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
人工智能及其應用 版權信息
- ISBN：9787560667195
- 條形碼：9787560667195 ; 978-7-5606-6719-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能及其應用 本書特色
本書具有以下特色。 ① 緊扣業界前沿。本書盡量選擇一些當前流行的具有廣闊應用前景的新技術，如機器學習和深度學習，詳細給出了它們的基本原理和推導。被視為非主流的技術（如專家系統）被簡略地編排進產生式知識表示部分。 ② 應用性強。講述基本原理時不是停留于抽象的自然語言描述，而是就一些重點的專題給出Python語言的程序實現，讓抽象的理論具體化并得到應用， 讓生澀難懂的算法更加容易理解。 本書主要作為計算機類、自動化類、電氣類、電子信息類、機械類以及其他理工農醫類專業的本科生和研究生學習人工智能課程的教材，也可供人工智能技術領域的研究人員與工程技術人員參考。 由于書中幾大部分內容相對獨立，教師可以根據課程計劃和專業需要靈活選擇教學內容。 本書內容比較廣泛，著重介紹了人工智能的基本理論與實用方法，教師在教學過程中可以結合自己在研究與實踐中的工程實例， 適當增加拓深內容，起到豐富教學內容、提高學生興趣和創新能力的作用。
人工智能及其應用 內容簡介
人工智能方興未艾，正在向人們生活的各個領域滲透。 本書緊扣業界前沿，主要介紹了一些當前流行、 具有廣闊應用前景的人工智能新技術。 此外，本書各個章節還就一些重點專題給出了Python語言的程序實現，使抽象的理論具體化，使生澀的算法容易理解。 本書共分12章，主要介紹人工智能的基本概念、知識表示方法、確定性推理、不確定性推理、搜索問題求解策略、智能計算、機器學習、 人工神經網絡與深度學習、多智能體技術、視覺感知與識別等人工智能*新理論與應用。 附錄中給出了本書用到的計算機程序語言——Python語言的相關基礎， 供沒有接觸過Python的讀者參考學習。 本書可以作為高等院校相關專業本科生與研究生的教材，也可作為人工智能技術領域研究人員與工程技術人員的參考書。
人工智能及其應用 目錄
第1章 緒論 1
1.1 人工智能概述 1
1.1.1 人工 1
1.1.2 智能 1
1.1.3 人工智能 2
1.2 人工智能的發展 3
1.2.1 孕育期(1956年之前) 3
1.2.2 形成期(1956—1969年) 4
1.2.3 知識應用期(1970—1985年) 5
1.2.4 機器學習期(1986—2010年) 6
1.2.5 深度學習期(2011年至今) 7
1.3 人工智能研究的流派 8
1.4 人工智能的研究目標和內容 9
1.4.1 人工智能的研究目標 9
1.4.2 人工智能的研究內容 10
1.5 人工智能的應用領域 11
1.6 小結 18
習題 19
第2章 知識表示方法 20
2.1 知識與知識表示的概念 20
2.1.1 知識的概念 20
2.1.2 知識的類型 20
2.1.3 知識表示的概念和方法 21
2.2 一階謂詞邏輯表示法 22
2.2.1 命題邏輯 22
2.2.2 謂詞邏輯 23
2.2.3 謂詞公式的相關概念 24
2.2.4 謂詞公式的性質 26
2.2.5 一階謂詞邏輯表示示例 28
2.2.6 一階謂詞邏輯表示法的特點 31
2.3 產生式表示法 31
2.3.1 產生式表示的基本方法 32
2.3.2 產生式表示示例 32
2.3.3 產生式表示法的Python程序實現 34
2.3.4 產生式表示法的特點 37
2.4 語義網絡表示法 38
2.4.1 語義網絡概述 38
2.4.2 事物和概念的表示 41
2.4.3 情況和動作的表示 43
2.4.4 語義網絡的基本推理過程 43
2.4.5 語義網絡表示法的特點 44
2.5 知識圖譜表示法 44
2.5.1 知識圖譜的提出 44
2.5.2 知識圖譜的定義 44
