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

人工智慧概論/中國科學院大學研究生教材系列

  • 作者：編者:趙亞偉//姚鄭|責編:于海雲
  • 出版社：科學
  • ISBN：9787030769565
  • 出版日期：2023/11/01
  • 裝幀：平裝
  • 頁數：299
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統地介紹了人工智慧的基本概念、主要方法及代表性模型演算法。本書根據人工智慧的知識體系，在兼顧傳統的人工智慧方法的基礎上，重點突出前沿性內容，並對自動推理、遺傳演算法、神經網路、啟髮式優化、機器學習、異常檢測、梯度下降、邏輯回歸、反向傳播、卷積網路、語言模型、詞向量等常見技術進行詳細闡述和討論。本書結合應用安排了示例和例題，以加深讀者對關鍵知識點的理解。
    本書可作為高等院校非電腦類專業的研究生或高年級本科生人工智慧課程的教材，也可作為從事人工智慧研究和應用的科技工作者的參考書。
作者介紹
編者:趙亞偉//姚鄭|責編:于海雲
目錄
第1章  人工智慧概念與發展
  1.1  人工智慧概念
    1.1.1  定義
    1.1.2  判斷方法
    1.1.3  模型
    1.1.4  表示
    1.1.5  推理
    1.1.6  學習
    1.1.7  優化
    1.1.8  深度學習
  1.2  人工智慧的發展簡史
    1.2.1  人工智慧的提出
    1.2.2  推理與證明
    1.2.3  危機
    1.2.4  專家系統
    1.2.5  重生
  1.3  人工智慧學派
    1.3.1  符號主義
    1.3.2  連接主義
    1.3.3  行為主義
    1.3.4  另一種分類
  1.4  小結
  習題
第2章  知識表示
  2.1  基本概念
    2.1.1  數據
    2.1.2  信息
    2.1.3  知識
    2.1.4  人工智慧中的知識表示
  2.2  狀態空間圖
  2.3  問題歸約
  2.4  謂詞邏輯
    2.4.1  命題
    2.4.2  謂詞邏輯表示
  2.5  語義網路
    2.5.1  語義基元
    2.5.2  常見的語義聯繫
  2.6  不確定知識表示
  2.7  其他表示方法
    2.7.1  規則表示
    2.7.2  框架表示
    2.7.3  腳本表示
    2.7.4  面向對象表示
    2.7.5  智能體Agent
  2.8  小結
  習題
第3章  確定性與不確定性推理
  3.1  圖搜索策略
    3.1.1  盲目搜索
    3.1.2  啟髮式搜索

  3.2  命題邏輯推理
    3.2.1  完全歸納法
    3.2.2  反演法
  3.3  語義網路推理
  3.4  產生式系統
  3.5  不確定性推理
    3.5.1  事件概率
    3.5.2  貝葉斯推理
  3.6  小結
  習題
第4章  神經網路
  4.1  計算智能
  4.2  人工神經網路相關概念
    4.2.1  並行分佈處理
    4.2.2  非線性映射
    4.2.3  訓練學習
  4.3  人工神經元結構與激活函數
    4.3.1  生物神經元結構
    4.3.2  人工神經元結構
    4.3.3  神經元中的激發函數
  4.4  人工神經網路結構
    4.4.1  人工神經網路的一般結構
    4.4.2  對比生物神經網路
  4.5  前饋網路與反饋網路
    4.5.1  前饋神經網路
    4.5.2  反饋神經網路
  4.6  表示與推理
    4.6.1  基於神經網路的知識表示與推理
    4.6.2  與邏輯
    4.6.3  異或邏輯
    4.6.4  基於神經網路的推理
    4.6.5  神經網路的泛化能力
  4.7  應用領域
  4.8  小結
  習題
第5章  進化演算法
  5.1  發展背景
  5.2  進化策略
  5.3  進化規劃
  5.4  遺傳演算法
    5.4.1  染色體編碼與解碼
    5.4.2  初始種群
    5.4.3  適應度函數
    5.4.4  遺傳操作
  5.5  小結
  習題
第6章  群體智能
  6.1  發展背景
  6.2  社會系統
  6.3  粒子群演算法

