人工智慧之旅
081102 檢測技術與自動化裝置
081103 系統工程
081104 模式識別與智慧系統
081105 導航、制導與控制
第一步先決定考研考模式識別與智慧控制的方向。研究生課程有下面幾種：
隨機過程與數理統計，矩陣論，優化理論，近世代數，數理邏輯，數字訊號處理，圖象處理與分析，模式識別，計算機視覺，人工智慧，機器人學，計算智慧，非線性理論(如分形、混沌等)，控制理論，系統分析與決策，計算機網路理論等。
考研學習初定在電子科技大學，其次是華南理工大學。
確定考研專業（模式識別與智慧控制）→錄取→確定研究方向
華南理工大學考研：
1、考試科目：
①101思想政治理論②201英語一③301數學一④833自控基礎綜合（含自動控制原理、現代控制理論）
2、研究方向：
01影象處理與模式識別02計算機視覺應用技術03人工智慧04智慧檢測與智慧控制05認知模式識別06智慧資訊融合07腦訊號分析與腦機介面系統
在本科階段所需要學習的內容有：
自動控制原理，基礎知識有：
相關推薦
我的人工智慧之旅——近鄰演算法KNN（K-Nearest Neighbor）
在影象識別中，影象分類是首要工作。因為需要將不同型別的影象先進行排除。近鄰演算法是最簡單的演算法之一，但由於其弊端的存在，本篇只做瞭解性的簡單介紹， K近鄰演算法的實質 將測試圖片在已經分類好的，具有不同標籤的訓練資料圖片中，找到K張最相似的圖片，進而根據K張圖片中型別的比例大小，推斷圖
我的人工智慧之旅——神經網路
神經元，neuron 神經網路，Neural Networks 啟用函式，activation function 權重，weight 輸入層，input layer 輸出層，output layer 隱藏層，hidden layer 向前傳播，forward prop
我的人工智慧之旅——基本數學基礎
1.自然常數 自然常數e，為無限不迴圈小數，數值約為2.71828...，其數學定義為，即。 2.冪&指數 冪（power），是指乘方運算的結果。是指x個a相乘，稱為a的x次冪。其中，a為底數，x為指數。 指數運算，也稱為冪運算。常用的冪運算公式如下： (1) (
我的人工智慧之旅——微積分基礎
1.導數 從一元函式影象上看，某一點的導數，即曲線在該點的切線。 一個函式在某一點的導數，描述了這個函式在這一點附近的變化率。 當函式f(x)的自變數，在一點x上產生了一個增量h，若因變數的增量與自變數h的比值，在h趨於0時的極限如果存在，那該比值即為f(x)在點x處的導數。
我的人工智慧之旅——線性代數基礎
1.矩陣 矩陣，matrix，為m行n列的資料陣列。例如下例，為4x3階矩陣。 2.方陣 mxn階矩陣的m=n時，稱為方陣，n階方陣。 3.單位矩陣 單位矩陣，是指對角線資料為1，其它資料為0的n階方陣。 4.逆矩陣 逆矩陣，matrix inver
我的人工智慧之旅——正則化
無論線性迴歸，還是邏輯迴歸，都需要對假設函式進行設定。而假設函式的設定，將影響到預測結果的準確性。因此，如何判斷假設函式是否合適，以及如何修改假設函式將變得十分重要。本文，我們將記錄假設函式的正則化。在記錄的過程當中，將涉及以下概念。 （1）過度擬合，overfitting （2）欠擬合
我的人工智慧之旅——梯度下降vs正規方程法
本文將涉及以下知識點 （1）特徵縮放 （2）均值歸一化 （3）正規方程 優化梯度下降演算法 在上一篇博文中，我們瞭解了梯度下降演算法，它為解決線性迴歸問題提供了思路。但梯度下降的迭代推算過程，較為耗時。簡單地說，整個演算法是一個不斷嘗試收斂的過程。如果能夠降低演算法的嘗試次數
我的人工智慧之旅——邏輯迴歸
本文，將涉及以下知識點， （1）決策邊界，decision boundary （2）凸函式，convex function （3）非凸函式，non convex function 此前所討論的問題，都為線性迴歸問題。本文將介紹邏輯迴歸演算法，該演算法為分類問題提出解決方
我的人工智慧之旅——線性迴歸
