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

人工智慧演算法及應用(高等學校人工智慧專業系列教材)

  • 作者：編者:王宗傑//石佳琳|責編:龍啟銘//王玉梅
  • 出版社：清華大學
  • ISBN：9787302721345
  • 出版日期：2026/08/01
  • 裝幀：平裝
  • 頁數：330
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書構建「基礎理論-核心演算法-行業應用」三位一體的知識體系，以技術發展脈絡為主線，概述人工智慧的內涵、發展歷程與倫理準則，系統解析機器學習經典演算法（包括支持向量機、決策樹、強化學習等）和深度學習核心技術（包括CNN、Transformer等），並結合PyTorch代碼示例貫通演算法原理與工程實踐，特別融入大語言模型等前沿進展。本書採用「場景分析-演算法適配-方案實現」模式，通過醫學圖像分割、智能農業機器人、智能分揀系統、智能搜索引擎、風險控制、交通事件影響的城市道路行程時間預測等典型案例，介紹人工智慧在醫學、農業、企業、互聯網、金融、交通等領域中的應用，並給出這些典型案例的可復現代碼，增強讀者的工程實踐能力。
    本書以前沿技術、跨學科融合為特色，既注重演算法數學推導，又強調產業落地，通過代碼示例與行業應用解決方案銜接理論與實踐，適合作為高等學校電腦、人工智慧、電子信息等專業的「人工智慧」課程教材，以及相關專業工程師的技術參考用書。
作者介紹
編者:王宗傑//石佳琳|責編:龍啟銘//王玉梅
目錄
第1章  概論
  1.1  人工智慧技術的內涵與外延
    1.1.1  人工智慧的定義
    1.1.2  人工智慧研究的內容
    1.1.3  人工智慧研究目標
  1.2  人工智慧技術的起源和發展歷程
    1.2.1  人工智慧出現前的萌芽期
    1.2.2  人工智慧發展的第一個時期
    1.2.3  人工智慧發展的第二個時期
    1.2.4  人工智慧發展的第三個時期
  1.3  人工智慧學科體系
    1.3.1  基礎理論
    1.3.2  核心演算法與技術
    1.3.3  技術應用與開發
  1.4  人工智慧應用
  1.5  人工智慧技術的挑戰
    1.5.1  當前人工智慧倫理問題
    1.5.2  人工智慧倫理準則、治理原則
  1.6  本章小結
  1.7  思考題
第2章  機器學習演算法
  2.1  引言
  2.2  回歸演算法
    2.2.1  線性回歸
    2.2.2  多項式回歸
    2.2.3  嶺回歸
    2.2.4  Lasso回歸
  2.3  決策樹與隨機森林
    2.3.1  決策樹的生成與剪枝
    2.3.2  CART演算法
    2.3.3  隨機森林
  2.4  樸素貝葉斯
  2.5  支持向量機
    2.5.1  間隔與支持向量
    2.5.2  對偶問題
    2.5.3  核函數
    2.5.4  軟間隔與正則化
    2.5.5  支持向量回歸
  2.6  無監督方法
    2.6.1  主成分分析
    2.6.2  潛在語義分析
    2.6.3  非負矩陣分解
    2.6.4  K-means
    2.6.5  高斯混合分佈
  2.7  頻繁模式挖掘
    2.7.1  頻繁模式挖掘的背景與研究意義
    2.7.2  Apriori演算法
    2.7.3  FP樹演算法
  2.8  模型評估與選擇
    2.8.1  經驗誤差與過擬合

    2.8.2  評估方法
    2.8.3  性能度量
    2.8.4  比較檢驗
  2.9  本章小結
  2.10  思考題
第3章  深度學習演算法
  3.1  引言
  3.2  全連接網路
    3.2.1  前饋網路
    3.2.2  反向傳播
    3.2.3  正則化
  3.3  卷積神經網路模型
    3.3.1  卷積運算與池化
    3.3.2  CNN基本概念與原理
    3.3.3  CNN的發展歷程
  3.4  RNN/LSTM
    3.4.1  循環神經網路概念
    3.4.2  RNN原理與實現
    3.4.3  LSTM原理與實現
  3.5  Transformer
    3.5.1  Transformer架構
    3.5.2  Embedding
    3.5.3  自注意力機制
    3.5.4  Transformer實現與案例
  3.6  生成模型
    3.6.1  GAN在醫學影像學中的應用
    3.6.2  生成對抗網路的挑戰
    3.6.3  Diffusion模型
  3.7  強化學習
    3.7.1  強化學習概述
    3.7.2  馬爾可夫決策過程
    3.7.3  Bellman方程
    3.7.4  通用方法
    3.7.5  蒙特卡羅方法
    3.7.6  時序差分學習
    3.7.7  結合TD和MC學習
    3.7.8  策略梯度
    3.7.9  Actor-Critic
    3.7.10  進化策略
  3.8  圖卷積網路
    3.8.1  圖卷積網路概念與推導
    3.8.2  圖卷積網路實現
  3.9  知識圖譜
    3.9.1  知識圖譜概述
    3.9.2  實體關係抽取
  3.10  大語言模型
    3.10.1  大語言模型背景
    3.10.2  大模型技術解析
    3.10.3  主流大模型介紹
    3.10.4  大模型的應用挑戰

