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(第2版人工智慧人才培養新形態精品教材)

  • 作者：編者:莫宏偉|責編:祝智敏
  • 出版社：人民郵電
  • ISBN：9787115619310
  • 出版日期：2024/01/01
  • 裝幀：平裝
  • 頁數：268
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書比較全面地介紹了人工智慧基本理論、方法、技術及應用等知識。全書5大部分共13章，主要內容包括人工智慧的基本概念、實現方法，人工智慧哲學觀，腦科學基礎，人工神經網路，機器學習的基本方法與原理，感知智能，認知智能，語言智能，行為智能（機器人），類腦智能，混合智能，智能製造、智能醫療、人工智慧與新基建，以及人工智慧倫理與法律。本書內容翔實、結構合理、案例豐富、圖文並茂，語言通俗易懂，講解詳盡，能幫助讀者系統、全面地認識和理解人工智慧。
    本書適合作為人工智慧、電腦科學與技術、機器人工程、智能科學與技術等相關專業的課程教材，也可供從事人工智慧交叉學科研究的相關人員及愛好者參考使用。
作者介紹
編者:莫宏偉|責編:祝智敏
目錄
第1部分  學科與概念基礎
  01  緒論
    1.0  學習導言
    1.1  生命與智能
      1.1.1  什麼是智能
      1.1.2  圖靈測試與人工智慧
      1.1.3  人工智慧圖譜
    1.2  人工智慧的歷史
      1.2.1  第一階段：初創時期（1936年-1956年）
      1.2.2  第二階段：形成時期（1957年-1969年）
      1.2.3  第三階段：發展時期（1970年-1992年）
      1.2.4  第四階段：大突破時期（1993年至今）
    1.3  中國人工智慧發展歷史
    1.4  人工智慧學科交叉與融合
    1.5  人工智慧實現方法
      1.5.1  傳統實現方法
      1.5.2  數據驅動方法
    1.6  人工智慧主要研究內容
      1.6.1  計算智能
      1.6.2  感知智能
      1.6.3  認知智能
      1.6.4  行為智能
      1.6.5  群體智能
      1.6.6  混合智能
      1.6.7  情感智能
      1.6.8  類腦智能
      1.6.9  人工智慧倫理與法律
    1.7  機器創造與博弈
    1.8  人工智慧發展趨勢
    1.9  本書內容結構
      1.9.1  人工智慧五維知識體系與本書內容
      1.9.2  人工智慧五個認識層次與本書內容
    1.10  關鍵知識梳理
    1.11  問題與實踐
  02  人工智慧哲學觀
    2.0  學習導言
    2.1  從哲學角度理解人工智慧
      2.1.1  與人工智慧有關的哲學概念
      2.1.2  與人工智慧有關的主要哲學分支
      2.1.3  大曆史觀——智能進化
      2.1.4  人工智慧的本質
    2.2  人工智慧局限性的認識
      2.2.1  弱人工智慧與人類心智的差距
      2.2.2  強人工智慧與通用人工智慧
    2.3  關鍵知識梳理
    2.4  問題與實踐
  03  腦科學基礎
    3.0  學習導言
    3.1  腦與神經科學
    3.2  腦神經系統

      3.2.1  腦神經組織
      3.2.2  神經元與信息傳遞
      3.2.3  大腦皮層
    3.3  腦的視覺與信息處理機制
      3.3.1  腦的視覺結構
      3.3.2  視覺皮層區域
    3.4  腦的記憶機制
    3.5  腦的學習機制
    3.6  腦功能新發現
      3.6.1  大腦導航功能
      3.6.2  大腦孕周發育
      3.6.3  社會互動增強神經複雜性
    3.7  關鍵知識梳理
    3.8  問題與實踐
第2部分  技術基礎
  04  人工神經網路
    4.0  學習導言
    4.1  如何構建人工神經網路
      4.1.1  神經元模型
      4.1.2  感知器模型
    4.2  人工神經網路的訓練—反向傳播演算法
    4.3  卷積神經網路原理
      4.3.1  稀疏連接與全連接
      4.3.2  權值共享與特徵提取
      4.3.3  卷積層
      4.3.4  池化層
      4.3.5  全連接層
      4.3.6  激活函數層
      4.3.7  損失函數
      4.3.8  CNN演算法
    4.4  循環神經網路
    4.5  長短時記憶網路
    4.6  受限玻爾茲曼機
    4.7  深度置信網路
    4.8  關鍵知識梳理
    4.9  問題與實踐
  05  機器學習
    5.0  學習導言
    5.1  機器學習能否實現機器智能
    5.2  機器學習的類型和應用
    5.3  監督學習與無監督學習
      5.3.1  k-最近鄰分類
      5.3.2  支持向量機
      5.3.3  樸素貝葉斯分類器
      5.3.4  k-均值聚類演算法
      5.3.5  隨機森林演算法
      5.3.6  集成學習
    5.4  深度學習
      5.4.1  淺層學習與深度學習
      5.4.2  深度學習的應用——圖像描述

