掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥29.6
加入購(gòu)物車
人工智能基礎(chǔ) 版權(quán)信息
- ISBN：9787030723963
- 條形碼：9787030723963 ; 978-7-03-072396-3
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
人工智能基礎(chǔ) 本書特色
《人工智能基礎(chǔ)》特點(diǎn)： 輕松入門，淺顯易懂！ (nèi)容系統(tǒng)，應(yīng)用性強(qiáng)。
人工智能基礎(chǔ) 內(nèi)容簡(jiǎn)介
《人工智能基礎(chǔ)》以簡(jiǎn)明的方式，系統(tǒng)、全面地介紹人工智能基礎(chǔ)知識(shí)及其拓展應(yīng)用，目的是用通俗易懂的方法幫助學(xué)生構(gòu)建完整的人工智能知識(shí)體系，為后續(xù)深入學(xué)習(xí)人工智能相關(guān)知識(shí)打下堅(jiān)實(shí)的理論基礎(chǔ)。全書共8章，主要內(nèi)容包括人工智能的概述與流派、知識(shí)表示、搜索求解、群集智能算法、專家系統(tǒng)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)。每章附有習(xí)題，以供讀者練習(xí)。 《人工智能基礎(chǔ)》可作為高等院校的人工智能專業(yè)的導(dǎo)論課教材和非人工智能專業(yè)的選修課教材，也可作為人工智能技術(shù)愛好者學(xué)習(xí)的入門書籍。
人工智能基礎(chǔ) 目錄
第1章 人工智能
1．1 人工智能概述
1．1．1 人工智能的定義
1．1．2 人工智能簡(jiǎn)史
1．1．3 研究領(lǐng)域
1．2 人工智能流派
1．2．1 符號(hào)主義
1．2．2 連接主義
1．2．3 行為主義
本章小結(jié)
本章習(xí)題
第2章 知識(shí)表示
2．1 知識(shí)表示概述
2．2 數(shù)理邏輯表示法
2．2．1 命題邏輯
2．2．2 謂詞邏輯
2．2．3 謂詞邏輯表示法
2．3 語(yǔ)義網(wǎng)絡(luò)表示法
2．3．1 語(yǔ)義網(wǎng)絡(luò)的概念
2．3．2 知識(shí)的語(yǔ)義網(wǎng)絡(luò)表示
2．3．3 語(yǔ)義網(wǎng)絡(luò)中常用的語(yǔ)義聯(lián)系
2．3．4 語(yǔ)義網(wǎng)絡(luò)表示下的推理過程
2．3．5 語(yǔ)義網(wǎng)絡(luò)表示法的特點(diǎn)
2．4 過程表示法
2．4．1 過程表示法概述
2．4．2 過程表示法求解過程
2．4．3 過程表示法求解總結(jié)
2．5 框架表示法
2．5．1 框架結(jié)構(gòu)及知識(shí)表示
2．5．2 基于框架的推理
2．5．3 框架表示法的特點(diǎn)
2．6 產(chǎn)生式表示法
2．6．1 產(chǎn)生式系統(tǒng)的組成
2．6．2 產(chǎn)生式系統(tǒng)推理機(jī)的推理方式
2．6．3 產(chǎn)生式系統(tǒng)的優(yōu)缺點(diǎn)
2．7 狀態(tài)空間表示法
2．7．1 狀態(tài)空間表示法的描述
2．7．2 狀態(tài)空間表示法示例
2．8 問題歸約法
2．8．1 問題歸約描述
2．8．2 與圖、或圖、與或圖表示法
2．9 面向?qū)ο蟊硎痉?br />2．9．1 面向?qū)ο蟮幕靖拍?br />2．9．2 面向?qū)ο蟮闹R(shí)表示
本章小結(jié)
本章習(xí)題
第3章 搜索求解
3．1 搜索概述
3．1．1 搜索的基本問題與主要過程
3．1．2 搜索策略
3．2 狀態(tài)空間的搜索策略
3．2．1 狀態(tài)空間表示法
3．2．2 狀態(tài)空間的圖描述
3．3 盲目的圖搜索策略
3．3．1 回溯策略
3．3．2 寬度優(yōu)先搜索策略
3．3．3 深度優(yōu)先搜索策略
3．4 啟發(fā)式圖搜索策略
3．4．1 啟發(fā)式策略
3．4．2 啟發(fā)信息和估價(jià)函數(shù)
3．4．3 A搜索算法
3．4．4 A*搜索算法及其特征分析
3．5 綜合案例
本章小結(jié)
本章習(xí)題
第4章 群集智能算法
4．1 群集智能概述
4．1．1 群集智能的基本概念
4．1．2 群集智能研究方法的主要優(yōu)缺點(diǎn)
4．2 蟻群算法
4．2．1 蟻群算法的生物原型
4．2．2 基本蟻群算法的原理
4．2．3 蟻群優(yōu)化算法的特點(diǎn)及收斂性
4．2．4 基本蟻群算法的數(shù)學(xué)模型
4．2．5 蟻群算法的參數(shù)設(shè)置
4．2．6 改進(jìn)的蟻群算法
