掃一掃
關注中圖網
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數據與計算機科學系列人工智能原理及應用 版權信息
- ISBN：9787313182647
- 條形碼：9787313182647 ; 978-7-313-18264-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據與計算機科學系列人工智能原理及應用 內容簡介
我們要求教材的編寫內容做到“必要、前沿、實用”。應用型人才也必須掌握相應領域的基礎理論知識。因此，在這套教材中，我們要求涉及必要的基礎理論，但以“夠用”為度，重“敘述”少“推導”；為了適應時代發展的需要，應用型人才還必須掌握本領域的很新發展。在這套教材中，我們還要求介紹很前沿的發展技術和很新穎的機電產品，讓學生了解現代制造業的發展態勢；為了突出本科工程教育的應用型特點，我們要求本套教材內容的選擇要面向工程、面向技術、面向實際、面向地區經濟發展的需求。能讓學生縮短上崗工作時間、快速適應以及勝任工作崗位的挑戰應該是這套教材的編寫的特色和創新之所在。
大數據與計算機科學系列人工智能原理及應用 目錄
第1章 緒論
1．1 人工智能概念和發展
1．1．1 人工智能的概念
1．1．2 人工智能的發展簡史
1．2 人工智能的研究學派
1．2．1 符號主義
1．2．2 聯結主義
1．2．3 行為主義
1．3 人工智能的研究目標
1．4 人工智能的研究領域
1．4．1 模式識別
1．4．2 自動定理證明
1．4．3 機器視覺
1．4．4 專家系統
1．4．5 機器人
1．4．6 自然語言處理
1．4．7 博弈
1．4．8 人工神經網絡
1．4．9 問題求解
1．4．10 機器學習
1．4．11 基于Agent的人工智能
第2章 知識表示和問題求解
2．1 知識及知識表示的基本概念
2．1．1 知識的概念
2．1．2 知識表示
2．1．3 知識的分類
2．1．4 知識的使用
2．1．5 對知識表示方法的衡量
2．2 狀態空間知識表示及求解
2．2．1 狀態空間表示法
2．2．2 圖搜索策略
2．3 產生式系統及推理
2．3．1 產生式系統的構成
2．3．2 產生式系統的求解問題策略
2．4 問題歸約法
2．4．1 問題歸約表示
2．4．2 與／或圖表示
2．5 謂詞邏輯表示及歸結原理
2．5．1 命題邏輯
2．5．2 謂詞邏輯
2．5．3 一階謂詞演算的基本體系
2．5．4 推理規則
2．5．5 歸結原理
2．6 語義網絡
2．6．1 語義網絡的構成及特點
2．6．2 語義網絡的表示
2．6．3 語義網絡的推理
2．6．4 語義網絡表示的優缺點特點
2．7 其他知識表示與問題求解方法
2．7．1 框架
2．7．2 腳本
2．7．3 過程
第3章 自動規劃求解系統
3．1 規劃
3．1．1 規劃的概念
3．1．2 規劃的特性及作用
3．1．3 系統規劃求解的方法與途徑
3．1．4 系統規劃求解的任務
3．2 機器規劃成功性基本原理
3．2．1 概述
3．2．2 總規劃的設計與分層規劃原理
3．2．3 規劃問題求解與*優規劃原理
3．3 機器人規劃求解應用舉例
第4章 機器學習
4．1 機器學習的概念
4．1．1 什么是學習
4．1．2 機器學習與人類學習的區別
4．1．3 機器學習實現的困難
4．2 機器學習的研究目標
4．2．1 通用學習算法
4．2．2 認知模型
4．2．3 工程目標
4．3 機器學習系統
4．3．1 什么是機器學習系統
4．3．2 機器學習的基本模型
4．4 機器學習的分類
4．5 實例學習
4．5．1 概述
4．5．2 實例學習的兩個空間模型
4．5．3 實例學習示例
第5章 自然語言處理技術
5．1 自然語言處理概述
