学习的三种方法
- 30关联神经和行为数据的方法
- 31神经科学的认知模型与算法水平
- 32增量学习如何解决灾难性遗忘问题?
- 33什么是数据、信息、知识和智慧?
- 34ChatGPT的核心技术:语境学习1
- 35ChatGPT能做什么和不能做什么
- 36GPT3和GPT3.5的能力是如何产生的?
- 37从认知智能的角度看ChatGPT的不足(下)
- 38从认知智能的角度看ChatGPT的不足(上)
- 39ChatGPT是如何工作的?
- 40生成对抗网络与一般生成模型的区别
- 41从区分真假画解释生成对抗网络原理
- 42如何判断一个人工智能系统的价值?
- 43机器学习分类算法指标:找得对和找得全
- 44时序数据挖掘算法:时序预测
- 45时序数据挖掘:时序分类
- 46时序数据挖掘算法:时序聚类
- 47时序数据挖掘:异常检测
- 48从核酸检测说分类方法的评估指标
- 49工业数据分析的数据准备:不同于互联网数据分析的特点
- 50工业数据分析方法论:CRISP-DM
- 51时序数据挖掘算法:序列模式
- 52时序数据挖掘算法:时序再表征
- 53时序数据挖掘算法:时序分解
- 54时序数据挖掘1:时序分割
- 55时序数据挖掘算法
- 56设备故障诊断的概念与思路
- 57工业生产质量分析的特点
- 58时序数据分解:经验模态分解方法EMD
- 59时序数据挖掘需要注意的方法
- 60理解工业大数据的特别之处:数据源、数据序列、数据量、成本
- 61工业大数据:三大典型分析领域
- 62工业大数据:建立模型的宏观原则
- 63工业大数据的3B问题
- 64【直播回听】知识图谱助力智能制造
- 65【直播回听】解读国际K12AI教育指导原则
- 66【直播回听】工业优化氨合成装置的优化问题
- 67【直播回听】工业智能应用案例:风力发电机叶片结冰预测
- 68【直播回听】如何打造工业人工智能团队?
- 69【直播回听】人工智能如何赋能工业发展?
- 70新一代人工智能关键共性技术二
- 71新一代人工智能关键共性技术一
- 72新一代人工智能重大基础理论二
- 73新一代人工智能重大基础理论一
- 742020年我国人工智能发展的战略目标