掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習VS復雜系統(tǒng) 版權信息
- ISBN：9787121344107
- 條形碼：9787121344107 ; 978-7-121-34410-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機器學習VS復雜系統(tǒng) 本書特色
本書從跨學科視角來看待人工智能這個技術性的學科。圍繞用數(shù)學模型預測未來這一主題，介紹算法，主要包括現(xiàn)在流行的機器學習和深度學習算法，以及算法要解決問題本身的復雜性。復雜的問題，需要復雜的算法，而算法設計背后的老師正是自然界的復雜性本身。*終，我們上升到自然界解決復雜性*有利的工具，即人類智能本身，讓讀者從神經(jīng)科學的角度再次理解人工智能這個大主題，理解神經(jīng)科學是如何啟發(fā)人工智能的，而人工智能又如何幫助我們理解人類智能本身。本書既適合具有高中以上數(shù)學知識的一般讀者，作為他們了解人工智能和復雜系統(tǒng)領域的科普讀物；也適合已經(jīng)在人工智能領域工作的專業(yè)人士，使他們從工程視角之外的更大視角去看待這一領域，獲得新的啟發(fā)。
機器學習VS復雜系統(tǒng) 內(nèi)容簡介
本書從跨學科視角來看待人工智能這個技術性的學科。圍繞用數(shù)學模型預測未來這一主題，介紹算法，主要包括現(xiàn)在流行的機器學習和深度學習算法，以及算法要解決問題本身的復雜性。復雜的問題，需要復雜的算法，而算法設計背后的老師正是自然界的復雜性本身。很終，我們上升到自然界解決復雜性很有利的工具，即人類智能本身，讓讀者從神經(jīng)科學的角度再次理解人工智能這個大主題，理解神經(jīng)科學是如何啟發(fā)人工智能的，而人工智能又如何幫助我們理解人類智能本身。本書既適合具有高中以上數(shù)學知識的一般讀者，作為他們了解人工智能和復雜系統(tǒng)領域的科普讀物；也適合已經(jīng)在人工智能領域工作的專業(yè)人士，使他們從工程視角之外的更大視角去看待這一領域，獲得新的啟發(fā)。
機器學習VS復雜系統(tǒng) 目錄
**部分 復雜性
1 復雜系統(tǒng) ........................................................................................................ 2
2 用復雜網(wǎng)絡看世界經(jīng)濟（閱讀難度1星）..................................................... 7
3 風險管理策略之復雜科學視角 .................................................................. 11
4 從物理角度看復雜 ...................................................................................... 24
第二部分 機器學習
5 白話機器學習（閱讀難度1星） .................................................................. 46
6 淺談貝葉斯分析 .......................................................................................... 53
7 簡單貝葉斯分類器（閱讀難度1星） .......................................................... 57
8 決策樹方法（閱讀難度2星） ................................................................... 60
9 感知機：神經(jīng)網(wǎng)絡的基礎（閱讀難度3星） ....................................... 64
10 降維：應對復雜的通用武器（閱讀難度1星） ......................................... 67
第三部分 神經(jīng)網(wǎng)絡
11 神經(jīng)網(wǎng)絡不神秘 ........................................................................................ 74
12 CNN 的幾個關鍵詞（閱讀難度3星） ................................................ 80
13 時間序列與RNN ...................................................................................... 91
14 會遺忘的神經(jīng)網(wǎng)絡（閱讀難度3星） ................................................. 96
15 跟著AlphaGo 理解深度強化學習框架（閱讀難度3星） ............... 100
16 從阿爾法元看強化學習的更廣闊潛力 .................................................. 107
第四部分 宇宙間*復雜的就是我們的大腦
17 深層視覺信息的編碼機制（閱讀難度1星） ........................................... 114
18 大腦的自由能假說——兼論認知科學與機器學習（閱讀難度2星） 121
19 大腦中的支持向量機（閱讀難度3星） ........................................... 126
20 機器學習是如何巧妙理解我們大腦的工作原理的
（閱讀難度2星） ..................................................................................... 133
21 大腦經(jīng)濟學（閱讀難度1星） .................................................................. 140
22 人工智能vs 人類智能（閱讀難度2星） ............................................. 149
第五部分 人工智能應用談
23 人工智能會取代藝術家的工作嗎 .......................................................... 156
24 機器學習預測心理疾病 .......................................................................... 159
25 人機協(xié)作決策的兩種方式 ...................................................................... 164
26 小數(shù)據(jù)機器學習 ...................................................................................... 166