本文將涉及以下知識點 （1）線性關係 （2）線性迴歸 （3）假設函式 （4）代價函式 （5）學習速率 （6）梯度下降 （7）特徵向量 相關的線性代數或微積分知識，可參照另兩篇博文 我的人工智慧之旅----線性代數基礎知識 我的人工智慧之旅----微積分基礎
我的人工智慧之旅——引子
人工智慧 不想人云亦云，於是來刨別家祖墳，一探究竟。 人工智慧，一個熱得不知所措的話題。就跟當年的“雲”一樣，聊得臭大街了，但什麼是雲？就想把你繞暈，其實都在雲裡霧裡。 人工智慧，artificial intelligence，縮寫AI。由於命名的開放性，使得其定義輪廓較為模糊。簡單
我的人工智慧之旅——概率統計基礎（更新中）
偏差體現的是，學習演算法的期望預測與真實結果的偏離程度。通常出現在欠擬合的情況下。 方差體現的是，同樣大小的訓練集的變動所導致的學習效能的變化。通常出現在過擬合的情況下。訓練效果不錯，但測試效果不好。 數學期望，即平均值。公式為 方差是指，每個樣本值與全體樣本值的平均數
我的人工智慧之旅——偏斜類問題
偏斜類問題 正樣本數佔樣本總數的比例極小時，容易出現偏斜類問題。 例如癌症測試。樣本集合中僅有0.5%的癌症樣本，99.5%的正常樣本。通過某一假設函式後，得到1%為癌症患者，99%為正常樣本。雖然總的正確率高達99%，但假設函式並不理想。因為，我們的目的是為了，檢測出是
人工智慧之旅
0811 控制科學與工程 081101 控制理論與控制工程 081102 檢測技術與自動化裝置 081103 系統工程 081104 模式識別與智慧系統 081105 導航、制導與控制 第一步先決定考研考模式識別與智慧控制的方向。研究生課程有下面幾種： 隨機過程與數理統計，矩陣論，優化理論
【Linux探索之旅】第一部分第三課：測試並安裝Ubuntu
u盤 nco 過程 sans ubunt windows u盤啟動盤 系統 .com 內容簡單介紹 1、第一部分第三課：測試並安裝Ubuntu 2、第一部分第四課預告：磁盤分區 測試並安裝Ubuntu 大家好，經過前兩個比較偏理論（是否
F# 之旅（上）
簡單 ssi arp compile posit slist change 縮進 類型 寫在前面的話 解答一下在上一篇文章《在Visual Studio中入門F#》中有人的提問， 1. 問：是準備寫 F# 系列嗎？ 答：當然不是，本人也是剛剛學習 F#，只是
C#多線程之旅(1)——介紹和基本概念
隔離 cnblogs 影響 3-0 同時 ima 並行 logic mes 閱讀目錄 一、多線程介紹 二、Join 和Sleep 三、線程怎樣工作 四、線程和進程 五、線程的使用和誤用 原文地址：C#多線程之旅(1)——介紹和基本概念 C#多線程之旅目錄： C#
【SSH之旅】一步步學習Hibernate框架（一）：關於持久化
stc localhost 對象 schema hbm.xml java let pass [] 在不引用不論什麽框架下，我們會通過平庸的代碼不停的對數據庫進行操作，產生了非常多冗余的可是又有規律的底層代碼，這樣頻繁的操作數據庫和大量的底層代碼的反復
ios學習之旅---指針也不難
ror 邏輯 初始化 維數 賦值運算 等價 格式 沒有 本質 1、認識指針#include <stdio.h> //基本數據類型作為函數參數傳遞是值傳遞 //void moveFront(int x ,int y) //{ // x = x + 2;
css重構之旅（一）
rdquo lan set 變化 部分 網站 一個 寬度 lang css重構之旅 >前言： 今年我大一,馬上就要大二了。從高三畢業暑假到大學的這一年馬上過去，馬上迎來大二生活.學習前端也有將近一年了。一昧去追求那些視覺的效果和相對高端和新穎的技術，反而忽略了最基礎
C#多線程之旅(3)
它的 logs 更新 nth 使用 targe result 右下角 介紹 閱讀目錄 代碼下載 一、介紹 二、通過TPL進入線程池 三、不用TPL進入到線程池 v博客前言 先交代下背景，寫《C#多線程之旅》這個系列文章主要是因為以下幾個原因：1.多線程在C/S和