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(第2版21世紀大學本科電腦專業系列教材)

  • 作者：編者:馬少平//朱小燕|責編:張瑞慶//常建麗|總主編:李曉明
  • 出版社：清華大學
  • ISBN：9787302689072
  • 出版日期：2025/06/01
  • 裝幀：平裝
  • 頁數：428
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要闡述人工智慧問題求解方法的一般性原理和基本思想。主要內容有：一般的搜索問題，包括盲目搜索和啟髮式搜索等；對抗搜索，包括博弈樹搜索、蒙特卡洛樹搜索和AlphaGo原理等；謂詞邏輯以及基於歸結的定理證明方法；知識表示，包括產生式方法、語義網路、框架等；不確定性推理方法，包括貝葉斯方法、證據理論和確定性方法等；統計機器學習方法，包括樸素貝葉斯方法、決策樹、k近鄰方法、支持向量機、K均值聚類演算法、DBSCAN聚類演算法等；神經網路與深度學習方法，包括全連接神經網路、卷積神經網路、循環神經網路、詞向量等；高級搜索，包括局部搜索方法、模擬退火方法和遺傳演算法等。
    本書可作為高等學校電腦專業的本科生或者研究生學習「人工智慧基礎」課程的教材或參考書。
作者介紹
編者:馬少平//朱小燕|責編:張瑞慶//常建麗|總主編:李曉明
目錄
第0章  緒論
  0.1  人工智慧的誕生
  0.2  人工智慧發展簡史
    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
    0.2.5  大模型時代
  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章  搜索問題
  1.1  回溯策略
  1.2  圖搜索策略
  1.3  無信息圖搜索過程
  1.4  啟髮式圖搜索過程
  1.5  搜索演算法討論
  習題
第2章  謂詞邏輯與歸結原理
  2.1  命題邏輯
    2.1.1  命題
    2.1.2  命題公式
    2.1.3  命題邏輯的意義
    2.1.4  命題邏輯的推理規則
    2.1.5  命題邏輯的歸結方法
  2.2  謂詞邏輯基礎
    2.2.1  謂詞基本概念
    2.2.2  一階謂詞邏輯
    2.2.3  謂詞演算與推理
    2.2.4  謂詞知識表示
  2.3  謂詞邏輯歸結原理
    2.3.1  歸結原理概述
    2.3.2  Skolem標準型
    2.3.3  子句集
    2.3.4  置換與合一
    2.3.5  歸結式
    2.3.6  歸結過程
    2.3.7  歸結過程式控制制策略
  2.4  Herbrand定理
    2.4.1  概述
    2.4.2  H域
    2.4.3  H解釋
    2.4.4  語義樹與Herbrand定理
    2.4.5  Herbrand定理
    2.4.6  Herbrand定理與歸結法的完備性
  習題
第3章  知識表示

  3.1  概述
    3.1.1  知識
    3.1.2  知識表示
    3.1.3  知識表示觀
  3.2  產生式表示
    3.2.1  事實與規則的表示
    3.2.2  產生式系統的結構
    3.2.3  產生式系統的推理
    3.2.4  產生式表示的特點
  3.3  語義網路表示
    3.3.1  語義網路的結構
    3.3.2  基本的語義關係
    3.3.3  語義網路的推理
    3.3.4  語義網路表示法的特點
  3.4  框架表示
    3.4.1  框架結構
    3.4.2  框架表示下的推理
    3.4.3  框架表示法的特點
  3.5  其他表示方法
    3.5.1  腳本知識表示方法
    3.5.2  過程性知識表示法
    3.5.3  直接性知識表示方法
  習題
第4章  不確定性推理方法
  4.1  概述
    4.1.1  不確定性
    4.1.2  不確定性推理的基本問題
    4.1.3  不確定性推理方法的分類
  4.2  概率論基礎
    4.2.1  隨機事件
    4.2.2  事件的概率
    4.2.3  貝葉斯定理
    4.2.4  信任概率
  4.3  貝葉斯網路
    4.3.1  貝葉斯網路基本概念
    4.3.2  貝葉斯網路的推理模式
  4.4  主觀貝葉斯方法
    4.4.1  規則的不確定性
    4.4.2  證據的不確定性
    4.4.3  推理計算
  4.5  確定性方法
    4.5.1  規則的不確定性度量
    4.5.2  證據的不確定性度量
    4.5.3  不確定性的傳播與更新
    4.5.4  問題
  4.6  證據理論（D-S theory）
    4.6.1  基本概念
    4.6.2  證據的不確定性
    4.6.3  規則的不確定性
    4.6.4  推理計算

  習題
第5章  統計機器學習方法
  5.1  什麼是統計機器學習方法
  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章  神經網路與深度學習
  6.1  從數字識別談起
  6.2  神經元與神經網路
  6.3  神經網路的訓練方法
  6.4  卷積神經網路
  6.5  梯度消失問題
  6.6  過擬合問題
  6.7  詞向量
    6.7.1  詞的向量表示
    6.7.2  神經網路語言模型
    6.7.3  word2vec模型
    6.7.4  詞向量應用舉例
  6.8  循環神經網路
  6.9  長短期記憶網路
  6.10  深度學習框架
  6.11  總結
第7章  對抗搜索
  7.1  能窮舉嗎？
  7.2  極小/極大模型
  7.3  α/β剪枝演算法
  7.4  蒙特卡洛樹搜索
  7.5  AlphaGo原理
  7.6  圍棋中的深度強化學習方法
    7.6.1  基於策略梯度的強化學習
    7.6.2  基於價值評估的強化學習
    7.6.3  基於演員/評價方法的強化學習
  7.7  AlphaGo Zero原理

  7.8  總結
第8章  高級搜索
  8.1  基本概念
    8.1.1  組合優化問題
    8.1.2  鄰域
  8.2  局部搜索演算法
  8.3  模擬退火演算法
    8.3.1  固體退火過程
    8.3.2  模擬退火演算法
    8.3.3  參數的確定
    8.3.4  應用舉例——旅行商問題
  8.4  遺傳演算法
    8.4.1  生物進化與遺傳演算法
    8.4.2  遺傳演算法的實現問題
  習題
附錄
  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
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