4．3 粒子群優(yōu)化算法
4．3．1 粒子群優(yōu)化算法的生物原型
4．3．2 標(biāo)準(zhǔn)粒子群優(yōu)化算法
4．3．3 量子粒子群優(yōu)化算法
4．4 遺傳算法
4．4．1 遺傳算法原型
4．4．2 編碼
4．4．3 群體設(shè)定
4．4．4 適應(yīng)度函數(shù)
4．4．5 選擇
4．4．6 交叉
4．4．7 變異
4．4．8 終止條件
本章小結(jié)
本章習(xí)題
第5章 專家系統(tǒng)
5．1 專家系統(tǒng)概述
5．1．1 專家系統(tǒng)的特點(diǎn)
5．1．2 專家系統(tǒng)的類型
5．2 專家系統(tǒng)的結(jié)構(gòu)與工作原理
5．2．1 專家系統(tǒng)的一般結(jié)構(gòu)
5．2．2 專家系統(tǒng)的工作原理
5．3 知識(shí)的獲取
5．3．1 知識(shí)獲取的方式
5．3．2 知識(shí)獲取的步驟
5．4 專家系統(tǒng)的應(yīng)用
5．5 專家系統(tǒng)的局限性
本章小結(jié)
本章習(xí)題
第6章 機(jī)器學(xué)習(xí)
6．1 機(jī)器學(xué)習(xí)概述
6．1．1 機(jī)器學(xué)習(xí)的定義
6．1．2 機(jī)器學(xué)習(xí)的主要策略
6．1．3 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
6．2 監(jiān)督學(xué)習(xí)
6．2．1 k*近鄰算法
6．2．2 線性回歸
6．2．3 決策樹
6．2．4 支持向量機(jī)
6．2．5 貝葉斯分類
6．2．6 神經(jīng)網(wǎng)絡(luò)
6．3 無(wú)監(jiān)督學(xué)習(xí)
6．3．1 聚類
6．3．2 自編碼器
6．4 弱監(jiān)督學(xué)習(xí)
6．4．1 半監(jiān)督學(xué)習(xí)
6．4．2 遷移學(xué)習(xí)
6．4．3 強(qiáng)化學(xué)習(xí)
本章小結(jié)
本章習(xí)題
第7章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
7．1 神經(jīng)網(wǎng)絡(luò)概述
7．2 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
7．2．1 生物神經(jīng)元結(jié)構(gòu)
7．2．2 神經(jīng)元數(shù)學(xué)模型
7．2．3 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．2．4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
7．3 BP神經(jīng)網(wǎng)絡(luò)
7．3．1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．3．2 BP學(xué)習(xí)算法
7．3．3 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用
7．4 卷積神經(jīng)網(wǎng)絡(luò)
7．4．1 人腦視覺激勵(lì)
7．4．2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．4．3 卷積神經(jīng)網(wǎng)絡(luò)的局部連接
7．4．4 卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值
7．4．5 卷積神經(jīng)網(wǎng)絡(luò)的多卷積核
7．4．6 卷積神經(jīng)網(wǎng)絡(luò)的池化
7．4．7 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用
7．5 循環(huán)神經(jīng)網(wǎng)絡(luò)
7．5．1 循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．5．2 循環(huán)神經(jīng)網(wǎng)絡(luò)的輸出
7．5．3 梯度消失和梯度爆炸
7．5．4 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)
7．5．5 循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用
7．6 生成對(duì)抗網(wǎng)絡(luò)
7．6．1 生成對(duì)抗網(wǎng)絡(luò)的基本原理
