【计算机科学】
人工智能自主学习算法研究
项目介绍
正式科研：1v1线上定制辅导
项目收获：科研报告、导师推荐信
科研补充包：48课时科研基础课+15课时学术写作基础课
涉及领域
本课题涉及到 人工智能 | 深度学习 | 下降算法 | 强化学习 等方面的知识，适合申请 统计学 | 算法 | 应用数学 | 人工智能 | 深度学习 | 强化学习 | 计算机科学 等相关专业的学生
适合人群
有意提高自身知识水平及学术能力的学生
有意掌握最前沿科研热点及科研方法的学生
有留学意向、跨专业深造的学生
研究前沿性
人工智能因其强大的学习能力现今已渗透到各个领域，而这正是源于其对相关数据强大的统计学把控。大数据是几乎所有人工智能应用实现的基本支撑，在此基础上，深度学习与强化学习着眼于对样本数据的深度利用，数据科学着眼于可供利用的数据池的广度与精度，数据挖掘着眼于数据信息的潜在价值，这些相关研究共同为人工智能提供了优质的数据食粮，而这些可供学习的数据最终被人工智能消化吸收，在智慧程度上更进一步，依托的正是先进的下降算法。本项目探讨现今较为常用的几类下降算法，分析其特点以及在人工智能学习过程中的应用情况，对提高人工智能学习效率与学习强度有着重要意义。
研究介绍
本项目首先会介绍人工智能的一些应用实例与常用的下降算法。学生需要通过阅读相关文献对人工智能的实例进行深入学习，分析其应用背景的特点与人工智能在该领域应用的主要难点。通过比较既有研究在该方面的成果，分析不同下降算法对于人工智能在该问题上的学习效率与学习强度的影响。进一步地，学生需要深入分析人工智能的网络结构与下降算法的协调性，对网络结构的优化方向进行深入思考，同时考察如何优化下降算法以适配更为复杂的学习结构。最终在同类型数据集上进行数值实验，并与既有成果进行比较，对人工智能的学习性能优化提出指导性意见。
课题要点
课题研究方法
编程、数学建模、数值实验、参数分析、算法优化等
课题难点
需要对人工智能有一定兴趣，了解部分深度学习算法与下降算法，并有一定的编程基础
1v1定制化辅导参考任务
任务一
掌握查阅文献和研究方法
掌握查阅文献和面向文献学习的方法;
掌握文献管理的方法;
通过查阅文献，学习该方向的研究热点和方向;
掌握快速提炼文献重要信息的方法。
任务二
了解人工智能的结构特点与适用领域
查找人工智能实例;
分析人工智能算法结构;
分析人工智能如何处理特定领域的问题。
任务三
学习下降算法
学习各类常用下降算法;
分析比较各下降算法特点与适用条件;
掌握下降算法在人工智能学习中起到的作用。
任务四
针对特定问题，进行算法实验
从相关文献出发，尝试复现文中的人工智能算法;
分析下降算法在其中起到的学习作用;
分析该例子中的优势与缺点，针对性的探讨算法结构与下降算法的优化空间。
任务五
优化算法结构与下降算法，进行实证分析与比较
尝试改良算法结构与下降算法;
进行数值实验，产出数值结果，与原结果进行分析比较;
基于数值结果，对如何优化人工智能的学习能力进行探讨。
任务六
项目收尾
撰写整体报告;
准备一次20~30分钟的presentation。
(以上任务仅供参考，实际辅导根据定制化要求展开)
