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

人工智慧應用教程(雙色印刷)

  • 作者：編者:王萬良//王錚|責編:龍啟銘
  • 出版社：清華大學
  • ISBN：9787302628194
  • 出版日期：2023/03/01
  • 裝幀：平裝
  • 頁數：318
人民幣：RMB 59.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書全面介紹人工智慧的基本理論、技術及應用。全書共10章，主要內容包括人工智慧概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳演算法、群智能演算法、人工神經網路、機器學習與深度學習、專家系統、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調人工智慧知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工智慧的主要思想和應用人工智慧技術解決專業領域問題的基本技術，培養創新精神。本書的適用對象廣泛，可作為高等學校各專業「人工智慧基礎」課程的教材，也可供對人工智慧技術感興趣的廣大讀者閱讀。
作者介紹
編者:王萬良//王錚|責編:龍啟銘
    王萬良，工學博士，二級教授，博士生導師，國務院政府特殊津貼專家，國家教學名師，國家「萬人計劃」首批教學名師，浙江省傑出教師。現任教育部高等學校電腦類專業教學指導委員會委員、浙江省高等學校電腦類專業教學指導委員會副主任、全國高校大數據教育聯盟副理事長、中國人工智慧學會理事、中國自動化學會理事、智慧教育專業委員會主任、浙江省可視媒體智能處理技術研究重點實驗室主任、浙江省電腦學會副理事長、浙江省電腦應用與教育學會副理事長、浙江省人工智慧學會副理事長、杭州市電腦學會理事長、杭州市人工智慧學會副理事長。
目錄
第1章  人工智慧概論
  1.1  你了解人類的智能嗎
    1.1.1  智能的概念
    1.1.2  智能的特徵
  1.2  人工智慧的孕育和誕生
    1.2.1  人工智慧的孕育期
    1.2.2  人工智慧的誕生——達特茅斯會議
    1.2.3  人工智慧的定義與圖靈測試
  1.3  人工智慧的發展
    1.3.1  人工智慧的形成期
    1.3.2  幾起幾落的曲折發展期
    1.3.3  大數據驅動的飛速發展期
  1.4  從兩場標誌性人機博弈看人工智慧的發展
    1.4.1  人工智慧研究中的「小白鼠」
    1.4.2  「深藍」戰勝國際象棋棋王卡斯帕羅夫
    1.4.3  阿爾法狗無師自通橫掃世界圍棋大師
  1.5  人工智慧研究的基本內容
  1.6  人工智慧的主要應用領域
  1.7  人工智慧倫理
    1.7.1  人工智慧倫理的提出與發展
    1.7.2  人工智慧倫理的典型案例與成因分析
    1.7.3  人工智慧倫理的治理原則
    1.7.4  人工智慧倫理的治理措施
  1.8  本章小結
  討論題
第2章  知識表示與知識圖譜
  2.1  你了解人類知識嗎
    2.1.1  什麼是知識
    2.1.2  知識的相對正確性
    2.1.3  知識的不確定性
    2.1.4  電腦表示知識的方法
  2.2  一階謂詞邏輯表示法
    2.2.1  命題
    2.2.2  謂詞
    2.2.3  謂詞公式
    2.2.4  一階謂詞邏輯知識表示方法
    2.2.5  一階謂詞邏輯表示法的特點
  2.3  產生式表示法
    2.3.1  產生式
    2.3.2  產生式系統
    2.3.3  產生式表示法的特點
  2.4  框架表示法
    2.4.1  框架的一般結構
    2.4.2  用框架表示知識的例子
    2.4.3  框架表示法的特點
  2.5  知識圖譜
    2.5.1  知識圖譜的提出
    2.5.2  知識圖譜的定義
    2.5.3  知識圖譜的表示
    2.5.4  知識圖譜的架構

    2.5.5  知識圖譜的典型應用
  2.6  本章小結
  討論題
  習題
第3章  模擬人類思維的推理方法
  3.1  推理的定義
  3.2  推理的分類
    3.2.1  從推出知識的路徑分類
    3.2.2  從知識的確定性分類
  3.3  推理的方向
    3.3.1  正向推理
    3.3.2  逆向推理
    3.3.3  混合推理
  3.4  推理中的衝突消解策略
  3.5  基於謂詞邏輯的確定性推理
    3.5.1  自然演繹推理
    3.5.2  魯濱遜歸結原理
    3.5.3  歸結反演
    3.5.4  歸結求解
  3.6  基於統計分析的不確定性推理
    3.6.1  不確定性推理的概念
    3.6.2  可信度方法
    3.6.3  可信度方法舉例
  3.7  基於模糊理論的不確定性推理
    3.7.1  模糊邏輯的提出與發展
    3.7.2  模糊集合的定義與表示
    3.7.3  隸屬函數
    3.7.4  模糊關係
    3.7.5  模糊關係的合成
    3.7.6  模糊推理
    3.7.7  模糊決策
    3.7.8  模糊推理的應用
  3.8  本章小結
  討論題
  習題
第4章  搜索策略
  4.1  搜索的概念
  4.2  如何用狀態空間表示搜索對象
    4.2.1  狀態空間知識表示方法
    4.2.2  狀態空間的圖描述
  4.3  回溯策略
  4.4  盲目的圖搜索策略
    4.4.1  寬度優先搜索策略
    4.4.2  深度優先搜索策略
  4.5  啟髮式圖搜索策略
    4.5.1  啟髮式策略
    4.5.2  啟發信息和估價函數
    4.5.3  A搜索演算法
    4.5.4  A*搜索演算法
    4.5.5  蒙特卡洛樹搜索演算法