7．6．2 生成對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu)
7．7 深度學(xué)習(xí)的應(yīng)用
7．7．1 深度學(xué)習(xí)在博弈中的應(yīng)用
7．7．2 深度學(xué)習(xí)在醫(yī)學(xué)影像識(shí)別中的應(yīng)用
7．7．3 生成對(duì)抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用
7．7．4 生成對(duì)抗網(wǎng)絡(luò)在語(yǔ)言處理中的應(yīng)用
……
第8章 強(qiáng)化學(xué)習(xí)
參考文獻(xiàn)
1．1 人工智能概述
1．1．1 人工智能的定義
1．1．2 人工智能簡(jiǎn)史
1．1．3 研究領(lǐng)域
1．2 人工智能流派
1．2．1 符號(hào)主義
1．2．2 連接主義
1．2．3 行為主義
本章小結(jié)
本章習(xí)題
第2章 知識(shí)表示
2．1 知識(shí)表示概述
2．2 數(shù)理邏輯表示法
2．2．1 命題邏輯
2．2．2 謂詞邏輯
2．2．3 謂詞邏輯表示法
2．3 語(yǔ)義網(wǎng)絡(luò)表示法
2．3．1 語(yǔ)義網(wǎng)絡(luò)的概念
2．3．2 知識(shí)的語(yǔ)義網(wǎng)絡(luò)表示
2．3．3 語(yǔ)義網(wǎng)絡(luò)中常用的語(yǔ)義聯(lián)系
2．3．4 語(yǔ)義網(wǎng)絡(luò)表示下的推理過程
2．3．5 語(yǔ)義網(wǎng)絡(luò)表示法的特點(diǎn)
2．4 過程表示法
2．4．1 過程表示法概述
2．4．2 過程表示法求解過程
2．4．3 過程表示法求解總結(jié)
2．5 框架表示法
2．5．1 框架結(jié)構(gòu)及知識(shí)表示
2．5．2 基于框架的推理
2．5．3 框架表示法的特點(diǎn)
2．6 產(chǎn)生式表示法
2．6．1 產(chǎn)生式系統(tǒng)的組成
2．6．2 產(chǎn)生式系統(tǒng)推理機(jī)的推理方式
2．6．3 產(chǎn)生式系統(tǒng)的優(yōu)缺點(diǎn)
2．7 狀態(tài)空間表示法
2．7．1 狀態(tài)空間表示法的描述
2．7．2 狀態(tài)空間表示法示例
2．8 問題歸約法
2．8．1 問題歸約描述
2．8．2 與圖、或圖、與或圖表示法
2．9 面向?qū)ο蟊硎痉?br />2．9．1 面向?qū)ο蟮幕靖拍?br />2．9．2 面向?qū)ο蟮闹R(shí)表示
本章小結(jié)
本章習(xí)題
第3章 搜索求解
3．1 搜索概述
3．1．1 搜索的基本問題與主要過程
3．1．2 搜索策略
3．2 狀態(tài)空間的搜索策略
3．2．1 狀態(tài)空間表示法
3．2．2 狀態(tài)空間的圖描述
3．3 盲目的圖搜索策略
3．3．1 回溯策略
3．3．2 寬度優(yōu)先搜索策略
3．3．3 深度優(yōu)先搜索策略
3．4 啟發(fā)式圖搜索策略
3．4．1 啟發(fā)式策略
3．4．2 啟發(fā)信息和估價(jià)函數(shù)
3．4．3 A搜索算法
3．4．4 A*搜索算法及其特征分析
3．5 綜合案例
本章小結(jié)
本章習(xí)題
第4章 群集智能算法
4．1 群集智能概述
4．1．1 群集智能的基本概念
4．1．2 群集智能研究方法的主要優(yōu)缺點(diǎn)
4．2 蟻群算法
4．2．1 蟻群算法的生物原型
4．2．2 基本蟻群算法的原理
4．2．3 蟻群優(yōu)化算法的特點(diǎn)及收斂性
4．2．4 基本蟻群算法的數(shù)學(xué)模型
4．2．5 蟻群算法的參數(shù)設(shè)置
4．2．6 改進(jìn)的蟻群算法
4．3 粒子群優(yōu)化算法
4．3．1 粒子群優(yōu)化算法的生物原型
4．3．2 標(biāo)準(zhǔn)粒子群優(yōu)化算法
4．3．3 量子粒子群優(yōu)化算法
4．4 遺傳算法
4．4．1 遺傳算法原型
4．4．2 編碼
4．4．3 群體設(shè)定
4．4．4 適應(yīng)度函數(shù)
4．4．5 選擇
4．4．6 交叉
4．4．7 變異
4．4．8 終止條件
本章小結(jié)
本章習(xí)題
第5章 專家系統(tǒng)
5．1 專家系統(tǒng)概述
5．1．1 專家系統(tǒng)的特點(diǎn)
5．1．2 專家系統(tǒng)的類型
5．2 專家系統(tǒng)的結(jié)構(gòu)與工作原理
5．2．1 專家系統(tǒng)的一般結(jié)構(gòu)
5．2．2 專家系統(tǒng)的工作原理
5．3 知識(shí)的獲取
5．3．1 知識(shí)獲取的方式
5．3．2 知識(shí)獲取的步驟
