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

艾博士(深入淺出人工智慧)

  • 作者：編者:馬少平|責編:白立軍
  • 出版社：清華大學
  • ISBN：9787302646969
  • 出版日期：2023/10/01
  • 裝幀：平裝
  • 頁數：459
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本針對初學者介紹人工智慧基礎知識的書籍。本書採用通俗易懂的語言講解人工智慧的基本概念、發展歷程和主要方法，內容涵蓋人工智慧的核心方法，包括什麼是人工智慧、神經網路（深度學習）是如何實現的、電腦是如何學會下棋的、電腦是如何找到最優路徑的、如何用隨機演算法求解組合優化問題、統計機器學習方法是如何實現分類與聚類的、專家系統是如何實現的等，每種方法都配有例題並給出詳細的求解過程，以幫助讀者理解和掌握演算法實質，提高讀者解決實際問題的能力，
    此外，本書可以幫助人工智慧的開發人員理解各種演算法背後的基本原理。書中的講解方法和示例，有助於相關課程的教師講解相關概念和演算法
    總之，這是一本實用性強、通俗易懂的人工智慧入門教材，適合不同背景的讀者學習和使用。
作者介紹
編者:馬少平|責編:白立軍
    馬少平，清華大學電腦系教授，博世知識表示與推理冠名教授，現任清華大學「天工」智能計算研究院常務副院長，人工智慧研究院信息獲取研究中心主任，中國人工智慧學會副監事長，中國中文信息學會副理事長，長期從事智能信息處理工作，在信息檢索、推薦系統方面取得了優秀成果。同時，馬少平教授從事人工智慧導論的教學工作長達20多年，在人工智慧教育領域有豐富經驗。
目錄
第0篇  什麼是人工智慧
  0.1  人工智慧的誕生
  0.2  人工智慧的4個發展時代
    0.2.1  初期時代
    0.2.2  知識時代
    0.2.3  特徵時代
    0.2.4  數據時代
  0.3  什麼是人工智慧
  0.4  圖靈測試與中文屋子問題
    0.4.1  圖靈測試
    0.4.2  中文屋子問題
  0.5  第三代人工智慧
  0.6  總結
第1篇  神經網路是如何實現的
  1.1  從數字識別談起
  1.2  神經元與神經網路
  1.3  神經網路是如何訓練的
  1.4  卷積神經網路
  1.5  梯度消失問題
  1.6  過擬合問題
  1.7  詞向量
    1.7.1  詞的向量表示
    1.7.2  神經網路語言模型
    1.7.3  word2vec模型
    1.7.4  詞向量應用舉例
  1.8  循環神經網路
  1.9  長短期記憶網路
  1.10  深度學習框架
  1.11  總結
第2篇  電腦是如何學會下棋的
  2.1  能窮舉嗎？
  2.2  極小-極大模型
  2.3  α-β剪枝演算法
  2.4  蒙特卡洛樹搜索
  2.5  AlphaGo是如何下棋的
  2.6  圍棋中的深度強化學習方法
    2.6.1  基於策略梯度的強化學習
    2.6.2  基於價值評估的強化學習
    2.6.3  基於演員-評價方法的強化學習
  2.7  AlphaGo Zero是如何自學成才的
  2.8  總結
第3篇  電腦是如何找到最優路徑的
  3.1  路徑搜索問題
  3.2  寬度優先搜索演算法
  3.3  迪傑斯特拉演算法
  3.4  啟髮式搜索
    3.4.1  A演算法
    3.4.2  A?演算法
    3.4.3  定義h函數的一般原則
    3.4.4  h函數的評價

    3.4.5  A?演算法存在的不足
    3.4.6  單調的h函數
    3.4.7  改進的A?演算法
  3.5  深度優先搜索演算法
  3.6  迭代加深式搜索演算法
    3.6.1  迭代加深式寬度優先搜索演算法
    3.6.2  迭代加深式A?演算法
  3.7  動態規劃與Viterbi演算法
  3.8  拼音輸入法問題
  3.9  總結
第4篇  如何用隨機演算法求解組合優化問題
  4.1  組合優化問題
  4.2  局部搜索演算法
  4.3  局部搜索演算法存在的問題
  4.4  退火過程及分析
    4.4.1  退火現象
    4.4.2  退火過程分析
  4.5  模擬退火演算法
  4.6  模擬退火演算法的參數選擇
    4.6.1  起始溫度t0的選取
    4.6.2  溫度的下降方法
    4.6.3  每一溫度下的停止準則
    4.6.4  演算法的終止原則
  4.7  模擬退火演算法應用舉例
  4.8  遺傳演算法
  4.9  遺傳演算法應用舉例
  4.10  遺傳演算法的實現問題
    4.10.1  編碼問題
    4.10.2  二進位編碼的交叉操作規則
    4.10.3  整數編碼的交叉操作規則
    4.10.4  變異規則
    4.10.5  適應函數
    4.10.6  遺傳演算法的停止準則
  4.11  用遺傳演算法求解旅行商問題
  4.12  性能評價問題
  4.13  模擬退火演算法與遺傳演算法的對比
  4.14  總結
第5篇  統計機器學習方法是如何實現分類與聚類的
  5.1  統計學習方法
  5.2  樸素貝葉斯方法
  5.3  決策樹
    5.3.1  決策樹演算法——ID3演算法
      5.3.2決策樹  演算法
    5.3.3  過擬合問題與剪枝
    5.3.4  隨機森林演算法
  5.4  k近鄰方法
  5.5  支持向量機
    5.5.1  什麼是支持向量機
    5.5.2  線性可分支持向量機
    5.5.3  線性支持向量機

    5.5.4  非線性支持向量機
    5.5.5  核函數與核方法
    5.5.6  支持向量機用於多分類問題
  5.6  k均值聚類演算法
  5.7  層次聚類演算法
  5.8  DBSCAN聚類演算法
  5.9  驗證與測試問題
  5.10  特徵抽取問題
  5.11  總結
第6篇  專家系統是如何實現的
  6.1  什麼是專家系統
  6.2  推理方法
  6.3  一個簡單的專家系統
  6.4  非確定性推理
    6.4.1  事實的表示
    6.4.2  規則的表示
    6.4.3  邏輯運算
    6.4.4  規則運算
    6.4.5  規則合成
    6.4.6  置信度方法的理論根據
  6.5  黑板模型
  6.6  知識的結構化表示
    6.6.1  語義網路
    6.6.2  框架
  6.7  專家系統工具
  6.8  專家系統的應用
  6.9  專家系統的局限性
  6.10  總結
附錄A  BP演算法
  A.1  求導數的鏈式法則
  A.2  符號約定
  A.3  對於輸出層的神經元
  A.4  對於隱含層的神經元
  A.5  BP演算法——隨機梯度下降版
附錄B  序列最小最優化（SMO）演算法
  B.1  SMO演算法的基本思想
  B.2  SMO演算法的詳細計算過程

  • 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