幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧導論(高等院校電氣信息類專業互聯網+創新規劃教材)

  • 作者：編者:李雲紅|責編:巨程暉//鄭雙
  • 出版社：北京大學
  • ISBN：9787301323052
  • 出版日期：2021/07/01
  • 裝幀：平裝
  • 頁數：187
人民幣：RMB 39 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書旨在通過介紹人工智慧研究領域的核心知識、最新進展和發展方向，使學生建立起對人工智慧的總體認識，為其進入人工智慧各分支領域進行研究和應用奠定良好的基礎。本書對人工智慧領域所涉及的研究內容，以及針對各研究內容所採取的解決方法進行介紹，闡述了當前人工智慧的研究熱點，包括人工智慧與智能體、智能機器人和互聯網智能等，探討類腦智能，展望人工智慧的發展。本書力求體現科學性、實用性和先進性，內容安排循序漸進、條理清晰，能夠幫助學生快速了解人工智慧的發展過程與基本知識，熟悉人工智慧產業的發展現狀與市場需求，提升人工智慧的應用能力。
    本書可以作為高等院校人工智慧、智能科學與技術、電腦科學與技術、機器人工程等相關專業的本科生及研究生教材，也可以供從事人工智慧研究與應用的科技人員學習參考。
作者介紹
編者:李雲紅|責編:巨程暉//鄭雙
目錄
第1章  緒論
  1.1  什麼是智能
  1.2  什麼是人工智慧
    1.2.1  強人工智慧與弱人工智慧
    1.2.2  人工智慧與人類智能
    1.2.3  人工智慧的研究和應用領域
  1.3  大數據和人工智慧
    1.3.1  大數據的概念
    1.3.2  大數據技術在人工智慧中的應用優勢
    1.3.3  大數據在人工智慧中的具體應用
  1.4  工智能的起源與發展
    1.4.1  孕育期（1950年以前）
    1.4.2  形成期（1951-1969年）
    1.4.3  知識工程時期（1970-1990年）
    1.4.4  發展期（1991年至今）
  1.5  工智能研究的基本內容
    1.5.1  認知建模
    1.5.2  知識表示
    1.5.3  自動推理
    1.5.4  機器學習
  1.6  人工智慧的實現途徑
    1.6.1  符號主義
    1.6.2  連接主義
    1.6.3  學習主義
    1.6.4  行為主義
    1.6.5  進化主義
    1.6.6  群體主義
  1.7  人工智慧的應用
  本章小結
  習題
第2章  機器學習
  2.1  機器學習概述
    2.1.1  簡單的學習模型
    2.1.2  什麼是機器學習
    2.1.3  機器學習知識點梳理
    2.1.4  機器學習的研究概況
  2.2  歸納學習
    2.2.1  歸納學習的基本概念
    2.2.2  變型空間方法
    2.2.3  決策樹方法
  2.3  類比學習
    2.3.1  相似性
    2.3.2  轉換類比
    2.3.3  基於案例的推理
    2.3.4  遷移學習
  2.4  統計學習
    2.4.1  邏輯回歸
    2.4.2  支持向量機
    2.4.3  提升演算法
  2.5  強化學習

    2.5.1  強化學習模型
    2.5.2  學習自動機
    2.5.3  自適應動態程序設計
    2.5.4  Q-學習
  2.6  進化計算
    2.6.1  進化演算法
    2.6.2  遺傳演算法
    2.6.3  進化策略
    2.6.4  進化規劃
  2.7  群體智能
    2.7.1  蟻群演算法
    2.7.2  粒子群優化演算法
  2.8  知識發現
  本章小結
  習題
第3章  神經網路
  3.1  神經網路概述
    3.1.1  神經網路簡介
    3.1.2  神經網路的發展歷史
  3.2  神經信息處理的基本原理
  3.3  感知機
    3.3.1  基本神經元
    3.3.2  感知機模型
  3.4  前饋神經網路
    3.4.1  前饋神經網路模型
    3.4.2  誤差反向傳播演算法
  3.5  Hopfield神經網路
    3.5.1  離散型Hopfield神經網路
    3.5.2  連續型Hopfield神經網路
  3.6  隨機神經網路
    3.6.1  模擬退火演算法
    3.6.2  玻爾茲曼機
  3.7  深度學習
    3.7.1  人腦視覺機理
    3.7.2  自編碼器
    3.7.3  受限玻爾茲曼機
    3.7.4  深度信念網路
  3.8  自組織神經網路
    3.8.1  自組織特徵映射網路模型
    3.8.2  網路自組織演算法模型
    3.8.3  監督學習
  本章小結
  習題
第4章  專家系統
  4.1  專家系統概述
    4.1.1  專家系統的特點
    4.1.2  專家系統的類型
    4.1.3  專家系統的發展歷史
  4.2  專家系統的基本結構
  4.3  專家系統MYCIN

    4.3.1  數據的表示
    4.3.2  控制策略
  4.4  專家系統工具CLIPS
    4.4.1  知識表示
    4.4.2  CLIPS的運行
  4.5  專家系統工具JESS
    4.5.1  知識表示和基本組成
    4.5.2  JESS的開發
  4.6  專家系統工具0KPS
    4.6.1  知識表示
    4.6.2  推理控制語言
  4.7  專家系統的建立
    4.7.1  專家系統的設計原則
    4.7.2  專家系統的開發步驟
    4.7.3  專家系統的評價
  4.8  新型專家系統
    4.8.1  新型專家系統的特徵
    4.8.2  分散式專家系統
    4.8.3  協同式專家系統
    4.8.4  基於免疫計算的專家系統
  本章小結
  習題
第5章  智能機器人
  5.1  智能機器人概述
    5.1.1  智能機器人的特點
    5.1.2  智能機器人的分類
    5.1.3  智能機器人的研究現狀
    5.1.4  智能機器人的關鍵技術
  5.2  智能機器人的體系結構
  5.3  機器人視覺系統
    5.3.1  機器人視覺技術的發展歷程
    5.3.2  機器人視覺系統的特點
    5.3.3  機器人視覺系統的功能
    5.3.4  機器人視覺系統的應用
  5.4  機器人規劃系統
  5.5  情感機器人
    5.5.1  概述
    5.5.2  情感機器人的發展歷程
    5.5.3  情感機器人的理論障礙
    5.5.4  情感機器人的發展狀態
    5.5.5  情感機器人對社會的影響及產生的問題
  5.6  教育機器人
    5.6.1  概述
    5.6.2  教育機器人的應用
    5.6.3  教育機器人的發展目標
    5.6.4  教育機器人的發展趨勢
  5.7  服務機器人
    5.7.1  概述
    5.7.2  服務機器人的特點
    5.7.3  服務機器人的發展目標

    5.7.4  服務機器人的發展趨勢
  5.8  智能機器人的應用
    5.8.1  軍用機器人
    5.8.2  民用機器人
    5.8.3  機器人世界盃
  5.9  智能機器人的發展趨勢
  本章小結
  習題
第6章  類腦智能
  6.1  類腦智能概述
    6.1.1  類腦智能的定義
    6.1.2  類腦智能的形成
    6.1.3  類腦智能的未來發展
    6.1.4  類腦智能的應用
  6.2  大數據智能
    6.2.1  大數據的定義
    6.2.2  大數據智能的定義
    6.2.3  大數據智能的發展
  6.3  認知計算
  6.4  神經形態晶元
  6.5  類腦智能路線圖
  本章小結
  習題
附錄  常用人工智慧英漢術語
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032