27 用深度學習玩圖像的七重關卡 .............................................................. 170
28 深度學習助力基因科技 .......................................................................... 174
29 機器學習對戰(zhàn)復雜系統(tǒng) .......................................................................... 176
1 復雜系統(tǒng) ........................................................................................................ 2
2 用復雜網(wǎng)絡看世界經(jīng)濟（閱讀難度1星）..................................................... 7
3 風險管理策略之復雜科學視角 .................................................................. 11
4 從物理角度看復雜 ...................................................................................... 24
第二部分 機器學習
5 白話機器學習（閱讀難度1星） .................................................................. 46
6 淺談貝葉斯分析 .......................................................................................... 53
7 簡單貝葉斯分類器（閱讀難度1星） .......................................................... 57
8 決策樹方法（閱讀難度2星） ................................................................... 60
9 感知機：神經(jīng)網(wǎng)絡的基礎（閱讀難度3星） ....................................... 64
10 降維：應對復雜的通用武器（閱讀難度1星） ......................................... 67
第三部分 神經(jīng)網(wǎng)絡
11 神經(jīng)網(wǎng)絡不神秘 ........................................................................................ 74
12 CNN 的幾個關鍵詞（閱讀難度3星） ................................................ 80
13 時間序列與RNN ...................................................................................... 91
14 會遺忘的神經(jīng)網(wǎng)絡（閱讀難度3星） ................................................. 96
15 跟著AlphaGo 理解深度強化學習框架（閱讀難度3星） ............... 100
16 從阿爾法元看強化學習的更廣闊潛力 .................................................. 107
第四部分 宇宙間*復雜的就是我們的大腦
17 深層視覺信息的編碼機制（閱讀難度1星） ........................................... 114
18 大腦的自由能假說——兼論認知科學與機器學習（閱讀難度2星） 121
19 大腦中的支持向量機（閱讀難度3星） ........................................... 126
20 機器學習是如何巧妙理解我們大腦的工作原理的
（閱讀難度2星） ..................................................................................... 133
21 大腦經(jīng)濟學（閱讀難度1星） .................................................................. 140
22 人工智能vs 人類智能（閱讀難度2星） ............................................. 149
第五部分 人工智能應用談
23 人工智能會取代藝術家的工作嗎 .......................................................... 156
24 機器學習預測心理疾病 .......................................................................... 159
25 人機協(xié)作決策的兩種方式 ...................................................................... 164
26 小數(shù)據(jù)機器學習 ...................................................................................... 166
27 用深度學習玩圖像的七重關卡 .............................................................. 170
28 深度學習助力基因科技 .......................................................................... 174
29 機器學習對戰(zhàn)復雜系統(tǒng) .......................................................................... 176
展開全部
機器學習VS復雜系統(tǒng) 作者簡介
許鐵， 法國巴黎高師物理碩士 ，以色列理工大學（以色列85%科技創(chuàng)業(yè)人才的搖籃, 計算機科學享譽全球）計算神經(jīng)科學博士，混沌巡洋艦公共號創(chuàng)始人，巡洋艦科技有限公司創(chuàng)始人, 曾在香港浸會大學非線性科學中心工作一年。
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
羅曼·羅蘭讀書隨筆-精裝
- >
莉莉和章魚
- >
我與地壇
- >
【精裝繪本】畫給孩子的中國神話
- >
詩經(jīng)-先民的歌唱
- >
推拿
- >
苦雨齋序跋文-周作人自編集
本類暢銷
