中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿易戰簡史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業與企業制度
-
>
貨幣之語
-
>
眉山金融論劍
-
>
圖解資本論
工業人工智能 版權信息
- ISBN：9787302632054
- 條形碼：9787302632054 ; 978-7-302-63205-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
工業人工智能 本書特色
本教材就是為大學本科高年級學生提供有關人工智能理論以及工業應用所必需的知識，掌握人工智能算法的基本原理與應用場景，培養設計開發智能系統的基本技能，填補智能制造工程等新工科專業人工智能本科生課程教材空白。
工業人工智能 內容簡介
本教材主要介紹人工智能及其在現代工業領域的應用。教材主要針對智能制造工程本科生專業課程培養，提供有關人工智能理論及工業應用所必須的知識，系統地介紹人工智能理論體系，并結合實際工業案例應用，增加算法軟件實現和算法工業應用環節，全方位培養學生的基礎知識與工程應用素養。本教材就是為大學本科高年級學生提供有關人工智能理論以及工業應用所必需的知識，掌握人工智能算法的基本原理與應用場景，培養設計開發智能系統的基本技能，填補智能制造工程等新工科專業人工智能本科生課程教材空白。
工業人工智能 目錄
第1篇緒論
第1章工業人工智能概述
1.1人工智能的基本概念及技術體系
1.2工業為什么需要人工智能
1.3本章小結
習題 第2篇人工智能軟件工具
第2章人工智能軟件工具——Python
2.1人工智能軟件庫
2.2Python安裝與環境配置
2.3Python基礎知識
2.4NumPy、Pandas、Matplotlib
2.5本章小結
習題 第3篇搜索求解
第3章搜索與求解
3.1搜索相關知識
3.2狀態空間知識的表示方法
3.3盲目的圖搜索策略
3.4啟發式圖搜索策略
3.5本章小結
習題 第4篇知識表示、推理及專家系統
第4章知識與知識表示
4.1知識與知識表示的概念
4.2一階謂詞邏輯表示法
4.3語義網絡表示法
4.4本章小結
習題 第5章確定性推理方法
5.1推理的基本概述
5.2自然演繹推理
5.3海伯倫定理
5.4魯賓遜歸結原理
5.5歸結反演
5.6本章小結
習題 第6章不確定性推理方法
6.1不確定性推理的基本概念
6.2概率方法
6.3主觀貝葉斯方法
6.4可信度方法
6.5證據理論
6.6本章小結
習題 第7章專家系統
7.1專家系統的概念
7.2專家系統的發展
7.3專家系統的基本結構
7.4專家系統的開發
7.5本章小結
習題 第5篇進化算法及其應用
第8章進化算法及其應用
8.1進化算法簡介
8.2基本遺傳算法
8.3遺傳算法改進算法
8.4本章小結
習題 第6篇機器學習與神經網絡
第9章機器學習概論
9.1概論
9.2使用scikit-learn的機器學習例子
9.3本章小結
習題 第10章基于簡單線性回歸的機器學習理論基礎
10.1簡單線性回歸
10.2訓練數據、測試數據和驗證數據
10.3偏差和方差
10.4過擬合和欠擬合
10.5成本函數
10.6模型性能評估
10.7查準率和召回率
10.8F1 Score
10.9本章小結
習題 第11章k-近鄰算法
11.1算法原理
11.2交叉驗證
11.3KNN手寫數字識別
11.4使用OpenCV實現KNN
11.5本章小結
習題 第12章數據表示與特征工程
12.1特征工程
12.2數據預處理
12.3數據降維
12.4本章小結
習題 第13章多元線性回歸
13.1簡單線性回歸與多元線性回歸
13.2多項式回歸
13.3正則化
13.4應用線性回歸
13.5梯度下降法
13.6學習曲線
13.7算法模型性能優化
13.8本章小結
習題 第14章邏輯回歸
14.1線性回歸與邏輯回歸
14.2二元分類
14.3垃圾郵件過濾
14.4二元分類性能指標
14.5本章小結
習題 第15章決策樹
15.1算法原理
15.2算法參數
15.3實例： 泰坦尼克號幸存者的預測
15.4決策樹的優缺點
15.5本章小結
習題 第16章集合算法
16.1理解集合算法
16.2隨機森林
16.3預測泰坦尼克號幸存者
16.4本章小結
習題 第17章支持向量機
17.1理論基礎
17.2核方法
17.3SVM的使用
17.4SVM可視化案例
17.5本章小結
習題 第18章樸素貝葉斯算法
18.1基礎概念
18.2sklearn中的樸素貝葉斯算法
18.3算法實例1
18.4算法實例2
18.5本章小結
習題 第19章k-均值算法
19.1算法原理