5．1．1 漢語信息處理技術方面的進展
5．1．2 少數民族語言文字信息處理技術方面的進展
5．1．3 自然語言處理的研究領域和方向
5．2 自然語言理解
5．2．1 自然語言分析的層次
5．2．2 自然語言理解的層次
5．3 詞法分析
5．3 句法分析
5．3．1 短語結構文法
5．3．2 喬姆斯基文法體系
5．3．3 句法分析樹
5．3．4 轉移網絡
5．4 語義分析
5．4．1 語義文法
5．4．2 格文法
5．5 大規模真實文本的處理
5．6 信息搜索
5．6．1 搜索引擎
5．6．2 智能搜索引擎
5．7 機器翻譯
5．7．1 基于詞的統計機器翻譯
5．7．2 基于短語的統計機器翻譯
5．8 語音識別
5．8．1 信號處理
5．8．2 識別
第6章 智能信息處理技術
6．1 神經網絡
6．1．1 神經網絡的模型和學習算法
6．1．2 幾種典型神經網絡簡介
6．1．3 神經網絡的應用
6．2 深度學習
6．2．1 深度學習的模型和學習算法
6．2．2 深度學習的應用
6．3 遺傳算法
6．3．1 遺傳算法的概念
6．3．2 基本遺傳算法
6．3．3 遺傳算法應用
6．4 粗糙集方法
6．4．1 粗糙集的基本概念
6．4．2 粗糙集對缺失數據的補齊方法
6．5 模糊計算技術
6．5．1 模糊集合
6．5．2 模糊集合的表示方法
6．5．3 模糊集合的運算
6．5．4 隸屬函數
6．5．5 模糊模式識別
6．6 云模型理論
6．7 支持向量機
6．7．1 線性分類
6．7．2 核函數
6．7．3 SVM的應用
第7章 分布式人工智能和Agent技術
7．1 分布式人工智能
7．2 Agent系統
7．2．1 Agent的基本概念及特性
7．2．2 Agent的分類及能力
7．3 多Agent系統
7．3．1 多Agent系統的基本概念及特性
7．3．2 多Agent系統的研究內容
第8章 知識發現與數據挖掘
8．1 知識發現
8．2 數據挖掘
8．2．1 數據挖掘技術的產生及定義
8．2．2 數據挖掘的功能
8．2．3 常用的數據挖掘方法
8．3 大數據處理
8．3．1 大數據計算框架——MapReduce
8．3．2 Hadoop平臺及相關生態系統
8．3．3 Spark計算框架及相關生態系統
8．3．4 流式大數據
8．3．5 大數據挖掘與分析
主要參考文獻
1．1 人工智能概念和發展
1．1．1 人工智能的概念
1．1．2 人工智能的發展簡史
1．2 人工智能的研究學派
1．2．1 符號主義
1．2．2 聯結主義
1．2．3 行為主義
1．3 人工智能的研究目標
1．4 人工智能的研究領域
1．4．1 模式識別
1．4．2 自動定理證明
1．4．3 機器視覺
1．4．4 專家系統
1．4．5 機器人
1．4．6 自然語言處理
1．4．7 博弈
1．4．8 人工神經網絡
1．4．9 問題求解
1．4．10 機器學習
1．4．11 基于Agent的人工智能
第2章 知識表示和問題求解
2．1 知識及知識表示的基本概念
2．1．1 知識的概念
2．1．2 知識表示
2．1．3 知識的分類
2．1．4 知識的使用
2．1．5 對知識表示方法的衡量
2．2 狀態空間知識表示及求解
2．2．1 狀態空間表示法
2．2．2 圖搜索策略
2．3 產生式系統及推理
2．3．1 產生式系統的構成
2．3．2 產生式系統的求解問題策略
2．4 問題歸約法
2．4．1 問題歸約表示
2．4．2 與／或圖表示
2．5 謂詞邏輯表示及歸結原理
2．5．1 命題邏輯
2．5．2 謂詞邏輯
2．5．3 一階謂詞演算的基本體系
2．5．4 推理規則
2．5．5 歸結原理
2．6 語義網絡
2．6．1 語義網絡的構成及特點
2．6．2 語義網絡的表示
2．6．3 語義網絡的推理
2．6．4 語義網絡表示的優缺點特點