    5.5  生成對抗網路
      5.5.1  生成網路
      5.5.2  判別網路
    5.6  深度學習大模型
      5.6.1  DALL·E和CLIP
      5.6.2  悟道1.0和悟道2.0
      5.6.3  N?WA（女媧）
    5.7  遷移學習
    5.8  深度學習缺陷與因果學習
      5.8.1  深度學習缺陷
      5.8.2  因果學習概念及其作用
      5.8.3  結構因果模型
    5.9  強化學習
      5.9.1  能夠自適應學習的機器人
      5.9.2  強化學習的應用
    5.10  關鍵知識梳理
    5.11  問題與實踐
第3部分  重點方向與領域（機器智能）
  06  感知智能
    6.0  學習導言
    6.1  數字圖像處理技術
      6.1.1  灰度直方圖
      6.1.2  圖像平滑處理
      6.1.3  圖像邊緣檢測
      6.1.4  圖像銳化
      6.1.5  圖像分割
      6.1.6  圖像特徵提取
      6.1.7  圖像分析
    6.2  電腦視覺與機器視覺
    6.3  模式識別
      6.3.1  模式識別方法
      6.3.2  模式識別過程
    6.4  圖像分類
      6.4.1  圖像分類概念
      6.4.2  深度學習與圖像分類
    6.5  目標檢測與識別
    6.6  無人駕駛汽車的環境感知
    6.7  關鍵知識梳理
    6.8  問題與實踐
  07  認知智能
    7.0  學習導言
    7.1  邏輯推理
      7.1.1  命題與推理
      7.1.2  推理類型
      7.1.3  模糊推理
    7.2  知識表示
      7.2.1  謂詞邏輯表示法
      7.2.2  語義網路表示法
    7.3  搜索技術
      7.3.1  盲目搜索

      7.3.2  啟髮式搜索
      7.3.3  蒙特卡羅樹搜索演算法
    7.4  知識圖譜
      7.4.1  知識圖譜與認知智能
      7.4.2  知識圖譜基本技術
      7.4.3  知識圖譜架構
    7.5  認知計算
    7.6  認知智能的興起
    7.7  關鍵知識梳理
    7.8  問題與實踐
  08  語言智能
    8.0  學習導言
    8.1  語言與認知
    8.2  自然語言處理
      8.2.1  自然語言理解源起
      8.2.2  自然語言處理應用
      8.2.3  自然語言處理技術
    8.3  智能問答系統
    8.4  聊天機器人
      8.4.1  聊天機器人類型
      8.4.2  聊天機器人與自然語言理解
    8.5  語音識別
      8.5.1  語音識別系統
      8.5.2  語音識別過程
    8.6  機器翻譯
      8.6.1  機器翻譯原理與過程
      8.6.2  通用翻譯模型
    8.7  關鍵知識梳理
    8.8  問題與實踐
  09  機器人
    9.0  學習導言
    9.1  機器人與行為智能
      9.1.1  行為主義載體——機器人
      9.1.2  機器人基本組成
      9.1.3  智能機器人
    9.2  工業機器人
    9.3  移動機器人
    9.4  無人飛行器
    9.5  水下機器人
    9.6  太空機器人
    9.7  人形機器人
    9.8  機器動物
    9.9  軟體機器人
    9.10  微型機器人
    9.11  群體機器人
    9.12  認知發展機器人
    9.13  關鍵知識梳理
    9.14  問題與實踐
  10  類腦智能
    10.0  學習導言

    10.1  類腦計算基礎
      10.1.1  馮·諾依曼結構電腦的局限
      10.1.2  類腦電腦
      10.1.3  類腦計算研究內容與方法
    10.2  類腦計算基礎
      10.2.1  神經形態計算
      10.2.2  神經形態類腦晶元
      10.2.3  神經形態類腦電腦
    10.3  基於憶阻器的類腦計算
      10.3.1  憶阻器原理
      10.3.2  憶阻器晶元
    10.4  人工大腦
      10.4.1  人工大腦的基本單元
      10.4.2  仿腦模型
      10.4.3  虛擬大腦
      10.4.4  深度學習腦功能模擬
    10.5  非神經形態智能晶元
    10.6  關鍵知識梳理
    11.7  問題與實踐
  11  混合智能
    11.0  學習導言
    11.1  混合智能基本形態
    11.2  腦機介面
      11.2.1  腦機介面工作原理
      11.2.2  可探測識別的腦電波信號
      11.2.3  侵入式腦機介面
      11.2.4  非侵入式腦機介面
      11.2.5  腦機介面應用
    11.3  可穿戴技術
      11.3.1  可穿戴感測器
      11.3.2  可穿戴神經刺激
    11.4  可植入電子晶元
      11.4.1  電子識別晶元
      11.4.2  人造感覺神經
    11.5  外骨骼混合智能
    11.6  動物混合智能
    11.7  人體增強
    11.8  關鍵知識梳理
    11.9  問題與實踐
第4部分  行業應用
  12  人工智慧行業應用
    12.1  學習導言
    12.1  智能製造
      12.1.1  智能製造定義
      12.1.2  智能製造與數字製造
      12.1.3  智能製造產業核心內容
      12.1.4  智能工廠
    12.2  智能醫療
      12.2.1  智能醫療定義與組成
      12.2.2  智能醫療核心技術

      12.2.3  智能醫療應用場景
    12.3  人工智慧與新基建
      12.3.1  新基建加速企業智能化轉型
      12.3.2  新基建完善人工智慧基礎設施
      12.3.3  新基建拓展人工智慧應用場景
    12.4  人工智慧技術在企業的應用
      12.4.1  企業應用的主要人工智慧技術
      12.4.2  人工智慧技術零售業應用
      12.4.3  人工智慧技術電商營銷應用
    12.5  關鍵知識梳理
    12.6  問題與實踐
第5部分  倫理與法律
  13  人工智慧倫理與法律
    13.0  學習導言
    13.1  電車難題引發的人工智慧道德困境
    13.2  人工智慧倫理的定義
    13.3  人工智慧倫理問題
    13.4  機器人倫理問題與基本原則
      13.4.1  機器人倫理問題
      13.4.2  機器人倫理的基本原則
    13.5  人工智慧倫理規範
    13.6  人工智慧法律問題
      13.6.1  人工智慧引發的法律問題
      13.6.2  人工智慧的法律主體和法律人格問題
    13.7  超現實人工智慧倫理問題
    13.8  關鍵知識梳理
    13.9  問題與實踐

  • 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