幫助中心 | 我的帳號 | 關於我們

從機器學習到深度學習--模型進展與應用(高等院校電腦類專業系列教材)

  • 作者:編者:張善文//李麗萍//張婷|責編:吳華
  • 出版社:南京大學
  • ISBN:9787305300844
  • 出版日期:2026/10/01
  • 裝幀:平裝
  • 頁數:294
人民幣:RMB 56 元      售價:元
放入購物車
加入收藏夾

內容大鋼
    人們正處在人工智慧深刻重塑世界的時代。本書系統梳理了從經典機器學習到現代深度學習的理論演進與技術脈絡,旨在為讀者構建一幅完整而清晰的人工智慧知識圖譜。
    全書內容由淺入深,涵蓋了機器學習十大經典演算法、神經網路基礎組件、卷積神經網路(CNN)、序列與圖神經網路(如RNN、Transformer、GCN及新興的Mamba模型)以及知識圖譜等核心主題。不僅深入剖析了模型背後的數學原理與設計思想,更緊密結合了其在電腦視覺、自然語言處理、科學發現等領域的突破性應用。
    本書可作為電腦科學、人工智慧及相關專業高年級本科生和研究生的教材,也可供廣大科研人員與工程師作為系統學習和深入研究的參考指南。它既是一份通往智能技術前沿的地圖,也是一位助力探索與實踐的可靠嚮導。

作者介紹
編者:張善文//李麗萍//張婷|責編:吳華

目錄
第一章 智能的演進:從數據中學習的科學
  1.1 為什麼需要從數據中學習?
  1.2 為什麼需要ML?
  1.3 為什麼需要DL?
  1.4 走向深度:AI、ML、DL的演進脈絡
  1.5 DL的革命:驅動AI的第二次浪潮
  1.6 人工智慧(AI)
  1.7 交融與未來:邁向更通用的智能
  本章習題
第二章 ML十大經典演算法
  2.1 引言:ML的基本思路與流程
  2.2 ML方法分類
  2.3 10個經典的ML方法
  本章習題
第三章 DL基礎知識
  3.1 引言
  3.2 卷積與圖像卷積
  3.3 池化
  3.4 激活函數
  3.5 注意力機制
  3.6 DL中其他概念和操作
  本章習題
第四章 卷積神經網路
  4.1 為何需要CNN?
  4.2 CNN
  4.3 LeNet-5
  4.4 VGG系列
  4.5 殘差網路(ResNet)
  4.6 MobileNet系列
  4.7 AlexNet
  4.8 U-Net架構及其改進模型
  4.9 YOLO系列
  4.10 區域卷積網路(R-CNN)
  4.11 特徵金字塔網路
  4.12 膠囊網路
  本章習題
第五章 序列與圖結構的DL
  5.1 DL範式的演進
  5.2 循環神經網路(RNN)
  5.3 長短期記憶神經網路(LSTM)
  5.4 門控循環單元(GRU)
  5.5 Transformer
  5.6 視覺Transformer(ViT)及其改進模型
  5.7 基於視覺注意力多尺度空洞U-Net(VAMSDU-Net)
  5.8 圖表徵學習與圖卷積網路(GCN)
  5.9 文本嵌入
  5.10 狀態空間模型(SSM)和Mamba
  5.11 視覺Mamba(VMamba)
  5.12 VM-UNet
  5.13 注意力VM-UNet(MVM-UNet)

  本章習題
第六章 知識圖譜
  6.1 概述:從數據到認知的橋樑
  6.2 基本概念
  6.3 簡單例子解釋KG
  6.4 知識表示與知識表示學習
  6.5 知識獲取與加工
  6.6 KG構建過程
  6.7 EduKG構建技術概述
  6.8 構建《紅樓夢》KG
  本章習題
第七章 DL應用案例
  7.1 森林火災檢測
  7.2 交通標誌檢測
  7.3 瀝青路面缺陷檢測與識別
  7.4 作物病害葉片分割
  7.5 鋼管焊縫缺陷檢測
  7.6 遙感圖像顯著性檢測
  7.7 遙感圖像中坦克目標檢測
  7.8 多尺度孿生雙路Transformer網路(MSDTNet)
  7.9 無人機航拍圖像目標檢測
  7.10 無人機高精度目標檢測
  7.11 知識圖譜在教育中的應用
  本章習題
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