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
人工智能基礎及應用 版權信息
- ISBN：9787302566670
- 條形碼：9787302566670 ; 978-7-302-56667-0
- 裝幀：80g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能基礎及應用 本書特色
本書由歷史簡介、數學基礎、線性回歸、支持向量機、神經網絡、卷積神經網絡、循環神經網絡、分類與聚類和實際應用組成，排版條理清晰，內容深入淺出，并配有典型例題和習題詳解，有助于讀者學習人工智能的基本理論，可以作為高等院校本科生或研究生的教學參考書或試用教材。 【本書特色】(1) 體現工程教育專業認證的理念，注重對學生解決復雜工程問題能力的培養，將人工智能的相關理論系統化。 (2) 以基本數學知識為基礎，按照機器學習、神經網絡、深度學習的順序進行編排，內容由淺入深，循序漸進，幫助初學者進行科學高效的學習。 (3) 每章配有相應的習題和詳解，便于讀者及時總結和回顧，加深對重點知識的理解，掌握人工智能的重要基礎知識。 (4) 結合仿真程序，將基礎理論應用到實際的經典案例中，力求學以致用，培養讀者的工程實踐能力。 (5) 新形態教材，關注語音識別、自然語言處理和計算機視覺等人工智能研究的熱點問題。 IEEE Fellow、國際歐亞科學院院士、國家“千人計劃“ 專家編寫。注重理論算法與實例結合，適用面廣。結合教學、科研及應用需求，既有深度又有廣度，鍛煉及增強學生獨立思考、創新意識和解決問題的能力IEEE Fellow、國際歐亞科學院院士、國家“千人計劃“ 專家編寫。注重理論算法與實例結合，適用面廣。結合教學、科研及應用需求，既有深度又有廣度，鍛煉及增強學生獨立思考、創新意識和解決問題的能力
人工智能基礎及應用 內容簡介
本書主要介紹與人工智能相關的一些基礎知識，全書共9章。章簡要介紹人工智能的發展歷史及國內外研究現狀，第2章詳細給出學習人工智能需要具備的基礎數學知識，第3~8章分別介紹不同的人工智能技術，并在第9章給出具體的應用實例。為便于讀者理解及鞏固所學知識點，本書各主要章節配有一定數量的例題和習題，并在很后附有相關章節的習題解答。本書可以作為高等院校電子信息類、自動化類、計算機類等相關專業本科生或研究生的教材或參考書。
人工智能基礎及應用 目錄
目錄
第1章人工智能簡介
1．1人工智能定義
1．2人工智能發展歷史與三大學派
1．2．1人工智能發展歷史
1．2．2三大學派
1．3國內外發展現狀、挑戰與未來趨勢
1．3．1國內外發展現狀
1．3．2面臨的問題
1．3．3未來發展趨勢
習題
參考文獻
第2章數學基礎
2．1矩陣及其運算
2．1．1向量
2．1．2矩陣
2．1．3矩陣運算
2．1．4范數
2．2導數與微分
2．2．1導數
2．2．2微分
2．2．3偏導數
2．3泰勒展開式
2．4梯度及其運算
2．4．1梯度
2．4．2梯度下降
2．5概率論相關知識
2．5．1概率
2．5．2條件概率
2．5．3隨機變量的分布函數
2．5．4數學期望
習題
參考文獻
第3章機器學習的起點： 線性回歸
3．1線性回歸模型建立
3.1．1機器學習角度
3．1．2統計學角度
3．2線性回歸原理
習題
參考文獻
第4章支持向量機
4．1線性可分支持向量機
4．1．1線性可分支持向量機的定義
4．1．2函數間隔與幾何間隔
4．1．3間隔*大化
4．1．4線性可分支持向量機學習的對偶算法
4．2線性支持向量機
4．2．1線性支持向量機的定義
4．2．2線性支持向量機學習的對偶算法
4．2．3支持向量
4．2．4合頁損失函數
4．3非線性支持向量機
4．3．1核技巧
4．3．2常見的核函數
4．3．3非線性支持向量機
習題
參考文獻
第5章神經網絡及基本結構
5．1神經元介紹
5．2感知機
5．3神經網絡的基本結構
5．4反向傳播
5．5梯度下降算法
習題
參考文獻
第6章卷積神經網絡
6．1卷積神經網絡發展歷史
6．2卷積神經網絡結構
6．2．1卷積層
6．2．2池化層
6．2．3softmax分類函數
6．3卷積神經網絡常用的損失函數
6．4卷積神經網絡常用的訓練算法
6．4．1隨機梯度下降算法
6．4．2RMSProp優化算法
6．4．3Adam優化算法
習題
參考文獻
第7章循環神經網絡
7．1循環神經網絡原理
7．1．1RNN的基本結構
7．1．2RNN的前向傳播
7．1．3RNN的反向傳播
7．1．4雙向RNN
7．1．5基于編碼解碼的序列到序列架構
7．2長期依賴問題及優化
7．3基于門結構的RNN
7．3．1門結構
7．3．2LSTM
7．3．3GRU
7．4注意力機制
7．4．1NLP中注意力機制的起源
7．4．2注意力機制的標準形式
7．4．3注意力機制的變形
習題
參考文獻
第8章分類與聚類
8．1基于判別函數的分類方法
8．1．1廣義判別函數法
8.1．2分段線性判別函數法
8．2基于已知樣本類別的分類方法
8．2．1參數估計法
8．2．2非參數估計
8．3基于未知樣本類別的聚類方法
8．3．1基于距離閾值的聚類算法
8．3．2層次聚類法
8．3．3動態聚類算法
習題
參考文獻
第9章應用實例
9．1MATLAB基礎
9．1．1常量
9．1．2變量
9．1．3數組
9．1．4矩陣
9．1．5函數
9．1．6循環語句
9．1．7條件語句
9．2幾個典型案例
9．2．1房價預測
9．2．2支持向量機的二分類應用
9．2．3豆瓣讀書評價分析
9．2．4手寫數字識別
9．2．5基于循環神經網絡的情感分類
9．2．6國民健康狀況研究
參考文獻
參考答案
展開全部
人工智能基礎及應用 作者簡介
宋永端，教授/博導，IEEE Fellow, 國際歐亞科學院院士，國家“q人計劃“ 專家（首批），注冊職業工程師（美國），美國教師名人錄，中國自動化學會常務理事，重慶大學自動化學院院長。1992 年獲美國田納西理工大學電氣及計算機工程博士學位，長期從事控制理論及應用，機器人及智能系統方面的研究，著有中英文著作8部。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
山海經
- >
中國歷史的瞬間
- >
史學評論
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
推拿
- >
苦雨齋序跋文-周作人自編集
本類暢銷