  4.6  本章小結
  討論題
  習題
第5章  模擬生物進化的遺傳演算法
  5.1  進化演算法的生物學背景
  5.2  遺傳演算法
    5.2.1  遺傳演算法的發展歷史
    5.2.2  遺傳演算法的基本思想
    5.2.3  編碼
    5.2.4  種群設定
    5.2.5  適應度函數
    5.2.6  選擇
    5.2.7  交叉
    5.2.8  變異
  5.3  遺傳演算法的主要改進演算法
    5.3.1  雙倍體遺傳演算法
    5.3.2  雙種群遺傳演算法
    5.3.3  自適應遺傳演算法
  5.4  基於遺傳演算法的生產調度方法
    5.4.1  基於遺傳演算法的流水車間調度方法
    5.4.2  基於遺傳演算法的混合流水車間調度方法
  5.5  本章小結
  討論題
  習題
第6章  模擬生物群體行為的群智能演算法
  6.1  群智能演算法的生物學背景
  6.2  模擬鳥群行為的粒子群優化演算法
    6.2.1  基本粒子群優化演算法
    6.2.2  粒子群優化演算法的應用
  6.3  模擬蟻群行為的蟻群優化演算法
    6.3.1  蟻群優化演算法的生物學背景
    6.3.2  基本蟻群優化演算法
    6.3.3  蟻群優化演算法的應用
  6.4  本章小結
  討論題
第7章  模擬生物神經系統的人工神經網路
  7.1  人工神經元與人工神經網路
    7.1.1  生物神經元結構
    7.1.2  生物神經元的數學模型
    7.1.3  人工神經網路的結構與學習
  7.2  機器學習的先驅——赫布學習規則
  7.3  掀起人工神經網路第一次高潮的感知器
  7.4  掀起人工神經網路第二次高潮的BP學習演算法
    7.4.1  BP學習演算法的提出
    7.4.2  BP神經網路
    7.4.3  BP學習演算法
    7.4.4  BP學習演算法在模式識別中的應用
  7.5  本章小結
  討論題
  習題

第8章  機器學習與深度學習
  8.1  機器學習的基本概念
    8.1.1  學習
    8.1.2  機器學習
    8.1.3  學習系統
    8.1.4  機器學習的發展
  8.2  機器學習的分類
    8.2.1  機器學習的一般分類方法
    8.2.2  監督學習與無監督學習
    8.2.3  弱監督學習
  8.3  知識發現與數據挖掘
    8.3.1  知識發現與數據挖掘的概念
    8.3.2  知識發現的一般過程
    8.3.3  知識發現的任務
    8.3.4  知識發現的對象
  8.4  動物視覺機理與深度學習的提出
    8.4.1  淺層學習的局限性
    8.4.2  深度學習的提出
  8.5  卷積神經網路與膠囊網路
    8.5.1  卷積神經網路的結構
    8.5.2  卷積的物理、生物與生態學等意義
    8.5.3  卷積神經網路的卷積運算
    8.5.4  卷積神經網路中的關鍵技術
    8.5.5  卷積神經網路的應用
    8.5.6  膠囊網路
    8.5.7  基於深度學習的電腦視覺
  8.6  生成對抗網路及其應用
    8.6.1  生成對抗網路的基本原理
    8.6.2  生成對抗網路的結構與訓練
    8.6.3  生成對抗網路在圖像處理中的應用
    8.6.4  生成對抗網路在語言處理中的應用
    8.6.5  生成對抗網路在視頻生成中的應用
    8.6.6  生成對抗網路在醫療中的應用
  8.7  本章小結
  討論題
  習題
第9章  專家系統
  9.1  專家系統的產生和發展
  9.2  專家系統的概念
    9.2.1  專家系統的定義
    9.2.2  專家系統的特點
    9.2.3  專家系統的類型
  9.3  專家系統的工作原理
    9.3.1  專家系統的一般結構
    9.3.2  知識庫
    9.3.3  推理機
    9.3.4  綜合資料庫
    9.3.5  知識獲取機構
    9.3.6  解釋機構
    9.3.7  人機介面

  9.4  簡單的動物識別專家系統
    9.4.1  知識庫建立
    9.4.2  綜合資料庫建立和推理過程
  9.5  專家系統開發工具——骨架系統
    9.5.1  骨架系統的概念
    9.5.2  EMYCIN骨架系統
    9.5.3  KAS骨架系統
  9.6  專家系統開發環境
  9.7  本章小結
  討論題
第10章  自然語言理解
  10.1  自然語言理解的概念與發展
    10.1.1  自然語言理解的概念
    10.1.2  自然語言理解的發展歷史
  10.2  語言處理過程的層次
  10.3  機器翻譯方法概述
  10.4  循環神經網路
    10.4.1  循環神經網路的結構
    10.4.2  循環神經網路的訓練
    10.4.3  長短期記憶神經網路
  10.5  基於循環神經網路的機器翻譯
  10.6  語音識別
    10.6.1  語音識別的概念
    10.6.2  語音識別的主要過程
    10.6.3  語音識別的方法
  10.7  本章小結
  討論題
附錄A  人工智慧實驗指導書
  實驗1  產生式系統實驗
  實驗2  洗衣機模糊推理系統實驗
  實驗3  A*演算法求解N數碼問題實驗
  實驗4  A*演算法求解迷宮尋路問題實驗
  實驗5  遺傳演算法求函數最大值實驗
  實驗6  遺傳演算法求解TSP問題實驗
  實驗7  粒子群演算法求函數最小值實驗
  實驗8  蟻群演算法求解TSP問題實驗
  實驗9  BP神經網路分類實驗
  實驗10  卷積神經網路分類實驗
  實驗11  膠囊網路分類實驗
  實驗12  用生成對抗網路生成數字圖像實驗

  • 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