中圖網小程序
一鍵登錄
更方便
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
人工智能導論 版權信息
- ISBN：9787301327173
- 條形碼：9787301327173 ; 978-7-301-32717-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能導論 本書特色
本書既適合作為高校各個專業的人工智能基礎課程或者通識課的教材，又可作為廣大社會人士了解人工智能的概念、理論和方法的科普性讀物。
人工智能導論 內容簡介
本書以通俗易懂的方式，介紹了人工智能的發展歷程、具體理論和方法、應用前景及未來的挑戰。 全書共分6章。第1章介紹了人工智能的發展歷程，講解了不同時期人工智能的代表人物及其貢獻；第2章以理論與實例并重的方式介紹了機器學習的定義，以及時間序列分析與預測、結構方程、因子分析、信度與效度分析、回歸分析、k-means聚類算法、樸素貝葉斯、馬爾可夫過程等機器學習方法；第3章介紹了計算智能，包括遺傳算法、粒子群算法、蟻群算法、人工魚群算法；第4章介紹了深度學習的定義、核心技術、主要應用及開源框架；第5章介紹了人工智能技術在備行各業的應用，概括歸納人工智能技術在搜索引擎領域、制造業、安防業、交通業、醫療領域、電商領域、教育業、媒體業的具體應用；第6章介紹了人工智能的未來發展和挑戰。 本書既適合作為高校各個專業的人工智能基礎課程或者通識課的教材，又可作為廣大社會人士了解人工智能的概念、理論和方法的科普性讀物。
人工智能導論 目錄
第1章 人工智能的發展歷程 1
1.1 **階段——人工智能的孕育期 3
1.1.1 亞里士多德與三段論 3
1.1.2 萊布尼茨與形式邏輯符號化 4
1.1.3 布爾與布爾代數 5
1.1.4 圖靈與圖靈機 6
1.1.5 麥卡洛克和皮茲與MP神經元模型 8
1.1.6 馮·諾依曼與馮·諾依曼架構 8
1.1.7 香農與機械鼠 9
1.1.8 維納與控制論 10
1.2 第二階段——人工智能基礎技術的形成 12
1.2.1 西蒙和紐厄爾與通用問題求解器 12
1.2.2 羅森布拉特與感知機模型 14
1.2.3 王浩與機器證明 14
1.2.4 麥卡錫和明斯基與人工智能 15
1.2.5 霍夫和威德羅與自適應線性單元 16
1.2.6 費根鮑姆與專家系統 18
1.3 第三階段——人工智能的發展和實用化 19
1.3.1 診斷系統VAX 19
1.3.2 計算機配置專家系統XSEL和XCON 19
1.3.3 自然語言理解系統SHRDLU 19
1.3.4 符號數學專家系統MACSYMA 20
1.3.5 診斷內科疾病的專家系統INTERNIST 20
1.3.6 腎臟病專家咨詢系統PIP 20
1.3.7 診斷和治療青光眼病的專家系統CASNET 21
1.3.8 醫學診斷專家系統MYCIN 21
1.3.9 自然語言理解系統LUNAR 21
1.3.10 邏輯編程語言 22
1.3.11 多層感知機 22
1.3.12 框架理論 23
1.3.13 遺傳算法 24
1.3.14 知識工程 24
1.3.15 Agent技術 25
1.3.16 知識表示語言 25
1.4 第四階段——知識工程與專家系統 26
1.4.1 霍普菲爾德與Hopfield神經網絡模型 26
1.4.2 辛頓與玻爾茲曼機 29
1.4.3 麥克萊倫德和魯梅爾哈特與反向傳播算法 30
1.4.4 肖漢姆與Agent程序設計 31
1.4.5 瓦普尼克與支持向量機 32
1.4.6 麥昆與定理證明系統 33
1.4.7 當代人工智能領域的領軍人物 33
1.5 本章小結 36
習題 36
第2章 機器學習 38
2.1 機器學習概述 40
2.1.1 機器學習與人類學習 40
2.1.2 機器學習的發展歷程 40
2.1.3 機器學習的步驟 41
2.1.4 機器學習的典型應用 42
2.1.5 機器學習的相關技術 43
2.2 時間序列分析與預測 44
2.2.1 時間序列的發展歷程 44
2.2.2 時間序列的簡介 45
2.2.3 時間序列的分類 45
2.2.4 時間序列的水平分析 46
2.2.5 時間序列的速度分析 46
2.2.6 時間序列分析的主要用途 47
2.3 結構方程模型 48
2.3.1 結構方程模型的發展歷程 48
2.3.2 結構方程模型的介紹 48
2.3.3 結構方程的建模過程及實例 50
2.3.4 結構方程模型的應用 52
2.4 因子分析法 55
2.4.1 因子分析法的發展 55
2.4.2 因子分析法的應用 55
2.4.3 因子分析的核心問題及具體步驟 56
2.4.4 案例分析 56
2.5 信度與效度分析 58
2.5.1 信度和效度的概念 58
2.5.2 信度與效度的用途 59
2.5.3 信度分析方法 59
2.5.4 效度分析類型 61
2.6 K-means算法 62
2.6.1 K-means算法的起源 62
2.6.2 K-means算法的原理 62
2.6.3 K-means算法的應用 64
2.7 回歸分析 65
2.7.1 回歸分析的起源 65
2.7.2 回歸分析的類型 66
2.7.3 回歸分析的實例 69
2.8 樸素貝葉斯 70
2.8.1 貝葉斯公式 70
2.8.2 樸素貝葉斯分類 71
2.8.3 樸素貝葉斯實例 71
2.9 馬爾可夫過程 73
2.10 數據缺失及其填補方法 79
2.10.1 數據缺失的原因以及產生機制 80
2.10.2 數據缺失模式 80
2.10.3 數據缺失的處理方法 81
2.11 混合線性模型 83
2.12 統計推斷 87
2.12.1 統計推斷的表述形式 88
2.12.2 統計推斷的可靠性 88
