博文 - 班级博客

离散数学（Discrete Mathematics）在人工智能中的核心应用离散数学是研究离散结构（如命题、集合、图、序列）的数学分支，是AI处理结构化知识、逻辑推理、离散数据建模的基础。从专家系统的规则库到图神经网络的拓扑结构，从决策树的逻辑判断到强化学习的状态转移，均以离散数学为底层框架。 1.

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:55  0  49

离散数学（Discrete Mathematics）在人工智能中的核心应用离散数学是研究离散结构（如命题、集合、图、序列）的数学分支，是AI处理结构化知识、逻辑推理、离散数据建模的基础。从专家系统的规则库到图神经网络的拓扑结构，从决策树的逻辑判断到强化学习的状态转移，均以离散数学为底层框架。 1.

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:55  0  49

离散数学（Discrete Mathematics）在人工智能中的核心应用离散数学是研究离散结构（如命题、集合、图、序列）的数学分支，是AI处理结构化知识、逻辑推理、离散数据建模的基础。从专家系统的规则库到图神经网络的拓扑结构，从决策树的逻辑判断到强化学习的状态转移，均以离散数学为底层框架。 1.

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:55  0  49

离散数学（Discrete Mathematics）在人工智能中的核心应用离散数学是研究离散结构（如命题、集合、图、序列）的数学分支，是AI处理结构化知识、逻辑推理、离散数据建模的基础。从专家系统的规则库到图神经网络的拓扑结构，从决策树的逻辑判断到强化学习的状态转移，均以离散数学为底层框架。 1.

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:55  0  49

图论（Graph Theory）在人工智能中的核心应用图论是描述“对象关联关系”的数学工具，通过顶点（实体）和边（关系）构建离散结构，是AI处理非欧几里得数据（如社交网络、知识图谱、分子结构）的核心基础，也是图神经网络（GNN）、推荐系统等模型的底层框架。 1. 图的基本定义与表示（Graph

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:52  0  11

图论（Graph Theory）在人工智能中的核心应用图论是描述“对象关联关系”的数学工具，通过顶点（实体）和边（关系）构建离散结构，是AI处理非欧几里得数据（如社交网络、知识图谱、分子结构）的核心基础，也是图神经网络（GNN）、推荐系统等模型的底层框架。 1. 图的基本定义与表示（Graph

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:52  0  11

图论（Graph Theory）在人工智能中的核心应用图论是描述“对象关联关系”的数学工具，通过顶点（实体）和边（关系）构建离散结构，是AI处理非欧几里得数据（如社交网络、知识图谱、分子结构）的核心基础，也是图神经网络（GNN）、推荐系统等模型的底层框架。 1. 图的基本定义与表示（Graph

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:52  0  11

图论（Graph Theory）在人工智能中的核心应用图论是描述“对象关联关系”的数学工具，通过顶点（实体）和边（关系）构建离散结构，是AI处理非欧几里得数据（如社交网络、知识图谱、分子结构）的核心基础，也是图神经网络（GNN）、推荐系统等模型的底层框架。 1. 图的基本定义与表示（Graph

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:52  0  11

图论（Graph Theory）在人工智能中的核心应用图论是描述“对象关联关系”的数学工具，通过顶点（实体）和边（关系）构建离散结构，是AI处理非欧几里得数据（如社交网络、知识图谱、分子结构）的核心基础，也是图神经网络（GNN）、推荐系统等模型的底层框架。 1. 图的基本定义与表示（Graph

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:52  0  11

图论（Graph Theory）在人工智能中的核心应用图论是描述“对象关联关系”的数学工具，通过顶点（实体）和边（关系）构建离散结构，是AI处理非欧几里得数据（如社交网络、知识图谱、分子结构）的核心基础，也是图神经网络（GNN）、推荐系统等模型的底层框架。 1. 图的基本定义与表示（Graph

 电气工程及其自动化(华北电力大学 - 电气工程及其自动化)  何苦->  2025-10-28 00:52  0  11

人工智能中的优化理论核心知识（Optimization Theory for AI）优化理论是AI模型训练的“引擎”，核心是通过数学方法找到使目标函数（如损失函数）达到极值的参数取值。从线性回归的闭式解到深度学习的Adam优化，所有模型训练本质都是求解优化问题。 1. 优化问题的基本框架（Basi