掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
人工智能技術(shù)及應(yīng)用 版權(quán)信息
- ISBN：9787030795885
- 條形碼：9787030795885 ; 978-7-03-079588-5
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
人工智能技術(shù)及應(yīng)用 內(nèi)容簡介
人工智能是一門以自動化理論與計算機技術(shù)為基礎(chǔ)，涉及多學(xué)科交叉融合的新興學(xué)科，是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，對于推動經(jīng)濟發(fā)展、提高生產(chǎn)力、促進社會進步具有重要意義。
本書在總結(jié)編者及團隊多年教學(xué)及科研經(jīng)驗的基礎(chǔ)上編寫完成，內(nèi)容涵蓋了人工智能的基本概念、發(fā)展歷程、關(guān)鍵技術(shù)以及典型應(yīng)用，旨在幫助學(xué)生快速了解人工智能理論和初步掌握人工智能應(yīng)用技術(shù)。
人工智能技術(shù)及應(yīng)用 目錄
目錄前言第1章 緒論 11.1 人工智能基本概述 11.1.1 智能的起源 11.1.2 人工智能 31.1.3 人工智能的歷史 41.2 人工智能的研究方法 81.3 人工智能的研究內(nèi)容 111.3.1 知識表示 111.3.2 機器感知 121.3.3 機器推理 131.3.4 機器學(xué)習(xí) 131.3.5 機器行為 141.4 本章小結(jié) 15第2章 機器學(xué)習(xí) 172.1 機器學(xué)習(xí)概述 172.1.1 機器學(xué)習(xí)相關(guān)概念 182.1.2 機器學(xué)習(xí)場景 192.2 監(jiān)督學(xué)習(xí) 202.2.1 線性回歸 202.2.2 邏輯回歸 242.2.3 決策樹 252.3 無監(jiān)督學(xué)習(xí) 282.3.1 K-means聚類 282.3.2 PCA算法 302.4 本章小結(jié) 32第3章 深度學(xué)習(xí) 343.1 深度學(xué)習(xí)概述 343.1.1 深度學(xué)習(xí)的發(fā)展歷程 343.1.2 深度學(xué)習(xí)與傳統(tǒng)機器學(xué)習(xí)的對比 353.2 深度學(xué)習(xí)基礎(chǔ)理論 363.2.1 人腦神經(jīng)系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò) 363.2.2 激活函數(shù)的類型與特性 383.2.3 前向傳播與反向傳播 393.2.4 深度學(xué)習(xí)優(yōu)化策略 403.3 深度神經(jīng)網(wǎng)絡(luò)架構(gòu) 413.3.1 前饋神經(jīng)網(wǎng)絡(luò) 413.3.2 卷積神經(jīng)網(wǎng)絡(luò) 423.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 453.3.4 深度生成網(wǎng)絡(luò) 463.3.5 注意力機制網(wǎng)絡(luò) 483.3.6 圖神經(jīng)網(wǎng)絡(luò) 503.4 常用的深度學(xué)習(xí)框架 523.4.1 PyTorch 523.4.2 TensorFlow 543.4.3 Keras 553.5 深度學(xué)習(xí)的應(yīng)用領(lǐng)域 573.5.1 計算機視覺 573.5.2 自然語言處理 593.5.3 多智能體優(yōu)化 603.6 本章小結(jié) 61第4章 聯(lián)邦學(xué)習(xí) 624.1 聯(lián)邦學(xué)習(xí)概述 624.1.1 聯(lián)邦學(xué)習(xí)的誕生背景 624.1.2 聯(lián)邦學(xué)習(xí)的范式 634.2 聯(lián)邦學(xué)習(xí)的基礎(chǔ)理論 644.2.1 分布式計算架構(gòu) 644.2.2 用于隱私保護的安全加密機制 654.3 聯(lián)邦學(xué)習(xí)的分類 664.3.1 橫向聯(lián)邦學(xué)習(xí) 664.3.2 縱向聯(lián)邦學(xué)習(xí) 684.3.3 聯(lián)邦遷移學(xué)習(xí) 704.3.4 聯(lián)邦強化學(xué)習(xí) 714.4 聯(lián)邦學(xué)習(xí)的激勵機制 734.4.1 激勵機制的基本要素 734.4.2 激勵機制的設(shè)計原則 744.5 開源的聯(lián)邦學(xué)習(xí)框架 754.5.1 PySyft 754.5.2 TensorFlow Federated 764.5.3 FATE 774.5.4 FedML 784.6 聯(lián)邦學(xué)習(xí)的應(yīng)用領(lǐng)域 794.6.1 跨行業(yè)隱私保護數(shù)據(jù)的分析與合作 794.6.2 協(xié)作式機器學(xué)習(xí) 804.6.3 云邊協(xié)同的智能決策優(yōu)化 814.7 本章小結(jié) 82第5章 AI大模型 835.1 AI大模型概述 835.1.1 AI大模型的相關(guān)概念 835.1.2 AI大模型的發(fā)展歷程 845.1.3 AI大模型的構(gòu)建流程 855.2 AI大模型的核心技術(shù) 865.2.1 基于Transformer的模型基座 865.2.2 