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
人工智能引論 版權信息
- ISBN：9787302662761
- 條形碼：9787302662761 ; 978-7-302-66276-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能引論 本書特色
作者在清華大學自動化系講授“人工智能導論”30年。教材系統地介紹人工智能的主要內容。具備高中數學知識的學生就能夠理解課程內容。適合低年級本科生使用.
人工智能引論 內容簡介
本書是全面介紹人工智能技術的教材，內容豐富、系統，語言表述清晰易懂，是學習人工智能的入門之選。本書以深入淺出的方式，引領讀者走進人工智能的世界，激發探索未知的熱情。
全書共12章，開篇首章闡述人工智能的歷程，接下來的章節則緊密圍繞人工智能的核心技術展開，包括搜索、計算機視覺、計算機聽覺、自然語言處理與理解、知識表示與知識獲取、機器學習、推理、多模態信息處理、多智能體系統、可信的人工智能、人工智能生態等內容。本書不僅適合作為高等院校計算機、自動化、人工智能等專業的教材，還可作為非工科專業學生的人門學習資料。
人工智能引論 目錄
第1章緒論/
1.1達特茅斯會議/
1.21956年—20世紀70年代初/
1.320世紀70年代末—80年代末/
1.420世紀80年代末后的二十年/
1.52010年之后的深度學習時代/
1.6圖靈測試/
1.7封閉世界與開放世界/
*1.8進一步學習的內容/
第2章搜索/ 2.1從一個例子開始/ 2.2如何表示一個迷宮/ 2.3搜索算法和搜索過程/ 2.4理論分析——搜索算法的性質/ 2.5搜索算法應用舉例/ 2.6下棋也可以用搜索算法來完成/ 2.7使用搜索算法的關鍵問題/ 2.8指數爆炸/ 2.9使用知識/ 2.10如何得到一個好的啟發式函數/ *2.11進一步學習的內容/
第3章計算機視覺
/
3.1計算機視覺系統構成/ 3.2一些計算機視覺任務/ 3.3計算機視覺用到的方法/ 3.4計算機視覺傳統方法/ 3.5計算機視覺深度學習方法/ 3.6LeNet： 一個圖像識別模型/ 3.7目標函數與優化/ 3.8端到端/ 3.9表示學習/ 3.10特征的可視化/ 3.11其他神經網絡模型/ 3.12一些計算機視覺成功案例/ 3.13深度神經網絡方法為什么能在計算機視覺一些任務中取得成功/ 3.14計算機視覺任務的困難/ 3.15人類視覺和計算機視覺之間的比較/ *3.16進一步學習的內容/
第4章計算機聽覺
/
4.1計算機聽覺的任務/ 4.2聲音相關的基本概念/ 4.3音樂相關的基本概念/ 4.4計算機聽覺采用的方法/ 4.5適合序列數據的神經網絡模型/ 4.6當前的技術狀況/ 4.7計算機視覺和計算機聽覺的比較/ *4.8進一步學習的內容/
第5章自然語言處理與理解
/
5.1為什么要研究自然語言處理與理解？/ 5.2自然語言處理與理解的一些任務/ 5.3自然語言處理與理解包含的幾個層次/ 5.4詞的表示/ 5.5三大類方法/ 5.6Transformer/ 5.7BERT/ 5.8OpenAI公司的ChatGPT/ 5.9一個機器翻譯的例子/ 5.10機器對話和問答/ 5.11文本生成/ 5.12生成的文本的評價/ 5.13基于深度學習方法的優缺點/ 5.14自然語言處理與理解模型成功的原因與給我們的啟示/ 5.15語言的局限性/ *5.16進一步學習的內容/
第6章知識表示與知識獲取
/
6.1為什么要研究知識表示與知識獲取/ 6.2主要研究內容/ 6.3知識表示方法/ 6.4知識獲取方法/ 6.5知識的使用/ 6.6困難和挑戰/ 6.7知識不只在語言中/ *6.8進一步學習的內容/
第7章機器學習
/
7.1回歸/ 7.2分類/ 7.3聚類/ 7.4再勵學習/ 7.5使用機器學習方法的幾個關鍵問題/ 7.6過擬合與泛化/ 7.7機器學習的思想/ 7.8黑盒和白盒/ 7.9機器學習生態/ 7.10機器學習理論/ *7.11進一步學習的內容/
第8章推理
/
8.1表示一個待求解問題/ 8.2推理規則與形式化推理/ 8.3推理算法以及推理算法的關鍵問題/ 8.4和推理相關的一些理論問題/ 8.5推理方法/ 8.6深度學習時代推理研究的新任務/ 8.7推理研究當前的方法和挑戰/ 8.8和推理密切相關的一些任務/ 8.9神經感知和符號系統的“聯合”/ 8.10因果關系/ *8.11進一步學習的內容/
第9章多模態信息處理
/
9.1多模態信息處理的簡史/ 9.2多模態學習任務舉例/ 9.3方法/ 9.4關鍵問題/ 9.5多模態大模型/ 9.6多模態數據讓智能系統更好地理解世界/ *9.7進一步學習的內容/
第10章多智能體系統
/
10.1為什么要研究多智能體系統/ 10.2群體智能/ 10.3合作的智能體/ 10.4非合作的智能體/ 10.5多智能體學習/ 10.6多智能體學習的困難/ 10.7人類社會的啟發/ *10.8進一步學習的內容/