2.5.3 知識圖譜的表示 45
2.5.4 知識圖譜的架構 46
2.5.5 知識圖譜的構建 47
2.6 小結 48
習題 49
第3章 確定性推理 51
3.1 推理的基本概念 51
3.1.1 推理的定義 51
3.1.2 推理的方式及其分類 51
3.1.3 推理的方向 54
3.1.4 沖突消解策略 57
3.2 自然演繹推理 59
3.3 歸結演繹推理 62
3.3.1 子句集的求取 62
3.3.2 歸結原理 64
3.3.3 歸結反演 67
3.3.4 應用歸結原理求解問題 69
3.4 小結 71
習題 72
第4章 不確定性推理 74
4.1 不確定性推理概述 74
4.1.1 不確定性推理的含義 74
4.1.2 不確定性推理的基本問題 75
4.2 可信度推理 77
4.2.1 可信度的概念 77
4.2.2 可信度推理模型 77
4.2.3 可信度推理示例 81
4.3 主觀貝葉斯推理 82
4.3.1 主觀貝葉斯方法的概率論基礎 82
4.3.2 主觀貝葉斯方法的推理模型 83
4.3.3 主觀貝葉斯推理示例 87
4.4 證據理論 89
4.4.1 證據理論的形式化描述 90
4.4.2 證據理論的推理模型 93
4.4.3 證據推理示例 95
4.5 模糊推理 97
4.5.1 模糊集及其運算 97
4.5.2 模糊關系及其運算 99
4.5.3 模糊知識的表示 101
4.5.4 模糊概念的匹配 103
4.5.5 模糊推理的方法 104
4.5.6 模糊推理在控制領域的應用 108
4.6 概率推理 115
4.6.1 貝葉斯網絡的概念及理論 116
4.6.2 貝葉斯網絡推理的概念和類型 119
4.6.3 貝葉斯網絡的精確推理 120
4.6.4 貝葉斯網絡的近似推理 121
4.7 小結 123
習題 123
第5章 搜索問題求解策略 127
5.1 搜索的概念 127
5.2 狀態空間表示 128
5.3 盲目搜索 131
5.3.1 回溯搜索 131
5.3.2 廣度優先搜索 136
5.3.3 深度優先搜索 138
5.4 啟發式搜索 140
5.4.1 啟發式策略 141
5.4.2 啟發信息和估價函數 141
5.4.3 A搜索算法 143
5.4.4 A*搜索算法 146
5.5 小結 152
習題 153
第6章 智能計算 155
6.1 進化算法 155
6.1.1 進化算法的概念 155
6.1.2 進化算法的生物機理 156
6.1.3 進化算法的設計原則 156
6.2 遺傳算法 157
6.2.1 遺傳算法的基本思想 157
6.2.2 編碼 157
6.2.3 群體設定 159
6.2.4 適應度函數 159
6.2.5 選擇、交叉和變異 161
6.2.6 遺傳算法的步驟 165
6.2.7 遺傳算法的應用 167
6.3 群智能算法 169
6.3.1 蟻群算法 170
6.3.2 應用蟻群算法求解旅行商問題 173
6.4 小結 175
習題 176
第7章 機器學習 177
7.1 機器學習的基本概念 177
7.2 機器學習的三個基本要素 178
7.2.1 模型 179
7.2.2 學習準則 179
7.2.3 優化算法 182
7.3 機器學習的線性模型 185
7.3.1 線性回歸 185
7.3.2 Logistic回歸 189
7.3.3 Softmax回歸 192
7.4 機器學習算法的類型 193
7.5 機器學習中數據的特征表示 195
7.6 機器學習的評價 197
7.7 小結 200
習題 201
第8章 人工神經網絡與深度學習 202
8.1 神經網絡概述 202
8.1.1 神經網絡生物機理 202
8.1.2 人工神經網絡 203
8.1.3 神經元 204
8.1.4 神經網絡結構 207
8.1.5 深度學習概述 208
8.1.6 神經網絡控制 210
8.2 前饋神經網絡 215
8.2.1 前饋神經網絡模型 215
