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

人工智慧技術與行業應用(應用型高校產教融合系列教材)/大電類專業系列

  • 作者：編者:李媛媛//萬衛兵//張紅兵//楊紅軍|責編:劉楊
  • 出版社：清華大學
  • ISBN：9787302675808
  • 出版日期：2024/11/01
  • 裝幀：平裝
  • 頁數：274
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共包含7章，涵蓋了人工智慧的基本概念、關鍵技術和應用案例，旨在為讀者提供全面的人工智慧知識和應用實踐。
    通過本教材的學習，讀者將獲得全面的人工智慧知識體系，掌握人工智慧的基本概念、關鍵技術和應用實踐。
作者介紹
編者:李媛媛//萬衛兵//張紅兵//楊紅軍|責編:劉楊
目錄
第1章  人工智慧概論
  1.1  人工智慧的定義
  1.2  人工智慧的發展
    1.2.1  人工智慧的孕育和發展階段
    1.2.2  人工智慧的形成階段
    1.2.3  人工智慧的發展階段
  1.3  人工智慧的研究方法
    1.3.1  人工智慧的結構模擬
    1.3.2  人工智慧的功能模擬
    1.3.3  人工智慧的行為模擬
    1.3.4  人工智慧的集成模擬
  1.4  機器智能研究領域
    1.4.1  機器思維的概念
    1.4.2  機器感知的概念
    1.4.3  機器行為的概念
    1.4.4  機器學習的概念
  1.5  人工智慧研究領域
    1.5.1  計算智能與分佈智能
    1.5.2  智能體系統的概念
    1.5.3  人工心理與人工情感
    1.5.4  認知智能與深度學習
    1.5.5  邊緣智能的概念
  1.6  人工智慧的典型應用
    1.6.1  人工智慧在普通領域的應用
    1.6.2  人工智慧在ChatGPT領域的應用
  參考文獻
第2章  知識表示與特徵工程
  2.1  狀態空間表示
    2.1.1  問題狀態描述
    2.1.2  狀態空間表示應用
  2.2  問題規約表示
    2.2.1  問題規約描述
    2.2.2  問題規約應用
    2.2.3  與或圖表示
  2.3  謂詞邏輯表示
    2.3.1  邏輯學基礎
    2.3.2  謂詞演算
    2.3.3  基本謂詞公式
    2.3.4  置換與合一
    2.3.5  謂詞邏輯表示方法
  2.4  語義網路表示
    2.4.1  語義網路描述
    2.4.2  基本語義關係
    2.4.3  語義網路推理
  2.5  框架表示
    2.5.1  框架表示描述
    2.5.2  框架表示推理
  2.6  特徵構建
    2.6.1  常用的特徵構建方法
    2.6.2  特徵提取

  2.7  特徵選擇
    2.7.1  特徵選擇的基本原則
    2.7.2  基於統計特性的特徵選擇
    2.7.3  基於模型的特徵選擇
  參考文獻
第3章  機器學習基礎
  3.1  機器學習的定義和發展
    3.1.1  機器學習的定義
    3.1.2  機器學習的發展
  3.2  歸納學習
    3.2.1  邏輯回歸
    3.2.2  聚類演算法
    3.2.3  降維演算法
  3.3  決策樹學習
    3.3.1  決策樹構造演算法
    3.3.2  決策樹學習演算法
  3.4  類比學習
    3.4.1  類比學習的定義
    3.4.2  類比學習的研究類型
  3.5  解釋學習
    3.5.1  解釋學習的基本研究
    3.5.2  解釋學習演算法
  3.6  分類演算法
    3.6.1  支持向量機
    3.6.2  基於概率論的方法——樸素貝葉斯法
  參考文獻
第4章  深度學習
  4.1  深度學習的定義與特點
    4.1.1  深度學習的起源
    4.1.2  深度學習的發展
    4.1.3  深度學習的成功案例
    4.1.4  深度學習的特點
  4.2  基礎神經網路
    4.2.1  神經網路的發展
    4.2.2  人工神經網路原理
    4.2.3  神經網路模型
    4.2.4  線性回歸
    4.2.5  歸一化指數函數回歸
    4.2.6  多層感知機
    4.2.7  卷積神經網路
    4.2.8  循環神經網路
  4.3  現代卷積神經網路
    4.3.1  深度卷積神經網路
    4.3.2  使用塊的網路
    4.3.3  網路中的網路
    4.3.4  含並行連接的網路
    4.3.5  批量規範化
    4.3.6  殘差網路
    4.3.7  稠密連接網路
  4.4  注意力機制及Transformer演算法

    4.4.1  注意力提示
    4.4.2  注意力評分函數
    4.4.3  多頭注意力機制
    4.4.4  自注意力機制
    4.4.5  Transformer演算法
  參考文獻
第5章  專家系統
  5.1  專家系統概述
    5.1.1  專家系統的分類
    5.1.2  專家系統的功能
    5.1.3  專家系統的基本特徵
  5.2  專家系統的結構
    5.2.1  專家系統的結構特徵
    5.2.2  專家系統的作用和意義
  5.3  基於規則的專家系統
    5.3.1  基於規則的專家系統描述
    5.3.2  基於規則的專家系統的基本結構
    5.3.3  基於規則的專家系統的推理機制
    5.3.4  衝突規則的解決方法
  5.4  基於框架的專家系統
    5.4.1  基於框架的專家系統概述
    5.4.2  基於框架的專家系統的結構
  5.5  基於模型的專家系統
    5.5.1  基於模型的專家系統概述
    5.5.2  基於模型的專家系統的基本特徵
  5.6  基於Web的專家系統
    5.6.1  基於Web的專家系統概述
    5.6.2  模型轉換專家系統的網路支持
  5.7  新型專家系統
    5.7.1  新型專家系統的特徵
    5.7.2  分散式專家系統
    5.7.3  新型推理系統
  參考文獻
第6章  人工智慧架構與系統
  6.1  人工智慧演算法硬體加速
    6.1.1  AI硬體的發展歷程
    6.1.2  硬體加速的實現
  6.2  常用的AI模型開發框架
    6.2.1  Caffe框架
    6.2.2  TensorFlow框架
    6.2.3  PyTorch框架
    6.2.4  MindSpore框架
    6.2.5  PaddlePaddle框架
  6.3  人工智慧與雲原生
    6.3.1  雲原生的定義
    6.3.2  主要的雲原生技術
    6.3.3  雲原生的優勢與挑戰
    6.3.4  人工智慧與雲原生結合的優勢
  6.4  人工智慧與邊緣計算
    6.4.1  邊緣計算的定義

    6.4.2  主要的邊緣計算技術
    6.4.3  邊緣計算的優勢與挑戰
    6.4.4  邊緣智能中的協同計算
  參考文獻
第7章  案例分析
  7.1  人工智慧在軟體開發設計領域的應用
    7.1.1  背景技術
    7.1.2  問題及挑戰
    7.1.3  解決方案
    7.1.4  結論
  7.2  人工智慧在生產製造領域的應用
    7.2.1  背景技術
    7.2.2  問題和挑戰
    7.2.3  解決方案
    7.2.4  結論
  7.3  人工智慧在設備運維領域的應用
    7.3.1  背景技術
    7.3.2  問題及挑戰
    7.3.3  解決方案
    7.3.4  結論
  7.4  人工智慧在售后服務領域的應用
    7.4.1  背景分析
    7.4.2  問題與挑戰
    7.4.3  解決方案
    7.4.4  結論
  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