5．4 專家系統(tǒng)的應(yīng)用
5．5 專家系統(tǒng)的局限性
本章小結(jié)
本章習(xí)題
第6章 機(jī)器學(xué)習(xí)
6．1 機(jī)器學(xué)習(xí)概述
6．1．1 機(jī)器學(xué)習(xí)的定義
6．1．2 機(jī)器學(xué)習(xí)的主要策略
6．1．3 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
6．2 監(jiān)督學(xué)習(xí)
6．2．1 k*近鄰算法
6．2．2 線性回歸
6．2．3 決策樹
6．2．4 支持向量機(jī)
6．2．5 貝葉斯分類
6．2．6 神經(jīng)網(wǎng)絡(luò)
6．3 無(wú)監(jiān)督學(xué)習(xí)
6．3．1 聚類
6．3．2 自編碼器
6．4 弱監(jiān)督學(xué)習(xí)
6．4．1 半監(jiān)督學(xué)習(xí)
6．4．2 遷移學(xué)習(xí)
6．4．3 強(qiáng)化學(xué)習(xí)
本章小結(jié)
本章習(xí)題
第7章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
7．1 神經(jīng)網(wǎng)絡(luò)概述
7．2 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
7．2．1 生物神經(jīng)元結(jié)構(gòu)
7．2．2 神經(jīng)元數(shù)學(xué)模型
7．2．3 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．2．4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
7．3 BP神經(jīng)網(wǎng)絡(luò)
7．3．1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．3．2 BP學(xué)習(xí)算法
7．3．3 BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用
7．4 卷積神經(jīng)網(wǎng)絡(luò)
7．4．1 人腦視覺激勵(lì)
7．4．2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．4．3 卷積神經(jīng)網(wǎng)絡(luò)的局部連接
7．4．4 卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值
7．4．5 卷積神經(jīng)網(wǎng)絡(luò)的多卷積核
7．4．6 卷積神經(jīng)網(wǎng)絡(luò)的池化
7．4．7 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用
7．5 循環(huán)神經(jīng)網(wǎng)絡(luò)
7．5．1 循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．5．2 循環(huán)神經(jīng)網(wǎng)絡(luò)的輸出
7．5．3 梯度消失和梯度爆炸
7．5．4 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)
7．5．5 循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用
7．6 生成對(duì)抗網(wǎng)絡(luò)
7．6．1 生成對(duì)抗網(wǎng)絡(luò)的基本原理
7．6．2 生成對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu)
7．7 深度學(xué)習(xí)的應(yīng)用
7．7．1 深度學(xué)習(xí)在博弈中的應(yīng)用
7．7．2 深度學(xué)習(xí)在醫(yī)學(xué)影像識(shí)別中的應(yīng)用
7．7．3 生成對(duì)抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用
7．7．4 生成對(duì)抗網(wǎng)絡(luò)在語(yǔ)言處理中的應(yīng)用
……
第8章 強(qiáng)化學(xué)習(xí)
參考文獻(xiàn)
展開全部
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
伯納黛特,你要去哪(2021新版)
- >
有舍有得是人生
- >
自卑與超越
- >
莉莉和章魚
- >
朝聞道
- >
小考拉的故事-套裝共3冊(cè)
- >
月亮虎
本類暢銷
