智能系统设计.ppt

智能系统设计 教师 ：侯越先 yxhou@ /faculty/hyx/ 助教：756966146@ 智能系统设计课程QQ群：361302941 * 课程安排 形式：实验设计课 集中实验时间：3-11周，每周2下午2点，综合实验楼 （47楼）第5实验室 建议设计平台：Matlab（亦可选用主要高级语言其他平台，如java、c++） * 智能系统—— 从人工智能到机器学习 早期的人工智能应用的典型例子 博弈系统 专家系统 定理机器证明系统 封闭环境下的问题求解系统 早期的人工智能研究的共同特点 基于逻辑或形式系统、封闭性、强先验知识和充分的数据、自顶向下的设计模式、固化的“智能” * 智能系统—— 从人工智能到机器学习 机器学习： 产生于上世纪70年代，80－90年代后逐渐成主流 强调系统的自学习能力 强调统计方法 强调不完备甚至不一致的数据资源 强调开放环境下的应用 机器学习模型的典型例子 贝叶斯图模型、最大熵模型、最大边际判别模型。。。 * 智能系统的基本功能元素 1 聚类 （kmeans， 层次聚类，谱聚类。。。） 2 分类（线性、knn、决策树、SVM。。。） 3 拟合或回归（线性、多项式、RBF、非线性样条。。。） 4 去噪、滤波和信号变换（傅里叶、ICA、Wavelet。。。） 5 特征选择（监督：信息增益和LDA等； 非监督：度量不变模型等） 6 维数约简和信息抽象 线性方法：PCA、SVD、随机映像和线性压缩感知等 非线性方法：Isomap、Laplacian Eigenmap、深度抽象等 * 智能系统的基本功能元素（续） 7 解空间优化（解析法：线性规划、凸规划和半正定规划等） （非解析法：进化算法、模拟煺火和蚁群法等） 8 模型选择（AIC、BIC、MDL和交叉验证等） 9 Ranking（排序）：统计方法、矩阵方法 10 Online （在线）学习 11 强化（Incremental）学习 12 半监督学习 13 统计推断：图模型（隐马尔科夫模型、条件随机场、贝叶斯网络等）、高阶依赖性分析和其他常用的统计模型 智能系统一般架构 数据预处理 特征选择和抽取 核心处理（聚类、分类、排序、回归和优化等等）处理 结果输出以及用户接口 * 课程设计题目一 微博文本的倾向性分析系统 任务描述：基于大量实际的微博文本，分析社会群体对于特定话题的倾向性。倾向性可规定为肯定、否定和中立等。 注：分析所以来的微博文本应具有必要的规模（否则结论缺乏意义） 基本参考： Bo Pang and Lillian Lee, Opinion mining and sentiment analysis, Foundations and Trends in Information Retrieval 2(1-2), pp. 1–135, 2008. 文本处理：Bag of Word模型 分类器：.tw/~cjlin/libsvm/ 数据： /中有哪些信誉好的足球投注网站微博 * 课程设计题目二 广告推荐系统 任务描述：在购物网站或微博等社会网络上实现有针对性的广告推荐。要求系统尽可能地协调用户的兴趣和网站的商业利益，在不明显降低用户体验的前提下实现商业利益最大化。 基本参考： Introduction to Computational Advertising, /class/msande239/#assignments 《推荐系统》 * 课程设计题目三 图像检索系统 任务描述：实现图像检索系统的核心功能，即由用户给定的图片，在系统图像库中发现与之相似的图片集，并rank后提交给用户 基本参考： Datta, Ritendra; Image Retrieval: Ideas, Influences, and Trends of the New Age. * 课程设计题目四 在线语音识别系统 任务描述：实现在线的连续语音识别系统（可允许少量的个性化训练） 基本参考： M. A. Anusuya, S. K. Katti, Speech Recognition by Machine, A Review, arxiv. Matlab工具箱： Simulink信号采集， sptool对信号进行分析 * 课程设计题目五 2d人