提示學(xué)習(xí)與指令微調(diào) 885.2.3 基于人工反饋的強化學(xué)習(xí) 895.2.4 思維鏈方法與集成學(xué)習(xí) 915.2.5 AI大模型的推理與評價 925.2.6 多模態(tài)AI大模型 945.3 典型AI大模型簡介 955.3.1 OpenAI：GPT 955.3.2 谷歌：PaLM和Gemini模型 975.3.3 Meta：LLaMA 995.3.4 百度：文心大模型 1005.3.5 科大訊飛：星火認知大模型 1005.3.6 智譜：GLM 1015.4 AI大模型應(yīng)用開發(fā)基礎(chǔ) 1015.4.1 AI大模型應(yīng)用技術(shù)架構(gòu) 1025.4.2 提示工程與指令調(diào)優(yōu) 1025.4.3 AI大模型API函數(shù)調(diào)用 1035.4.4 基于向量數(shù)據(jù)庫的檢索增強生成技術(shù) 1045.4.5 開發(fā)工具：LangChain、Semantic Kernel、AutoGPT 1055.4.6 AI大模型應(yīng)用產(chǎn)品的部署 1075.5 AI大模型的典型應(yīng)用 1085.5.1 自然語言處理 1085.5.2 計算機視覺 1095.5.3 語音識別與語音合成 1105.5.4 智能** 1115.5.5 自動編程 1125.6 本章小結(jié) 113第6章 智能控制 1146.1 專家控制 1146.1.1 專家系統(tǒng)的定義及分類 1146.1.2 專家系統(tǒng)的結(jié)構(gòu) 1156.1.3 專家系統(tǒng)的特點與原則 1196.2 模糊控制 1206.2.1 模糊控制概述 1206.2.2 模糊控制器結(jié)構(gòu)及原理 1306.2.3 模糊控制的特點 1386.2.4 模糊控制的應(yīng)用案例 1386.3 自適應(yīng)控制 1416.3.1 自適應(yīng)控制概述 1416.3.2 典型的自適應(yīng)控制方法 1446.4 *優(yōu)控制 1506.4.1 *優(yōu)控制概述 1506.4.2 *優(yōu)控制問題的求解方法 1536.4.3 *優(yōu)控制的典型應(yīng)用 1556.5 本章小結(jié) 156第7章 智能算法 1587.1 智能算法概述 1587.1.1 智能算法的背景及發(fā)展歷史 1587.1.2 幾種重要的智能算法介紹 1597.2 遺傳算法 1607.2.1 遺傳算法的基本原理 1617.2.2 遺傳算法的基礎(chǔ)及應(yīng)用 1637.2.3 遺傳算法的具體實現(xiàn)方法 1677.2.4 幾種重要的改進遺傳算法 1717.3 人工免疫算法 1747.3.1 人工免疫算法的生物學(xué)原理 1747.3.2 人工免疫算法的基本模型及算法 1757.3.3 常用的人工免疫算法 1787.3.4 人工免疫算法的應(yīng)用 1797.4 蟻群算法 1797.4.1 蟻群算法的起源、特征和基本原理 1797.4.2 蟻群算法的數(shù)學(xué)模型 1827.4.3 蟻群算法的優(yōu)化 1837.4.4 蟻群算法的典型應(yīng)用 1847.4.5 蟻群算法的硬件實現(xiàn) 1857.5 粒子群算法 1877.5.1 粒子群算法的背景、特點及基本原理 1877.5.2 基本粒子群算法 1897.5.3 改進型PSO 1937.5.4 粒子群算法的特點及應(yīng)用場景 1947.6 本章小結(jié) 195第8章 人工智能應(yīng)用案例 1968.1 AI技術(shù)在故障診斷中的應(yīng)用 1968.1.1 AI技術(shù)在故障診斷中的應(yīng)用概述 1968.1.2 案例1：基于SVM的軸承故障診斷 1978.1.3 案例2：基于無量綱特征與神經(jīng)網(wǎng)絡(luò)的化工生產(chǎn)風(fēng)機故障診斷 2018.1.4 案例3：基于人工免疫系統(tǒng)的石化裝備故障診斷 2048.1.5 AI技術(shù)在故障診斷中的優(yōu)勢與挑戰(zhàn) 2058.2 AI技術(shù)在石油勘探開發(fā)中的應(yīng)用案例 2068.2.1 基于Segnet深度學(xué)習(xí)網(wǎng)絡(luò)的智能河道識別 2068.2.2 基于AI的智慧油田的管理及實踐 2168.3 AI在化工與材料領(lǐng)域的應(yīng)用 2238.3.1 概述 2238.3.2 案例1：AI在化學(xué)合成中的應(yīng)用 2238.3.3 案例2：AI在化工數(shù)據(jù)采集與處理中的應(yīng)用 2258.3.4 案例3：AI在石油化工復(fù)雜生產(chǎn)過程建模中的應(yīng)用 2268.3.5 案例4：AI在石油化工生產(chǎn)過程及供應(yīng)鏈優(yōu)化上的應(yīng)用 2298.3.6 案例5：AI在化工安全預(yù)測預(yù)警方面的應(yīng)用 2338.3.7 案例6：AI在化工園區(qū)智能化方面的應(yīng)用 2348.3.8 案例7：ChatGPT大模型在石油化工領(lǐng)域的應(yīng)用 2358.3.9 案例8：AI在智能配色系統(tǒng)中的應(yīng)用 2388.3.10 案例9：AI在柔性電子材料方面的應(yīng)用 2428.4 本章小結(jié) 246參考文獻 248
展開全部
書友推薦
- >
姑媽的寶刀
- >
月亮與六便士
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
- >
經(jīng)典常談
- >
有舍有得是人生
- >
中國歷史的瞬間
- >
煙與鏡
本類暢銷