2．7 其他知識表示與問題求解方法
2．7．1 框架
2．7．2 腳本
2．7．3 過程
第3章 自動規劃求解系統
3．1 規劃
3．1．1 規劃的概念
3．1．2 規劃的特性及作用
3．1．3 系統規劃求解的方法與途徑
3．1．4 系統規劃求解的任務
3．2 機器規劃成功性基本原理
3．2．1 概述
3．2．2 總規劃的設計與分層規劃原理
3．2．3 規劃問題求解與*優規劃原理
3．3 機器人規劃求解應用舉例
第4章 機器學習
4．1 機器學習的概念
4．1．1 什么是學習
4．1．2 機器學習與人類學習的區別
4．1．3 機器學習實現的困難
4．2 機器學習的研究目標
4．2．1 通用學習算法
4．2．2 認知模型
4．2．3 工程目標
4．3 機器學習系統
4．3．1 什么是機器學習系統
4．3．2 機器學習的基本模型
4．4 機器學習的分類
4．5 實例學習
4．5．1 概述
4．5．2 實例學習的兩個空間模型
4．5．3 實例學習示例
第5章 自然語言處理技術
5．1 自然語言處理概述
5．1．1 漢語信息處理技術方面的進展
5．1．2 少數民族語言文字信息處理技術方面的進展
5．1．3 自然語言處理的研究領域和方向
5．2 自然語言理解
5．2．1 自然語言分析的層次
5．2．2 自然語言理解的層次
5．3 詞法分析
5．3 句法分析
5．3．1 短語結構文法
5．3．2 喬姆斯基文法體系
5．3．3 句法分析樹
5．3．4 轉移網絡
5．4 語義分析
5．4．1 語義文法
5．4．2 格文法
5．5 大規模真實文本的處理
5．6 信息搜索
5．6．1 搜索引擎
5．6．2 智能搜索引擎
5．7 機器翻譯
5．7．1 基于詞的統計機器翻譯
5．7．2 基于短語的統計機器翻譯
5．8 語音識別
5．8．1 信號處理
5．8．2 識別
第6章 智能信息處理技術
6．1 神經網絡
6．1．1 神經網絡的模型和學習算法
6．1．2 幾種典型神經網絡簡介
6．1．3 神經網絡的應用
6．2 深度學習
6．2．1 深度學習的模型和學習算法
6．2．2 深度學習的應用
6．3 遺傳算法
6．3．1 遺傳算法的概念
6．3．2 基本遺傳算法
6．3．3 遺傳算法應用
6．4 粗糙集方法
6．4．1 粗糙集的基本概念
6．4．2 粗糙集對缺失數據的補齊方法
6．5 模糊計算技術
6．5．1 模糊集合
6．5．2 模糊集合的表示方法
6．5．3 模糊集合的運算
6．5．4 隸屬函數
6．5．5 模糊模式識別
6．6 云模型理論
6．7 支持向量機
6．7．1 線性分類
6．7．2 核函數
6．7．3 SVM的應用
第7章 分布式人工智能和Agent技術
7．1 分布式人工智能
7．2 Agent系統
7．2．1 Agent的基本概念及特性
7．2．2 Agent的分類及能力
7．3 多Agent系統
7．3．1 多Agent系統的基本概念及特性
7．3．2 多Agent系統的研究內容
第8章 知識發現與數據挖掘
8．1 知識發現
8．2 數據挖掘
8．2．1 數據挖掘技術的產生及定義
8．2．2 數據挖掘的功能
8．2．3 常用的數據挖掘方法
8．3 大數據處理
8．3．1 大數據計算框架——MapReduce
8．3．2 Hadoop平臺及相關生態系統
8．3．3 Spark計算框架及相關生態系統
8．3．4 流式大數據
8．3．5 大數據挖掘與分析
主要參考文獻
展開全部
書友推薦
- >
我從未如此眷戀人間
- >
有舍有得是人生
- >
伊索寓言-世界文學名著典藏-全譯本
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
【精裝繪本】畫給孩子的中國神話
- >
史學評論
- >
月亮與六便士
本類暢銷
