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
人工智能應用教程 版權信息
- ISBN：9787302628194
- 條形碼：9787302628194 ; 978-7-302-62819-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能應用教程 本書特色
（1）語言簡明，可讀性好。 （2）內容先進，注重應用。 （3）精心編排，便于學習。 （4）結構合理，方便教學。 （5）附有實驗指導，方便實驗教學。 （6）有配套MOOC課程，便于學生自學。
人工智能應用教程 內容簡介
本書全面介紹人工智能的基本理論、技術及應用。全書共10章，主要內容包括人工智能概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經網絡、機器學習與深度學習、專家系統、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調人工智能知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工智能的主要思想和應用人工智能技術解決專業領域問題的基本技術，培養創新精神。 本書的適用對象廣泛，可作為高等學校各專業“人工智能基礎”課程的教材，也可供對人工智能技術感興趣的廣大讀者閱讀。
人工智能應用教程 目錄
第1章人工智能概論1
1.1你了解人類的智能嗎1
1.1.1智能的概念1
1.1.2智能的特征3
1.2人工智能的孕育和誕生6
1.2.1人工智能的孕育期6
1.2.2人工智能的誕生——達特茅斯會議8
1.2.3人工智能的定義與圖靈測試9
1.3人工智能的發展11
1.3.1人工智能的形成期11
1.3.2幾起幾落的曲折發展期12
1.3.3大數據驅動的飛速發展期14
1.4從兩場標志性人機博弈看人工智能的發展15
1.4.1人工智能研究中的“小白鼠”15
1.4.2“深藍”戰勝國際象棋棋王卡斯帕羅夫15
1.4.3阿爾法狗無師自通橫掃世界圍棋大師17
1.5人工智能研究的基本內容19
1.6人工智能的主要應用領域21
1.7人工智能倫理36
1.7.1人工智能倫理的提出與發展37
1.7.2人工智能倫理的典型案例與成因分析38
1.7.3人工智能倫理的治理原則40
1.7.4人工智能倫理的治理措施42
1.8本章小結44
討論題44人工智能應用教程目錄第2章知識表示與知識圖譜45
2.1你了解人類知識嗎45
2.1.1什么是知識45
2.1.2知識的相對正確性46
2.1.3知識的不確定性47
2.1.4計算機表示知識的方法49
2.2一階謂詞邏輯表示法50
2.2.1命題50
2.2.2謂詞51
2.2.3謂詞公式53
2.2.4一階謂詞邏輯知識表示方法56
2.2.5一階謂詞邏輯表示法的特點57
2.3產生式表示法58
2.3.1產生式59
2.3.2產生式系統60
2.3.3產生式表示法的特點62
2.4框架表示法63
2.4.1框架的一般結構64
2.4.2用框架表示知識的例子65
2.4.3框架表示法的特點68
2.5知識圖譜68
2.5.1知識圖譜的提出69
2.5.2知識圖譜的定義69
2.5.3知識圖譜的表示71
2.5.4知識圖譜的架構72
2.5.5知識圖譜的典型應用72
2.6本章小結74
討論題76
習題77第3章模擬人類思維的推理方法78
3.1推理的定義78
3.2推理的分類79
3.2.1從推出知識的路徑分類79
3.2.2從知識的確定性分類81
3.3推理的方向81
3.3.1正向推理82
3.3.2逆向推理84
3.3.3混合推理85
3.4推理中的沖突消解策略87
3.5基于謂詞邏輯的確定性推理90
3.5.1自然演繹推理90
3.5.2魯濱遜歸結原理92
3.5.3歸結反演93
3.5.4歸結求解96
3.6基于統計分析的不確定性推理99
3.6.1不確定性推理的概念99
3.6.2可信度方法103
3.6.3可信度方法舉例106
3.7基于模糊理論的不確定性推理107
3.7.1模糊邏輯的提出與發展107
3.7.2模糊集合的定義與表示109
3.7.3隸屬函數111
3.7.4模糊關系113
3.7.5模糊關系的合成115
3.7.6模糊推理116
3.7.7模糊決策117
3.7.8模糊推理的應用118
3.8本章小結119
討論題121
習題121
第4章搜索策略125
4.1搜索的概念125
4.2如何用狀態空間表示搜索對象126
4.2.1狀態空間知識表示方法126
4.2.2狀態空間的圖描述128
4.3回溯策略131
4.4盲目的圖搜索策略133
4.4.1寬度優先搜索策略133
4.4.2深度優先搜索策略134
4.5啟發式圖搜索策略137
4.5.1啟發式策略137
4.5.2啟發信息和估價函數140
4.5.3A搜索算法142
4.5.4A搜索算法143
4.5.5蒙特卡洛樹搜索算法145
4.6本章小結147
討論題148
習題149
第5章模擬生物進化的遺傳算法150
5.1進化算法的生物學背景150
5.2遺傳算法152
5.2.1遺傳算法的發展歷史152
5.2.2遺傳算法的基本思想153
5.2.3編碼154
5.2.4種群設定156
5.2.5適應度函數157
5.2.6選擇158
5.2.7交叉161
5.2.8變異163
5.3遺傳算法的主要改進算法164
5.3.1雙倍體遺傳算法165
5.3.2雙種群遺傳算法166
5.3.3自適應遺傳算法167
5.4基于遺傳算法的生產調度方法169
5.4.1基于遺傳算法的流水車間調度方法169
