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

  • 作者：編者:姚期智|責編:黎強//孫亞楠
  • 出版社：清華大學
  • ISBN：9787302612797
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：220
人民幣：RMB 88 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《人工智慧》選取人工智慧的9個核心方向，包括搜索、機器學習、線性回歸、決策樹、集成學習、神經網路、電腦視覺、自然語言處理與強化學習，系統梳理關鍵知識點，並詳細介紹基礎原理與重要演算法，同時，加入了對前沿知識的介紹與對核心成果的分析和說明。同時，書中的每一章均配備作業題與編程練習，讓讀者們在練習當中加深對演算法與原理的理解。本書內容的選取建立在對大學人工智慧教育知識體系的完整梳理之上；章節中對原理與具體的演算法均進行了詳盡的介紹。
    本書可作為人工智慧本科生的教材，也可作為人工智慧的人門參考書。
作者介紹
編者:姚期智|責編:黎強//孫亞楠
目錄
第0章  緒論
第1章  數學基礎
  1.1  導數
    1.1.1  導數的定義
    1.1.2  高階導數與偏導數
    1.1.3  導數與函數極值
  1.2  概率論基礎
    1.2.1  事件與概率
    1.2.2  隨機變數與概率分佈
    1.2.3  期望、方差與協方差
  1.3  矩陣基礎
  習題
第2章  搜索
  引言
  2.1  搜索問題的定義
  2.2  搜索演算法基礎
  2.3  盲目搜索
    2.3.1  圖搜索
    2.3.2  深度優先搜索
    2.3.3  寬度優先搜索
    2.3.4  複雜度分析及演算法改進
  2.4  啟髮式搜索
    2.4.1  貪婪搜索
    2.4.2  A*搜索演算法
    2.4.3  A*搜索演算法的最優性
    2.4.4  啟發函數的設計
    2.4.5  雙向搜索
  2.5  局部搜索
    2.5.1  爬山法
    2.5.2  模擬退火
    2.5.3  遺傳演算法
  2.6  對抗搜索
    2.6.1  極小極大搜索
    2.6.2  Alpha-Beta剪枝搜索
    2.6.3  蒙特卡羅樹搜索
  本章總結
  歷史回顧
  習題
第3章  機器學習
  引言
  3.1  監督學習的概念
  3.2  數據集與損失函數
  3.3  泛化
  3.4  過擬合與欠擬合
  3.5  創建數據集
  3.6  無監督學習與半監督學習
    3.6.1  K平均演算法
    3.6.2  譜聚類演算法
  本章總結
  歷史回顧

  習題
  參考文獻
第4章  線性回歸
  引言
  4.1  線性回歸
  4.2  優化方法
  4.3  二分類問題
  4.4  多分類問題
  4.5  嶺回歸
  4.6  套索回歸
  4.7  支持向量機演算法
  本章總結
  習題
第5章  決策樹模型
  引言
  5.1  決策樹的例子
  5.2  決策樹的定義
  5.3  決策樹的訓練演算法
    5.3.1  葉子預測值的計算
    5.3.2  分割條件的選取
    5.3.3  決策樹結構的選擇
    5.3.4  防止過擬合
    5.3.5  偽代碼
    5.3.6  缺失值處理
    5.3.7  離散型特徵處理方法與特徵工程
  本章總結
  歷史回顧
  習題
  參考文獻
第6章  集成學習
  引言
  6.1  集成學習
    6.1.1  一個理想化模型
    6.1.2  引導聚集方法
    6.1.3  提升演算法
  6.2  隨機森林
    6.2.1  隨機森林的演算法描述
    6.2.2  關於隨機性的探討
  6.3  梯度提升
    6.3.1  梯度提升的概念
    6.3.2  梯度提升樹
    6.3.3  GBDT中的防過擬合方法
    6.3.4  GBDT的高效開源實現
  本章總結
  歷史回顧
  習題
  參考文獻
第7章  神經網路初步
  引言
  7.1  深度線性網路

  7.2  非線性神經網路
  7.3  反向傳播計算導數
  7.4  優化器
  7.5  權值初始化
    7.5.1  Xavier初始化
    7.5.2  Kaiming初始化
  7.6  權值衰減
  7.7  權值共享與卷積
  7.8  循環神經網路
  本章總結
  歷史回顧
  習題
第8章  電腦視覺
  引言
  8.1  什麼是電腦視覺
  8.2  圖像的形成
    8.2.1  小孔相機模型
    8.2.2  數字圖像
  8.3  線性濾波器
  8.4  邊緣檢測
  8.5  立體視覺
  8.6  卷積神經網路
  8.7  物體檢測
  8.8  語義分割
  本章總結
  歷史回顧
  習題
  參考文獻
第9章  自然語言處理
  引言
  9.1  語言模型
    9.1.1  為什麼需要語言模型？什麼是語言模型？
    9.1.2  n-gram模型
    9.1.3  最大似然估計
    9.1.4  困惑度
    9.1.5  實用技巧
    9.1.6  語言模型的應用
    9.1.7  字模型與詞模型
    9.1.8  中文與英文的差別
  9.2  向量語義
    9.2.1  語義
    9.2.2  詞向量
    9.2.3  Word2vec
    9.2.4  可視化示例
  9.3  基於神經網路的語言模型處理
    9.3.1  基於神經網路的bigram模型
    9.3.2  訓練神經網路
    9.3.3  基於神經網路的n-gram模型
    9.3.4  基於LSTM的語言模型
  9.4  基於神經網路的機器翻譯

    9.4.1  Seq2Seq模型
    9.4.2  生成最佳的輸出語句: Beam Search
    9.4.3  基於注意力機制的Seq2Seq模型
    9.4.4  Transformer模型
  9.5  語言模型預訓練
    9.5.1  GPT: generative pretrained Transformer
    9.5.2  BERT: bidirectional encoder representations from Transformers
    9.5.3  判別式與生成式建模方式的討論
  本章總結
  歷史回顧
  習題
第10章  馬爾可夫決策過程與強化學習
  引言
  10.1  馬爾可夫鏈
    10.1.1  例子
    10.1.2  馬爾可夫鏈定義
    10.1.3  馬爾可夫鏈穩態分佈
  10.2  馬爾可夫決策過程
    10.2.1  路線規劃
    10.2.2  馬爾可夫決策過程的定義
  10.3  馬爾可夫決策過程的求解演算法及分析
    10.3.1  馬爾可夫決策過程演算法
    10.3.2  演算法收斂性分析
  10.4  強化學習
    10.4.1  Q-Learning
    10.4.2  深度強化學習
  本章總結
  歷史回顧
  參考文獻
  習題
附錄A  數學基礎
  A.1  導數
  A.2  概率
  A.3  矩陣

  • 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