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

人工智慧基礎(智能製造系列教材教育部高等學校機械類專業教學指導委員會推薦教材)

  • 作者：編者:趙海燕//吳潮潮//朱道也|責編:劉楊//趙從棉
  • 出版社：清華大學
  • ISBN：9787302676355
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：155
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    當今世界，人工智慧的發展正以驚人的速度席捲全球，成為引領科技創新、提升人民生活品質的核心引擎之一。同時，它還以前所未有的力度賦能製造業，推動其向智能製造的嶄新階段邁進。本書是面向智能製造相關專業的人工智慧基礎教材，全書共分9章，涵蓋了簡明數學基礎、核心演算法架構、典型應用案例，涉及群智能演算法、機器學習、深度學習、人工智慧大模型等重要內容。本書由智能製造專家與人工智慧專家合作編寫，既保證了知識體繫上符合人工智慧領域的科學性，又在具體知識點的展開上具有智能製造領域應用目標導向。
    本書可作為智能製造專業的教材，也可作為機械類、材料類、電氣類、電子信息類以及其他相關專業學生學習人工智慧課程的教材。
作者介紹
編者:趙海燕//吳潮潮//朱道也|責編:劉楊//趙從棉
目錄
第1章  緒論
  1.1  人工智慧的基本定義
    1.1.1  人工智慧的概念與特徵
    1.1.2  人工智慧的學科體系
  1.2  人工智慧發展歷程簡介
    1.2.1  人工智慧的主要發展階段
    1.2.2  人工智慧的三大學派
    1.2.3  人工智慧發展戰略規劃
  1.3  人工智慧的主要應用方向
  1.4  本章小結
  習題
  參考文獻
第2章  數學基礎
  2.1  邏輯基礎
    2.1.1  知識表示
    2.1.2  推理方法
  2.2  計算基礎
    2.2.1  計算複雜性
    2.2.2  線性代數
    2.2.3  微積分
  2.3  概率基礎
    2.3.1  不確定性的量化
    2.3.2  概率推理基礎
  2.4  本章小結
  習題
  參考文獻
第3章  群智能演算法
  3.1  群智能演算法概述
  3.2  遺傳演算法
    3.2.1  遺傳演算法的基本原理
    3.2.2  遺傳演算法的一般步驟
  3.3  粒子群優化演算法
  3.4  蟻群演算法
  3.5  本章小結
  習題
  參考文獻
第4章  機器學習
  4.1  機器學習概述
  4.2  線性回歸
  4.3  支持向量機
    4.3.1  支持向量與間隔
    4.3.2  對偶問題與核函數
  4.4  決策樹
  4.5  隨機森林
  4.6  本章小結
習是亟
  參考文獻
第5章  人工神經網路
  5.1  人工神經網路概述
  5.2  神經元模型

  5.3  多層感知機
    5.3.1  多層感知機模型
    5.3.2  神經網路的表達能力與近似理論
    5.3.3  反向傳播演算法
  5.4  多層感知機的改進
    5.4.1  提高訓練效率
    5.4.2  過擬合與正則化
    5.4.3  深度網路訓練
  5.5  本章小結
  習題
  參考文獻
第6章  卷積神經網路
  6.1  卷積神經網路概述
  6.2  卷積神經網路的層級結構
    6.2.1  卷積層的工作原理
    6.2.2  池化層的工作原理
    6.2.3  批歸一化與卷積神經網路優化
  6.3  卷積神經網路進階
    6.3.1  殘差網路
    6.3.2  Inception模塊
    6.3.3  卷積神經網路的遷移學習
  6.4  卷積神經網路在電腦視覺中的應用
    6.4.1  圖像分類
    6.4.2  目標檢測
    6.4.3  圖像分割
  6.5  本章小結
  習題
  參考文獻
第7章  循環神經網路
  7.1  循環神經網路概述
  7.2  循環神經網路的層級結構
    7.2.1  循環神經元結構
    7.2.2  循環神經網路架構
    7.2.3  隨時間反向傳播演算法
    7.2.4  梯度消失與梯度爆炸問題
  7.3  長短期記憶網路
  7.4  門控循環單元網路
  7.5  循環神經網路進階與應用
    7.5.1  雙向循環神經網路
    7.5.2  注意力機制與循環神經網路的結合
    7.5.3  循環神經網路的應用案例
  7.6  本章小結
  習題
  參考文獻
第8章  生成對抗網路
  8.1  生成對抗網路概述
  8.2  生成對抗網路的層級結構
    8.2.1  生成器與判別器的工作原理
    8.2.2  生成對抗網路的訓練過程
    8.2.3  生成對抗網路的收斂性

  8.3  生成對抗網路進階
    8.3.1  條件生成對抗網路
    8.3.2  信息最大化生成對抗網路
  8.4  生成對抗網路在圖像處理中的應用
    8.4.1  圖像生成
    8.4.2  圖像編輯
    8.4.3  圖像超解析度
  8.5  本章小結
  習題
  參考文獻
第9章  人工智慧大模型
  9.1  大模型概述
    9.1.1  大模型的定義與特徵
    9.1.2  大模型的發展歷程
    9.1.3  大模型與傳統機器學習演算法的對比
  9.2  大模型的架構與構建流程
    9.2.1  Transformer
    9.2.2  大規模預訓練模型
    9.2.3  多模態大模型
    9.2.4  大模型的構建流程
  9.3  大模型的應用
    9.3.1  自然語言處理領域中的應用
    9.3.2  電腦視覺領域中的應用
    9.3.3  跨領域應用與遷移學習
  9.4  大模型面臨的挑戰與未來展望
    9.4.1  計算資源與能源消耗
    9.4.2  大模型的可解釋性問題
    9.4.3  大模型的發展方向
  9.5  本章小結
  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