掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
人工智能 版權(quán)信息
- ISBN：9787302464624
- 條形碼：9787302464624 ; 978-7-302-46462-4
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
人工智能 本書特色
本書系統(tǒng)介紹了人工智能的基本原理、基本技術(shù)、基本方法和應(yīng)用領(lǐng)域等內(nèi)容，比較全面地反映了60年來人工智能領(lǐng)域的進展，并根據(jù)人工智能的發(fā)展動向?qū)σ恍﹤鹘y(tǒng)內(nèi)容做了取舍。全書共9章。第1章介紹人工智能的基本概念、發(fā)展歷史、應(yīng)用領(lǐng)域等。其后8章的內(nèi)容分為兩大部分： *部分（第2~5章）主要講述傳統(tǒng)人工智能的基本概念、原理、方法和技術(shù)，涵蓋知識表示、搜索策略、確定性推理和不確定推理的相關(guān)技術(shù)與方法； 第二部分（第6~9章）主要講述現(xiàn)代人工智能的新的技術(shù)和方法，涵蓋機器學習、數(shù)據(jù)挖掘、大數(shù)據(jù)、深度學習的*技術(shù)與方法。每章后面附有習題，以供讀者練習。 本書主要作為計算機專業(yè)本科生和其他相關(guān)學科本科生相關(guān)課程教材，也可供研究生和有關(guān)科技人員參考。
人工智能 內(nèi)容簡介
隨著2016年3月AlphaGo（阿法狗）戰(zhàn)勝圍棋世界冠軍、職業(yè)九段選手李世石，并以4:1的總分獲勝以來，“人工智能”成為人們舌尖上的話題，本書旨在揭開人工智能的神秘面紗，為大家展示其精髓。本書作者在多年講授人工智能課程的基礎(chǔ)上，對相關(guān)理論與技術(shù)進行了提煉與總結(jié)，使全書結(jié)構(gòu)嚴謹、邏輯性及前后章節(jié)的銜接增強，兼有普及與提高的雙重功能。傳統(tǒng)人工智能部分深入淺出，通俗易懂，容易學習；現(xiàn)代人工智能部分則體現(xiàn)其創(chuàng)新、精髓和尖端。每章后面附有習題，以供讀者練習；提供配套課件，讀者可在清華大學出版社網(wǎng)站本書頁面下載。
人工智能 目錄
目錄
第1章緒論
1.1人工智能的定義
1.2人工智能的發(fā)展歷史
1.2.1孕育階段
1.2.2形成階段
1.2.3發(fā)展階段
1.3人工智能的三大學派
1.3.1符號主義
1.3.2連接主義
1.3.3行為主義
1.4人工智能研究內(nèi)容與應(yīng)用領(lǐng)域
1.4.1問題求解
1.4.2專家系統(tǒng)
1.4.3機器學習
1.4.4神經(jīng)網(wǎng)絡(luò)
1.4.5模式識別
1.4.6數(shù)據(jù)挖掘和知識發(fā)現(xiàn)
1.4.7計算機視覺
1.4.8智能控制
1.4.9計算智能
1.4.10其他
1.5人工智能的發(fā)展趨勢
1.5.1多學科交叉研究
1.5.2智能應(yīng)用和智能產(chǎn)業(yè)
1.6習題
第2章知識表示
2.1概述
2.1.1知識及知識的分類
2.1.2知識表示
2.2謂詞邏輯表示法
2.2.1基本概念
2.2.2謂詞邏輯表示法
2.2.3謂詞邏輯表示法的經(jīng)典應(yīng)用
2.2.4謂詞邏輯表示法的特點
2.3產(chǎn)生式表示法
2.3.1概述
2.3.2產(chǎn)生式系統(tǒng)
2.3.3產(chǎn)生式表示法應(yīng)用舉例
2.3.4產(chǎn)生式系統(tǒng)的推理方式
2.3.5產(chǎn)生式系統(tǒng)的特點
2.4語義網(wǎng)絡(luò)表示法
2.4.1語義網(wǎng)絡(luò)基本概念
2.4.2語義網(wǎng)絡(luò)中常用的語義聯(lián)系
2.4.3語義網(wǎng)絡(luò)表示知識的方法
2.4.4語義網(wǎng)絡(luò)的推理過程
2.4.5語義網(wǎng)絡(luò)表示的特點
2.5框架表示法
2.5.1框架基本結(jié)構(gòu)
2.5.2基于框架的推理
2.5.3框架表示法的特點
2.6習題
第3章搜索策略
3.1搜索的基本概念
3.1.1搜索的含義
3.1.2狀態(tài)空間法
3.1.3問題歸約法
3.2狀態(tài)空間搜索
3.2.1盲目搜索
3.2.2狀態(tài)空間的啟發(fā)式搜索
3.3博弈樹的啟發(fā)式搜索
3.3.1概述
3.3.2極大極小過程
3.3.3αβ剪枝
3.4習題
第4章確定性推理
4.1推理的基本概念
4.1.1什么是推理
4.1.2推理方法及其分類
4.1.3推理的控制策略及其分類
4.1.4正向推理
4.1.5逆向推理
4.1.6混合推理
4.2推理的邏輯基礎(chǔ)
4.2.1謂詞公式的解釋
4.2.2謂詞公式的永真性與可滿足性
4.2.3謂詞公式的等價性與永真蘊含性