8.2.2 反向傳播算法 216
8.2.3 單神經元自適應控制算法 221
8.3 卷積神經網絡 224
8.3.1 卷積 225
8.3.2 用卷積代替全連接 227
8.3.3 卷積層 228
8.3.4 匯聚層 229
8.3.5 參數學習 230
8.4 循環神經網絡 235
8.4.1 RNN模型 235
8.4.2 典型的RNN網絡 237
8.5 小結 239
習題 240
第9章 多智能體技術 242
9.1 智能體介紹 242
9.1.1 智能體的概念 242
9.1.2 智能體的特性 243
9.1.3 智能體的結構 243
9.2 分布智能 245
9.2.1 分布智能的概念 245
9.2.2 分布式問題求解 246
9.3 多智能體系統 247
9.3.1 多智能體系統概述 247
9.3.2 多智能體通信 247
9.3.3 多智能體合作 252
9.4 移動智能體 259
9.4.1 移動智能體系統的一般結構 259
9.4.2 移動智能體的實現技術及應用 260
9.5 小結 262
習題 263
第10章 視覺感知與識別 264
10.1 圖像生成 264
10.1.1 小孔照相機成像 264
10.1.2 透鏡系統成像 266
10.2 圖像預處理 266
10.2.1 邊緣檢測 266
10.2.2 紋理分析 268
10.2.3 光流計算 268
10.2.4 圖像分割 269
10.3 基于外觀的人臉檢測 270
10.4 人臉識別 272
10.4.1 人臉數據庫 272
10.4.2 基于*近鄰方法的人臉識別算法 273
10.4.3 基于主成分分析方法的人臉識別算法 275
10.4.4 基于Logistic回歸方法的人臉識別算法 280
10.4.5 人臉識別系統 281
10.5 圖像識別 285
10.5.1 TensorFlow深度學習框架 285
10.5.2 基于深度學習的圖像識別 285
10.6 小結 290
習題 290
第11章 人機結合 291
11.1 人機結合的研究現狀與進展 291
11.1.1 人機交互(HCI) 291
11.1.2 腦機接口 294
11.1.3 人機結合領域的研究成果 298
11.1.4 人機物融合的混合人工智能 299
11.2 人機結合的集大成智慧 301
11.3 旅行商問題分類 302
11.4 旅行商問題求解 303
11.5 Hopfield神經網絡求解旅行商問題 305
11.5.1 Hopfield神經網絡原理 305
11.5.2 基于Hopfield神經網絡的路徑優化 307
11.6 人機結合求解中國旅行商問題 313
11.7 小結 319
習題 319
第12章 自然語言處理 320
12.1 語言模型 320
12.1.1 n元字符模型 320
12.1.2 模型評估 321
12.1.3 n元單詞模型 322
12.2 文本分類 322
12.3 信息檢索 324
12.3.1 IR評分函數 324
12.3.2 IR系統評價 325
12.3.3 PageRank算法 326
12.4 信息抽取 326
12.4.1 基于有限狀態自動機的信息抽取 327
12.4.2 信息抽取的概率模型 329
12.4.3 基于條件隨機場的信息抽取 330
12.5 短語結構語法 331
12.6 機器翻譯 332
12.7 小結 335
習題 336
附錄 337
附錄1 Python程序設計語言簡介 337
附錄2 Python語言編程規范 341
參考文獻 343
展開全部
書友推薦
- >
李白與唐代文化
- >
羅庸西南聯大授課錄
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
月亮與六便士
- >
伯納黛特,你要去哪(2021新版)
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:故事新編
- >
推拿
本類暢銷