  3.11  本章小結
  3.12  思考題
第4章  人工智慧在醫學中的應用
  4.1  引言
    4.1.1  背景與意義
    4.1.2  主要內容概覽
  4.2  案例：醫學圖像分割
    4.2.1  基本概念
    4.2.2  場景分析
    4.2.3  醫學圖像分割演算法
    4.2.4  醫學圖像器官病變分割方案
  4.3  案例：醫學文本分類
    4.3.1  基本概念
    4.3.2  場景分析
    4.3.3  醫學文本分類演算法
    4.3.4  醫學意圖文本分類方案
  4.4  本章小結
  4.5  思考題
第5章  人工智慧在農業中的應用
  5.1  引言
  5.2  案例：智能農業機器人
    5.2.1  智能農業機器人概述
    5.2.2  人工智慧演算法的應用
    5.2.3  智能灌溉機器人
    5.2.4  自動採摘機器人
  5.3  案例：作物病蟲害預測與管理
    5.3.1  人工智慧演算法在病蟲害預測中的應用
    5.3.2  玉米病蟲害預測
    5.3.3  蘋果樹葉面病蟲害識別
  5.4  案例：農產品質量檢測
    5.4.1  人工智慧演算法在農產品質量檢測中的應用
    5.4.2  農產品質量檢測
  5.5  案例：田間雜草識別
    5.5.1  人工智慧演算法在雜草識別中的應用
    5.5.2  雜草識別
  5.6  本章小結
  5.7  思考題
第6章  人工智慧與企業生產
  6.1  引言
    6.1.1  背景與意義
    6.1.2  主要內容概覽
  6.2  案例：自動導引車
    6.2.1  背景介紹
    6.2.2  場景分析和相關演算法
    6.2.3  演算法介紹
    6.2.4  實際應用
    6.2.5  演算法分析
    6.2.6  小結
  6.3  案例：智能分揀系統
    6.3.1  基本概念

    6.3.2  場景分析
    6.3.3  演算法介紹
    6.3.4  系統實現
    6.3.5  小結
  6.4  本章小結
  6.5  思考題
第7章  人工智慧在互聯網中的應用
  7.1  引言
    7.1.1  背景與意義
    7.1.2  主要內容概覽
  7.2  案例：智能搜索引擎
    7.2.1  基本概念
    7.2.2  場景分析
    7.2.3  語義理解與匹配演算法
    7.2.4  智能搜索方案
  7.3  案例：智能推薦系統
    7.3.1  基本概念
    7.3.2  場景分析
    7.3.3  協同過濾推薦演算法
    7.3.4  智能推薦方案
  7.4  案例：智能審查系統
    7.4.1  基本概念
    7.4.2  場景分析
    7.4.3  相關演算法
    7.4.4  智能審查方案
  7.5  本章小結
  7.6  思考題
第8章  人工智慧在金融中的應用
  8.1  引言
    8.1.1  背景與意義
    8.1.2  主要內容概覽
  8.2  案例：風險控制
    8.2.1  螞蟻集團百靈系統
    8.2.2  金融風險概述
  8.3  案例：智能投顧
    8.3.1  Betterment智能投顧平台
    8.3.2  核心環節
  8.4  案例：智慧銀行
    8.4.1  智能化無人銀行
    8.4.2  智慧銀行的發展與應用
  8.5  本章小結
  8.6  思考題
第9章  人工智慧在交通中的應用
  9.1  引言
    9.1.1  背景與意義
    9.1.2  主要內容概覽
  9.2  案例：公交站點選址模型與演算法
    9.2.1  場景分析
    9.2.2  總體思路
    9.2.3  基於局部密度的空間異常點檢測

    9.2.4  改進的C-K-means混合聚類演算法
  9.3  案例：定製公交線路設計模型與演算法
    9.3.1  場景分析
    9.3.2  總體思路
    9.3.3  定製公交線路設計模型
    9.3.4  基於改進遺傳演算法的模型求解
  9.4  案例：交通事件影響的城市道路行程時間預測
    9.4.1  場景分析
    9.4.2  總體思路
    9.4.3  預測模型構建
  9.5  本章小結
  9.6  思考題
第10章  人工智慧演算法常用工具介紹
  10.1  集成開發環境
    10.1.1  支持Python的通用編輯器和集成開發環境
    10.1.2  Python專用的編輯器和集成開發環境
  10.2  深度學習框架介紹
    10.2.1  Theano
    10.2.2  TensorFlow
    10.2.3  MXNet
    10.2.4  Keras
    10.2.5  PyTorch
    10.2.6  Caffe
  10.3  開發案例
    10.3.1  環境搭建
    10.3.2  圖像分類
  10.4  本章小結
  10.5  思考題
附錄（在線閱讀）
參考文獻（在線閱讀）

  • 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