4.2.4謂詞公式的范式
4.2.5置換與合一
4.3自然演繹推理
4.4歸結(jié)演繹推理
4.4.1子句集及其簡化
4.4.2魯濱遜歸結(jié)原理
4.4.3歸結(jié)演繹推理的歸結(jié)策略
4.4.4用歸結(jié)反演求取問題的解
4.5基于規(guī)則的演繹推理
4.5.1規(guī)則正向演繹推理
4.5.2規(guī)則逆向演繹推理
4.6習題
第5章不確定性推理
5.1概述
5.1.1為什么要采用不確定性推理
5.1.2不確定性推理要解決的問題
5.1.3不確定性推理類型
5.2概率基礎(chǔ)
5.3主觀貝葉斯方法
5.3.1不確定性的表示
5.3.2組合證據(jù)不確定性的計算
5.3.3不確定性的傳遞算法
5.3.4結(jié)論不確定性的合成
5.4可信度方法
5.4.1不確定性的表示
5.4.2組合證據(jù)不確定性的計算
5.4.3不確定性的傳遞算法
5.4.4結(jié)論不確定性的合成
5.5證據(jù)理論
5.5.1理論基礎(chǔ)
5.5.2不確定性表示
5.5.3組合證據(jù)不確定性的計算
5.5.4不確定性的更新
5.6模糊推理
5.6.1模糊知識的表示
5.6.2模糊概念的匹配
5.6.3模糊推理
5.7習題
第6章機器學習
6.1概述
6.1.1機器學習的基本概念
6.1.2機器學習的發(fā)展歷史
6.1.3學習系統(tǒng)的基本模型
6.1.4學習策略
6.2記憶學習
6.3歸納學習
6.3.1 示例學習
6.3.2觀察與發(fā)現(xiàn)學習
6.4決策樹學習
6.5類比學習
6.5.1類比學習的基本過程
6.5.2屬性類比學習
6.5.3轉(zhuǎn)換類比學習
6.5.4派生類比學習
6.5.5聯(lián)想類比學習
6.6解釋學習
6.7神經(jīng)學習
6.7.1感知器學習
6.7.2反向傳播網(wǎng)絡(luò)學習
6.7.3Hopfield網(wǎng)絡(luò)學習
6.8貝葉斯學習
6.8.1貝葉斯定理
6.8.2樸素貝葉斯分類算法
6.9在線機器學習
6.9.1截斷梯度法
6.9.2前向后向切分算法
6.9.3正則對偶平均算法
6.9.4FTRL
6.10習題
第7章數(shù)據(jù)挖掘
7.1數(shù)據(jù)挖掘概述
7.1.1數(shù)據(jù)挖掘概念與發(fā)展
7.1.2數(shù)據(jù)挖掘的任務(wù)
7.1.3數(shù)據(jù)挖掘的應(yīng)用
7.1.4數(shù)據(jù)挖掘過程與方法
7.2分類
7.2.1決策樹分類法
7.2.2基于規(guī)則的分類器
7.2.3樸素貝葉斯分類器
7.2.4基于距離的分類算法
7.3聚類
7.3.1概念
7.3.2聚類分析的基本方法
7.4關(guān)聯(lián)規(guī)則
7.4.1基本概念
7.4.2關(guān)聯(lián)規(guī)則挖掘算法
7.4.3關(guān)聯(lián)規(guī)則生成
7.5習題
第8章大數(shù)據(jù)
8.1大數(shù)據(jù)概述
8.1.1大數(shù)據(jù)概念
8.1.2特征
8.1.3發(fā)展歷程
8.1.4應(yīng)用
8.2數(shù)據(jù)獲取
8.2.1網(wǎng)絡(luò)爬蟲
8.2.2RSS
8.3數(shù)據(jù)挖掘
8.3.1概述
8.3.2數(shù)據(jù)挖掘工具
8.3.3現(xiàn)狀與未來
8.4數(shù)據(jù)分析
8.4.1概述
8.4.2數(shù)據(jù)分析流程
8.4.3數(shù)據(jù)分析方法
8.4.4數(shù)據(jù)分析工具
8.5Hadoop
8.5.1簡介
8.5.2分布式離線計算框架MapReduce
8.5.3Hadoop分布式文件系統(tǒng)
8.5.4HBase大數(shù)據(jù)庫
8.6數(shù)據(jù)可視化
8.7習題
第9章深度學習
9.1深度學習應(yīng)用背景與概述
9.1.1應(yīng)用背景
9.1.2概述
9.1.3人腦視覺機理
9.2特征的概念
9.2.1特征表示的粒度
9.2.2初級（淺層）特征表示
9.2.3結(jié)構(gòu)性特征表示
9.2.4特征數(shù)量
9.3深度學習基本思想
9.4淺層學習和深度學習
9.4.1淺層學習
9.4.2深度學習
9.5深度學習常用模型和方法
9.5.1自動編碼器
9.5.2稀疏編碼
9.5.3深度信念網(wǎng)絡(luò)
9.5.4卷積神經(jīng)網(wǎng)絡(luò)
9.6深度學習展望
9.7習題
參考文獻
展開全部
書友推薦
- >
我與地壇
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術(shù)叢書(紅燭學術(shù)叢書)
- >
自卑與超越
- >
名家?guī)阕x魯迅:故事新編
- >
中國歷史的瞬間
- >
朝聞道
- >
史學評論
- >
姑媽的寶刀
本類暢銷