第11章可信的人工智能
/ 11.1公平性/ 11.2隱私和隱私保護/ 11.3模型的安全與魯棒/ 11.4可解釋性/ 11.5環境友好/ 11.6可問責性/ *11.7進一步學習的內容/
第12章人工智能生態
/
12.1人工智能賦能/ 12.2助力人工智能/ 12.3機器人與智能機器人/ 12.4人工智能與認知科學/ 12.5傳感器與材料科學/ 12.6人工智能與社會治理/ 12.7人工智能與藝術/ *12.8進一步學習的內容/
第2章搜索/ 2.1從一個例子開始/ 2.2如何表示一個迷宮/ 2.3搜索算法和搜索過程/ 2.4理論分析——搜索算法的性質/ 2.5搜索算法應用舉例/ 2.6下棋也可以用搜索算法來完成/ 2.7使用搜索算法的關鍵問題/ 2.8指數爆炸/ 2.9使用知識/ 2.10如何得到一個好的啟發式函數/ *2.11進一步學習的內容/
第3章計算機視覺
/
3.1計算機視覺系統構成/ 3.2一些計算機視覺任務/ 3.3計算機視覺用到的方法/ 3.4計算機視覺傳統方法/ 3.5計算機視覺深度學習方法/ 3.6LeNet： 一個圖像識別模型/ 3.7目標函數與優化/ 3.8端到端/ 3.9表示學習/ 3.10特征的可視化/ 3.11其他神經網絡模型/ 3.12一些計算機視覺成功案例/ 3.13深度神經網絡方法為什么能在計算機視覺一些任務中取得成功/ 3.14計算機視覺任務的困難/ 3.15人類視覺和計算機視覺之間的比較/ *3.16進一步學習的內容/
第4章計算機聽覺
/
4.1計算機聽覺的任務/ 4.2聲音相關的基本概念/ 4.3音樂相關的基本概念/ 4.4計算機聽覺采用的方法/ 4.5適合序列數據的神經網絡模型/ 4.6當前的技術狀況/ 4.7計算機視覺和計算機聽覺的比較/ *4.8進一步學習的內容/
第5章自然語言處理與理解
/
5.1為什么要研究自然語言處理與理解？/ 5.2自然語言處理與理解的一些任務/ 5.3自然語言處理與理解包含的幾個層次/ 5.4詞的表示/ 5.5三大類方法/ 5.6Transformer/ 5.7BERT/ 5.8OpenAI公司的ChatGPT/ 5.9一個機器翻譯的例子/ 5.10機器對話和問答/ 5.11文本生成/ 5.12生成的文本的評價/ 5.13基于深度學習方法的優缺點/ 5.14自然語言處理與理解模型成功的原因與給我們的啟示/ 5.15語言的局限性/ *5.16進一步學習的內容/
第6章知識表示與知識獲取
/
6.1為什么要研究知識表示與知識獲取/ 6.2主要研究內容/ 6.3知識表示方法/ 6.4知識獲取方法/ 6.5知識的使用/ 6.6困難和挑戰/ 6.7知識不只在語言中/ *6.8進一步學習的內容/
第7章機器學習
/
7.1回歸/ 7.2分類/ 7.3聚類/ 7.4再勵學習/ 7.5使用機器學習方法的幾個關鍵問題/ 7.6過擬合與泛化/ 7.7機器學習的思想/ 7.8黑盒和白盒/ 7.9機器學習生態/ 7.10機器學習理論/ *7.11進一步學習的內容/
第8章推理
/
8.1表示一個待求解問題/ 8.2推理規則與形式化推理/ 8.3推理算法以及推理算法的關鍵問題/ 8.4和推理相關的一些理論問題/ 8.5推理方法/ 8.6深度學習時代推理研究的新任務/ 8.7推理研究當前的方法和挑戰/ 8.8和推理密切相關的一些任務/ 8.9神經感知和符號系統的“聯合”/ 8.10因果關系/ *8.11進一步學習的內容/
第9章多模態信息處理
/
9.1多模態信息處理的簡史/ 9.2多模態學習任務舉例/ 9.3方法/ 9.4關鍵問題/ 9.5多模態大模型/ 9.6多模態數據讓智能系統更好地理解世界/ *9.7進一步學習的內容/
第10章多智能體系統
/
10.1為什么要研究多智能體系統/ 10.2群體智能/ 10.3合作的智能體/ 10.4非合作的智能體/ 10.5多智能體學習/ 10.6多智能體學習的困難/ 10.7人類社會的啟發/ *10.8進一步學習的內容/
第11章可信的人工智能
/ 11.1公平性/ 11.2隱私和隱私保護/ 11.3模型的安全與魯棒/ 11.4可解釋性/ 11.5環境友好/ 11.6可問責性/ *11.7進一步學習的內容/
第12章人工智能生態
/
12.1人工智能賦能/ 12.2助力人工智能/ 12.3機器人與智能機器人/ 12.4人工智能與認知科學/ 12.5傳感器與材料科學/ 12.6人工智能與社會治理/ 12.7人工智能與藝術/ *12.8進一步學習的內容/
展開全部
書友推薦
- >
隨園食單
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
自卑與超越
- >
龍榆生：詞曲概論/大家小書
- >
苦雨齋序跋文-周作人自編集
- >
月亮與六便士
- >
有舍有得是人生
- >
朝聞道
本類暢銷