5.4.2基于遺傳算法的混合流水車間調度方法171
5.5本章小結176
討論題177
習題178
第6章模擬生物群體行為的群智能算法179
6.1群智能算法的生物學背景179
6.2模擬鳥群行為的粒子群優化算法181
6.2.1基本粒子群優化算法181
6.2.2粒子群優化算法的應用183
6.3模擬蟻群行為的蟻群優化算法185
6.3.1蟻群優化算法的生物學背景186
6.3.2基本蟻群優化算法186
6.3.3蟻群優化算法的應用190
6.4本章小結192
討論題193
第7章模擬生物神經系統的人工神經網絡194
7.1人工神經元與人工神經網絡194
7.1.1生物神經元結構194
7.1.2生物神經元的數學模型195
7.1.3人工神經網絡的結構與學習197
7.2機器學習的先驅——赫布學習規則198
7.3掀起人工神經網絡**次高潮的感知器200
7.4掀起人工神經網絡第二次高潮的BP學習算法202
7.4.1BP學習算法的提出202
7.4.2BP神經網絡203
7.4.3BP學習算法204
7.4.4BP學習算法在模式識別中的應用207
7.5本章小結209
討論題209
習題210
第8章機器學習與深度學習213
8.1機器學習的基本概念213
8.1.1學習213
8.1.2機器學習214
8.1.3學習系統214
8.1.4機器學習的發展217
8.2機器學習的分類218
8.2.1機器學習的一般分類方法218
8.2.2監督學習與無監督學習220
8.2.3弱監督學習222
8.3知識發現與數據挖掘225
8.3.1知識發現與數據挖掘的概念226
8.3.2知識發現的一般過程226
8.3.3知識發現的任務227
8.3.4知識發現的對象228
8.4動物視覺機理與深度學習的提出230
8.4.1淺層學習的局限性230
8.4.2深度學習的提出231
8.5卷積神經網絡與膠囊網絡233
8.5.1卷積神經網絡的結構233
8.5.2卷積的物理、生物與生態學等意義234
8.5.3卷積神經網絡的卷積運算235
8.5.4卷積神經網絡中的關鍵技術237
8.5.5卷積神經網絡的應用240
8.5.6膠囊網絡241
8.5.7基于深度學習的計算機視覺244
8.6生成對抗網絡及其應用246
8.6.1生成對抗網絡的基本原理247
8.6.2生成對抗網絡的結構與訓練248
8.6.3生成對抗網絡在圖像處理中的應用250
8.6.4生成對抗網絡在語言處理中的應用254
8.6.5生成對抗網絡在視頻生成中的應用258
8.6.6生成對抗網絡在醫療中的應用259
8.7本章小結260
討論題262
習題262
第9章專家系統263
9.1專家系統的產生和發展263
9.2專家系統的概念265
9.2.1專家系統的定義265
9.2.2專家系統的特點266
9.2.3專家系統的類型268
9.3專家系統的工作原理269
9.3.1專家系統的一般結構269
9.3.2知識庫270
9.3.3推理機271
9.3.4綜合數據庫271
9.3.5知識獲取機構271
9.3.6解釋機構272
9.3.7人機接口273
9.4簡單的動物識別專家系統273
9.4.1知識庫建立273
9.4.2綜合數據庫建立和推理過程275
9.5專家系統開發工具——骨架系統276
9.5.1骨架系統的概念276
9.5.2EMYCIN骨架系統277
9.5.3KAS骨架系統278
9.6專家系統開發環境280
9.7本章小結281
討論題282
第10章自然語言理解283
10.1自然語言理解的概念與發展283
10.1.1自然語言理解的概念283
10.1.2自然語言理解的發展歷史284
10.2語言處理過程的層次287
10.3機器翻譯方法概述289
10.4循環神經網絡293
10.4.1循環神經網絡的結構293
10.4.2循環神經網絡的訓練294
10.4.3長短期記憶神經網絡295
10.5基于循環神經網絡的機器翻譯295
10.6語音識別297
10.6.1語音識別的概念297
10.6.2語音識別的主要過程298
10.6.3語音識別的方法301
10.7本章小結302
討論題303
附錄A人工智能實驗指導書304
實驗1產生式系統實驗304
實驗2洗衣機模糊推理系統實驗305
實驗3A算法求解N數碼問題實驗306
實驗4A算法求解迷宮尋路問題實驗308
實驗5遺傳算法求函數*大值實驗309
實驗6遺傳算法求解TSP問題實驗312
實驗7粒子群算法求函數*小值實驗314
實驗8蟻群算法求解TSP問題實驗315
實驗9BP神經網絡分類實驗315
實驗10卷積神經網絡分類實驗316
實驗11膠囊網絡分類實驗317
實驗12用生成對抗網絡生成數字圖像實驗318
展開全部
人工智能應用教程 作者簡介
王萬良，工學博士，教授，博士生導師，2000年享受 政府特殊津貼，2008年獲 教學名師獎，2014年入選 “萬人計劃”首批教學名師，2014年獲 教學成果獎，2016年授予浙江省杰出教師稱號。現任浙江工業大學計算機科學與技術學院院長、軟件學院院長、 精品課程和資源共享課程《自動控制原理》負責人、 高等學校計算機類專業教學指導委員會委員、浙江省高等學校計算機類專業教學指導委員會副主任、全國高校大數據教育聯盟副理事長、浙江省計算機學會副理事長、浙江省計算機應用與教育學會副理事長、杭州市計算機學會理事長、杭州市人工智能學會副理事長。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
羅庸西南聯大授課錄
- >
月亮與六便士
- >
推拿
- >
李白與唐代文化
- >
【精裝繪本】畫給孩子的中國神話
- >
巴金－再思錄
- >
回憶愛瑪儂
本類暢銷
