feat: update docs and components, fix DLQ demo bug
This commit is contained in:
@@ -21,14 +21,18 @@
|
||||
这被称为**专家系统 (Expert Systems)**。
|
||||
|
||||
### 1.1 什么是"基于规则"?
|
||||
|
||||
就像教小孩:
|
||||
* 如果看到红灯,就停下。
|
||||
* 如果下雨,就带伞。
|
||||
|
||||
- 如果看到红灯,就停下。
|
||||
- 如果下雨,就带伞。
|
||||
|
||||
### 1.2 交互演示:规则 vs 学习
|
||||
|
||||
下方的演示展示了两种方式的区别。
|
||||
* **左边 (规则)**:你必须显式地写代码 `if (size > 6)`。如果世界变了(比如苹果变小了),你的代码就失效了。
|
||||
* **右边 (学习)**:你不需要写规则。你只需要给机器看一堆苹果和樱桃的数据,点击 **Train**,它自己会"悟"出一个分界线。
|
||||
|
||||
- **左边 (规则)**:你必须显式地写代码 `if (size > 6)`。如果世界变了(比如苹果变小了),你的代码就失效了。
|
||||
- **右边 (学习)**:你不需要写规则。你只需要给机器看一堆苹果和樱桃的数据,点击 **Train**,它自己会"悟"出一个分界线。
|
||||
|
||||
<RuleBasedVsLearningDemo />
|
||||
|
||||
@@ -44,6 +48,7 @@
|
||||
科学家开始模仿人脑的结构——**神经元**。
|
||||
|
||||
### 2.1 感知机 (Perceptron)
|
||||
|
||||
这是最简单的神经元模型。它接收多个输入,根据**权重 (Weight)** 加权求和,如果超过某个**阈值 (Bias)**,就激活。
|
||||
|
||||
$$ Output = \begin{cases} 1 & \text{if } \sum (w_i \cdot x_i) + b > 0 \\ 0 & \text{otherwise} \end{cases} $$
|
||||
@@ -51,9 +56,11 @@ $$ Output = \begin{cases} 1 & \text{if } \sum (w_i \cdot x_i) + b > 0 \\ 0 & \te
|
||||
听起来很复杂?动手试一下!
|
||||
|
||||
### 2.2 交互演示:玩转神经元
|
||||
|
||||
调整下方的 **Weights (权重)** 和 **Bias (偏置)**,看看能否控制神经元的输出。
|
||||
* **Weights ($w$)**:代表输入的"重要性"。$w$ 越大,这个输入对结果影响越大。
|
||||
* **Bias ($b$)**:代表神经元的"门槛"。$b$ 越小,神经元越容易兴奋(输出 1)。
|
||||
|
||||
- **Weights ($w$)**:代表输入的"重要性"。$w$ 越大,这个输入对结果影响越大。
|
||||
- **Bias ($b$)**:代表神经元的"门槛"。$b$ 越小,神经元越容易兴奋(输出 1)。
|
||||
|
||||
<PerceptronDemo />
|
||||
|
||||
@@ -74,10 +81,10 @@ $$ Output = \begin{cases} 1 & \text{if } \sum (w_i \cdot x_i) + b > 0 \\ 0 & \te
|
||||
|
||||
## 4. 总结
|
||||
|
||||
| 时代 | 核心理念 | 代表产物 | 局限 |
|
||||
| :--- | :--- | :--- | :--- |
|
||||
| **符号主义** | 智慧 = 规则 | 深蓝 (下棋), 医疗诊断系统 | 无法处理模糊、复杂的现实世界 |
|
||||
| **连接主义** | 智慧 = 神经网络 | AlphaGo, 人脸识别 | 需要海量数据,是个"黑盒" |
|
||||
| **生成式 AI** | 智慧 = 通用理解 | ChatGPT, Midjourney | 幻觉 (一本正经胡说八道) |
|
||||
| 时代 | 核心理念 | 代表产物 | 局限 |
|
||||
| :------------ | :-------------- | :------------------------ | :--------------------------- |
|
||||
| **符号主义** | 智慧 = 规则 | 深蓝 (下棋), 医疗诊断系统 | 无法处理模糊、复杂的现实世界 |
|
||||
| **连接主义** | 智慧 = 神经网络 | AlphaGo, 人脸识别 | 需要海量数据,是个"黑盒" |
|
||||
| **生成式 AI** | 智慧 = 通用理解 | ChatGPT, Midjourney | 幻觉 (一本正经胡说八道) |
|
||||
|
||||
AI 的进化,就是从"人工设定规则"到"机器自动学习数据"的过程。
|
||||
|
||||
Reference in New Issue
Block a user