19.2scikit-learn里的k-均值
19.3聚類算法性能評估
19.4K-Means
19.5用k-均值進行圖像量化
19.6本章小結
習題 第20章人工神經網絡
20.1神經網絡介紹及單層神經網絡
20.2多層神經網絡和反向傳播算法
20.3卷積神經網絡
20.4本章小結
習題 參考文獻
第1章工業人工智能概述
1.1人工智能的基本概念及技術體系
1.2工業為什么需要人工智能
1.3本章小結
習題 第2篇人工智能軟件工具
第2章人工智能軟件工具——Python
2.1人工智能軟件庫
2.2Python安裝與環境配置
2.3Python基礎知識
2.4NumPy、Pandas、Matplotlib
2.5本章小結
習題 第3篇搜索求解
第3章搜索與求解
3.1搜索相關知識
3.2狀態空間知識的表示方法
3.3盲目的圖搜索策略
3.4啟發式圖搜索策略
3.5本章小結
習題 第4篇知識表示、推理及專家系統
第4章知識與知識表示
4.1知識與知識表示的概念
4.2一階謂詞邏輯表示法
4.3語義網絡表示法
4.4本章小結
習題 第5章確定性推理方法
5.1推理的基本概述
5.2自然演繹推理
5.3海伯倫定理
5.4魯賓遜歸結原理
5.5歸結反演
5.6本章小結
習題 第6章不確定性推理方法
6.1不確定性推理的基本概念
6.2概率方法
6.3主觀貝葉斯方法
6.4可信度方法
6.5證據理論
6.6本章小結
習題 第7章專家系統
7.1專家系統的概念
7.2專家系統的發展
7.3專家系統的基本結構
7.4專家系統的開發
7.5本章小結
習題 第5篇進化算法及其應用
第8章進化算法及其應用
8.1進化算法簡介
8.2基本遺傳算法
8.3遺傳算法改進算法
8.4本章小結
習題 第6篇機器學習與神經網絡
第9章機器學習概論
9.1概論
9.2使用scikit-learn的機器學習例子
9.3本章小結
習題 第10章基于簡單線性回歸的機器學習理論基礎
10.1簡單線性回歸
10.2訓練數據、測試數據和驗證數據
10.3偏差和方差
10.4過擬合和欠擬合
10.5成本函數
10.6模型性能評估
10.7查準率和召回率
10.8F1 Score
10.9本章小結
習題 第11章k-近鄰算法
11.1算法原理
11.2交叉驗證
11.3KNN手寫數字識別
11.4使用OpenCV實現KNN
11.5本章小結
習題 第12章數據表示與特征工程
12.1特征工程
12.2數據預處理
12.3數據降維
12.4本章小結
習題 第13章多元線性回歸
13.1簡單線性回歸與多元線性回歸
13.2多項式回歸
13.3正則化
13.4應用線性回歸
13.5梯度下降法
13.6學習曲線
13.7算法模型性能優化
13.8本章小結
習題 第14章邏輯回歸
14.1線性回歸與邏輯回歸
14.2二元分類
14.3垃圾郵件過濾
14.4二元分類性能指標
14.5本章小結
習題 第15章決策樹
15.1算法原理
15.2算法參數
15.3實例： 泰坦尼克號幸存者的預測
15.4決策樹的優缺點
15.5本章小結
習題 第16章集合算法
16.1理解集合算法
16.2隨機森林
16.3預測泰坦尼克號幸存者
16.4本章小結
習題 第17章支持向量機
17.1理論基礎
17.2核方法
17.3SVM的使用
17.4SVM可視化案例
17.5本章小結
習題 第18章樸素貝葉斯算法
18.1基礎概念
18.2sklearn中的樸素貝葉斯算法
18.3算法實例1
18.4算法實例2
18.5本章小結
習題 第19章k-均值算法
19.1算法原理
19.2scikit-learn里的k-均值
19.3聚類算法性能評估
19.4K-Means
19.5用k-均值進行圖像量化
19.6本章小結
習題 第20章人工神經網絡
20.1神經網絡介紹及單層神經網絡
20.2多層神經網絡和反向傳播算法
20.3卷積神經網絡
20.4本章小結
習題 參考文獻
展開全部
工業人工智能 作者簡介
蔡紅霞，博士，上海大學副研究員，博導。長期從事智能制造與機器人領域的教學和科研工作，作為課題責任人承擔完成國家、上海市等科研項目21項，其中飛機行業相關項目5項。參與項目20余項。發表論文80余篇。出版專著2 部，獲得專利與軟件著作權20余項，獲得上海市科技進步二等獎1項。承擔《工業人工智能》，《智能制造導論》等課程。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
二體千字文
- >
詩經-先民的歌唱
- >
苦雨齋序跋文-周作人自編集
- >
山海經
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
回憶愛瑪儂
本類暢銷
