人工智能思维导图

标量、向量、矩阵、张量的基本定义与表示

矩阵加法、乘法、逆矩阵与转置运算规则

线性相关性、矩阵秩、特征值与特征向量概念

奇异值分解与特征分解的应用场景与原理

随机变量类型及常见分布：高斯、伯努利等

条件概率与贝叶斯定理的数学表达与应用

大数定律与中心极限定理在统计推断中的作用

最大似然估计与最大后验估计的区别与联系

假设检验流程与显著性水平的意义

导数、偏导数与梯度在优化问题中的意义

雅可比矩阵用于多变量函数的变化率分析

极值定理与梯度下降法的理论基础关联

链式法则在神经网络反向传播中的关键作用

积分在连续型概率分布计算中的基本用途

信息熵衡量随机变量不确定性的量化方式

交叉熵作为分类模型损失函数的核心原理

KL散度反映两个概率分布之间的差异程度

互信息评估特征与目标变量间的依赖强度

Python在AI开发中的主导地位与生态优势

NumPy与SciPy支持高效数值计算与科学运算

Pandas提供结构化数据处理与分析能力

Matplotlib与Seaborn实现数据可视化呈现

数组与链表在内存存储与访问效率上的权衡

栈与队列在算法设计中体现的先进后出/先入先出原则

二叉树与决策树结构在模型构建中的映射关系

图结构描述复杂对象间关系的建模能力

哈希表通过哈希函数实现O(1)级别查找性能

分治策略将复杂问题递归分解为子问题求解

动态规划利用重叠子问题与最优子结构特性

贪心算法在局部最优选择中逼近全局解

快速排序与归并排序的时间复杂度对比分析

二分搜索适用于有序序列的高效检索机制

DFS与BFS在图遍历与路径探索中的不同适用场景

大O表示法刻画算法随输入规模增长的性能趋势

监督学习依赖标签数据完成分类与回归任务

无监督学习发现数据内在结构如聚类与降维

半监督学习利用少量标注提升模型泛化能力

强化学习通过奖励信号指导智能体策略优化

过拟合表现为训练误差低但泛化能力差

欠拟合指模型未能充分捕捉数据模式

偏差与方差权衡影响模型复杂度选择

特征工程包括构造、选择与转换有效输入特征

特征缩放确保不同量纲特征对模型影响均衡

数据清洗处理缺失值、异常值与重复样本

训练集、验证集、测试集划分保障评估可靠性

L1正则化促进稀疏特征选择，L2抑制权重过大

线性回归拟合输入与输出间的线性关系

逻辑回归使用Sigmoid函数建模二分类概率

决策树基于特征分割构建可解释规则路径

随机森林集成多个弱树模型降低过拟合风险

XGBoost采用梯度提升框架增强预测精度

支持向量机借助核技巧处理非线性可分问题

K-Means通过迭代优化实现数据点聚类分配

DBSCAN识别任意形状簇并排除噪声点干扰

层次聚类构建树状聚类结构便于多粒度分析

PCA利用主成分方向最大化保留数据方差

t-SNE保持高维数据局部相似性用于可视化

准确率反映整体预测正确的比例

精确率衡量预测正例中真实正例占比

召回率表示实际正例被正确识别的比例

F1-Score平衡精确率与召回率的调和平均

ROC-AUC评估分类器在不同阈值下的综合性能

MSE惩罚大误差，在回归任务中广泛使用

MAE对异常值鲁棒，体现平均预测偏差

R²说明模型解释目标变量变异的能力

轮廓系数评价聚类结果紧密性与分离度

感知机模拟生物神经元的加权求和与激活过程

Sigmoid与Tanh激活函数存在梯度饱和问题

ReLU缓解梯度消失，加速深度网络训练

Softmax将输出转化为类别概率分布

均方误差适用于回归任务的损失度量

交叉熵损失强化分类任务中预测与真实分布对齐

输入层接收原始数据，隐藏层提取抽象特征

输出层生成最终预测结果，结构依任务而定

前向传播逐层计算信号直至获得预测输出

反向传播利用链式法则传递误差梯度

SGD以单个样本梯度更新参数实现快速迭代

动量法引入惯性减少震荡，加快收敛速度

Adam结合动量与自适应学习率调节优势

卷积神经网络(CNN)

循环神经网络(RNN)

Transformer

生成对抗网络(GAN)

自编码器

词袋模型忽略语法仅统计词汇出现频率

Word2Vec与GloVe学习分布式词向量表示

文本分类实现新闻主题或情感倾向判别

情感分析挖掘用户评论中的态度极性

命名实体识别抽取人名、地名等关键信息

机器翻译实现跨语言文本书面内容转换

大语言模型基于海量语料生成连贯文本

图像分类识别整幅图像所属类别标签

YOLO与R-CNN系列实现高效目标检测定位

图像分割精细到像素级别的区域划分

人脸识别通过特征比对确认个体身份

风格迁移融合内容图与风格图创作新图像

超分辨率重建提升低质图像的空间细节

自动语音识别将口语音频转录为文字序列

文本转语音合成自然流畅的人工语音输出

AlphaGo结合蒙特卡洛树搜索与深度网络战胜人类棋手

OpenAIFive在复杂多人游戏中展现协作能力

机器人路径规划实现在动态环境中的自主导航

机械臂操控通过试错学习完成抓取装配任务

用户协同过滤基于相似用户行为推荐物品

物品协同过滤依据项目共现模式生成建议

深度学习推荐模型捕捉用户偏好非线**互

LIME通过局部近似解释黑箱模型预测原因

SHAP基于博弈论量化各特征贡献度

模型黑箱问题阻碍医疗、金融等高风险领域信任

数据偏见源于采集不均导致模型歧视特定群体

算法设计不当可能放大社会结构性不公平

群体公平性要求不同人群享有相近服务机会

个体公平性主张相似个体获得类似对待

去偏见技术包括数据重加权与对抗训练修正

差分隐私添加噪声保护个体数据不被推断

联邦学习实现数据不出本地的分布式模型训练

对抗性攻击微小扰动误导模型做出错误判断

模型鲁棒性指抵抗恶意输入维持稳定输出

自动化普及可能导致部分职业岗位被替代

深度伪造技术滥用威胁个人声誉与公共秩序

自主武器系统引发关于战争伦理的全球争议

AI治理需建立法律框架与行业伦理准则规范发展