    6.3.1  基本思路
    6.3.2  演算法描述
    6.3.3  慣性因子討論
    6.3.4  標準PSO演算法
  6.4  蟻群演算法
    6.4.1  基本原理
    6.4.2  蟻群TSP系統模型
    6.4.3  函數優化
  6.5  小結
  習題
第7章  機器學習基礎
  7.1  機器學習的定義和發展歷史
    7.1.1  機器學習定義
    7.1.2  發展歷程
    7.1.3  相關概念
    7.1.4  過程模型
    7.1.5  常用機器學習模型
  7.2  歸納與回歸
    7.2.1  數據歸納處理
    7.2.2  回歸
    7.2.3  過擬合與欠擬合
  7.3  分類分析
    7.3.1  決策樹
    7.3.2  樸素貝葉斯模型
    7.3.3  支持向量機
    7.3.4  k近鄰
    7.3.5  集成學習
  7.4  聚類分析
    7.4.1  k-means演算法
    7.4.2  基於密度的聚類方法DBSCAN
    7.4.3  層次聚類法
  7.5  小結
  習題
第8章  模型度量
  8.1  偏差與方差
    8.1.1  偏差
    8.1.2  方差與標準差
    8.1.3  偏差-方差平衡
    8.1.4  均方誤差
  8.2  準確率和錯誤率
  8.3  精確率、召回率、F1分數
  8.4  ROC曲線
    8.4.1  ROC曲線定義
    8.4.2  ROC曲線繪製
  8.5  AUC值
  8.6  交叉驗證
  8.7  小結
  習題
第9章  異常檢測
  9.1  統計方法

    9.1.1  3σ方法
    9.1.2  箱線圖
  9.2  密度方法
    9.2.1  LOF
    9.2.2  DBSCAN
  9.3  基於距離的方法
    9.3.1  孤立森林
    9.3.2  k-NN
  9.4  本章小結
  習題
第10章  梯度下降
  10.1  擬合
  10.2  梯度下降法的基本原理
    10.2.1  公式變換
    10.2.2  方嚮導數與梯度
    10.2.3  梯度表示與計算
    10.2.4  演算法描述
    10.2.5  隨機梯度下降法
  10.3  模型函數
    10.3.1  假設函數
    10.3.2  損失函數
    10.3.3  代價函數與目標函數
  10.4  本章小結
  習題
第11章  邏輯回歸
  11.1  邏輯分佈
  11.2  決策邊界
  11.3  線性模型與非線性模型
  11.4  邏輯回歸演算法
    11.4.1  邏輯回歸模型的假設函數
    11.4.2  邏輯回歸的代價函數與目標函數
    11.4.3  計算參數w、b：梯度下降
  11.5  Softmax回歸
    11.5.1  多分類問題
    11.5.2  Softmax回歸模型
  11.6  判別模型與生成模型
    11.6.1  判別模型
    11.6.2  生成模型
  11.7  本章小結
  習題
第12章  BP神經網路
  12.1  複合函數梯度計算
  12.2  邏輯回歸函數梯度計算
    12.2.1  單樣本情況的梯度計算
    12.2.2  多樣本情況的梯度計算
  12.3  BP神經網路的基本原理
    12.3.1  BP神經網路的假設函數
    12.3.2  BP神經網路的代價函數
    12.3.3  前向傳播
    12.3.4  反向傳播

  12.4  應用BP神經網路的步驟
  12.5  本章小結
  習題
第13章  深度學習
  13.1  發展背景
  13.2  神經網路的興起
    13.2.1  大數據的支撐
    13.2.2  全連接網路的缺陷
  13.3  卷積神經網路結構
    13.3.1  輸入層
    13.3.2  卷積層
    13.3.3  非線性層
    13.3.4  池化層
    13.3.5  全連接層
    13.3.6  輸出層
  13.4  網路訓練
    13.4.1  訓練方法
    13.4.2  預訓練與微調
  13.5  小結
  習題
第14章  自然語言處理
  14.1  發展背景
  14.2  語言模型
    14.2.1  基礎模型
    14.2.2  n-gram模型
  14.3  詞向量
    14.3.1  離散式表示
    14.3.2  分散式表示
  14.4  神經網路語言模型
  14.5  預訓練模型
  14.6  小結
  習題
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