引言 机械工业在现代化建设中的作用 机器的基本组成要素 本课程的内容、特点、性质与任务 认识机器

烟台理工学院：《机器人操作系统》课程教学资源（PPT课件讲稿）第1章 用于机器人的Ubuntu linux

烟台理工学院：《机器人操作系统》课程教学资源（PPT课件讲稿）第3章 机器人编程的Python基础知识

烟台理工学院：《机器人操作系统》课程教学资源（PPT课件讲稿）第2章 机器人编程的C++基础知识

5.1 时变位置和姿态的符号表示 5.2 刚体的线速度和角速度 5.3 机器人连杆的运动 5.4 雅可比矩阵 5.5 机械臂中的静力

6.1 机器学习概述 6.2 符号学习 6.3 神经网络学习 6.4 知识发现与数据挖掘

$7.0 什么是机器学习 $7.1 相关关系和相关系数(correlation and correlation coefficient) $7.2 相关系数的显著性检验 $7.3 线性回归和非线性回归 $7.4 一元线性回归线的置信区间 $7.5 多元二项式回归的Matalab实现 $7.6 回归方程的拟合检验 $7.7 Logistic Regression (Intuition) $7.8 Support Vector Machines (支持向量机) $7.9 Training, Validation, and Test

《人工智能导论》为计算机科学技术专业和软件工程专业的一门选修课，其目的是使学生初步了解人工智能的基本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基础。本课程的具体要求为： 1. 了解人工智能的基本概念、分支领域及其发展概况； 2. 理解知识表示及其推理的基本原理，掌握其基本技术； 3. 理解基于搜索的问题求解基本原理，掌握其基本技术； 4. 理解机器学习、知识发现的基本原理；初步掌握其基本方法； 5. 学会一种人工智能程序语言，掌握简单的智能程序设计方法； 6. 能综合运用所学知识，设计实现一个小型专家系统。 教学重点、难点： 1. 搜索与问题求解； 2. 知识表示及其推理； 3. 机器学习与知识发现； 4. 专家系统原理与设计

02 非参数分析的重要性 03 什么是非参数分析 (Nonparametric Analysis) 04 全局平滑法 (Global Smoothing) 目录 01 导论 06 非参数方法与机器学习 07 结论 08 05 局部平滑法 (Local Smoothing)

5.1 时变位置和姿态的符号表示 5.2 刚体的线速度和角速度 5.3 机器人连杆的运动 5.4 雅可比矩阵 5.5 机械臂中的静力