2.12.3 統計抽樣的方法 88
2.12.4 統計假設測驗 89
2.13 本章小結 91
習題 91
第3章 計算智能 93
3.1 遺傳算法 95
3.1.1 遺傳算法的起源 95
3.1.2 遺傳算法的原理 97
3.1.3 遺傳算法的實現 101
3.1.4 遺傳算法的應用 102
3.1.5 遺傳算法拓展——分類器 105
3.2 粒子群算法 107
3.2.1 粒子群算法的起源 107
3.2.2 粒子群算法的特點 109
3.2.3 粒子群算法的原理 110
3.2.4 粒子群算法的步驟 111
3.2.5 粒子群算法的應用 113
3.3 蟻群算法 116
3.3.1 蟻群算法的起源 116
3.3.2 蟻群算法的原理 118
3.3.3 蟻群算法的步驟 120
3.3.4 蟻群算法的應用 123
3.4 人工魚群算法 127
3.4.1 人工魚群算法的起源 127
3.4.2 人工魚群算法的基本原理 127
3.4.3 人工魚的基本行為 129
3.4.4 人工魚群算法的實現和重要參數 130
3.4.5 人工魚群算法的應用 131
3.5 本章小結 134
習題 135
第4章 深度學習 137
4.1 深度學習概述 138
4.2 深度學習的核心技術 141
4.2.1 神經網絡 142
4.2.2 長短期記憶神經網絡 144
4.2.3 卷積神經網絡 145
4.2.4 深度森林模型 149
4.2.5 深度學習的數學基礎 151
4.3 深度學習的應用 151
4.3.1 圖像識別 152
4.3.2 語音應用 162
4.3.3 文本挖掘 166
4.4 深度學習開源框架 170
4.4.1 TensorFlow 170
4.4.2 PaddlePaddle 170
4.4.3 Keras 171
4.4.4 MXNet 171
4.4.5 PyTorch 171
4.4.6 開源框架對比 172
4.5 本章小結 173
習題 173
第5章 人工智能技術在各行各業的應用 176
5.1 人工智能技術在搜索引擎領域的應用 178
5.1.1 語音識別 178
5.1.2 圖像識別 181
5.2 人工智能技術在制造業的應用 183
5.2.1 產品設計和研發 183
5.2.2 智能生產制造 184
5.2.3 智能供應鏈 185
5.3 人工智能技術在安防業的應用 186
5.3.1 公安安防 186
5.3.2 社區和民用安防 187
5.3.3 工廠園區安防 189
5.4 人工智能技術在交通業的應用 189
5.4.1 智能車輛檢索 189
5.4.2 智能交通監控 190
5.4.3 自動駕駛汽車 190
5.4.4 駕駛員健康狀態監測 191
5.4.5 交警機器人 192
5.5 人工智能技術在醫療領域的應用 192
5.5.1 人工智能與影像輔助診斷 192
5.5.2 人工智能與藥物的研發 194
5.5.3 人工智能與醫用機器人 195
5.6 人工智能技術在電商領域的應用 196
5.6.1 個性化推薦技術 196
5.6.2 生物認證技術 198
5.6.3 商務智能分析 199
5.7 人工智能技術在教育行業的應用 201
5.7.1 自適應學習 201
5.7.2 虛擬學習助手 201
5.7.3 教育商業智能化 202
5.8 人工智能技術在媒體業的應用 204
5.8.1 新聞業的應用 204
5.8.2 視頻領域的應用 205
5.9 本章小結 207
習題 208
第6章 人工智能的發展趨勢和挑戰 210
6.1 人工智能的發展趨勢及新技術的應用 211
6.2 人工智能對人類未來生活的影響 221
6.3 人工智能帶來的挑戰及可能的解決方案 223
6.3.1 人工智能帶來的挑戰及變革 223
6.3.2 可能的解決方案 229
6.4 本章小結 230
習題 231
參考答案 232
第1章 人工智能的發展歷程 232
第2章 機器學習 232
第3章 計算智能 235
第4章 深度學習 236
第5章 人工智能技術在各行各業的
應用 237
第6章 人工智能的發展趨勢和挑戰 237
參考文獻 238
展開全部
人工智能導論 作者簡介
劉攀，上海商學院教授。近五年，主持和參與國家和省部級以上科研項目10項，主持教研課題3項；主編教材1部，字數共計30萬字；公開發表論文30余篇，其中25篇被SCI或EI檢索、5篇北大核心；獲得國家發明專利2項，使用新型專利1項，多次帶隊參加各種學科競賽榮獲國家二等獎2項，三等獎8項，上海市級一等獎1項，二等獎2項，三等獎12項，優秀設計獎若干。 黃務蘭，上海商學院副教授。近五年，主持及參與國家、省部級、地廳級科研項目6項，承擔教研課題2項；參編教材2部，字數共計18萬字；公開發表論文10余篇，其中4篇CSSCI、2篇北大核心，1篇EI檢索論文。 魏忠，博士，上海海事大學電子商務專業副教授、管理科學專業碩士生導師、MBA\EMBA導師、西安電子科技大學計算機學院碩士生導師、東華大學計算機學院碩士生導師。出版了5本教育專著和發表50多篇文章，曾獲得上海高教成果一等獎、二等獎、三等獎。講授《網絡智能技術與應用》和《數據可視化》課程。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
伊索寓言-世界文學名著典藏-全譯本
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
中國歷史的瞬間
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
史學評論
- >
山海經
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
