掃一掃
關注中圖網
官方微博
>
人工智能原理 -- 從計算到謀算的模型、原理與方法
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
人工智能原理 -- 從計算到謀算的模型、原理與方法 版權信息
- ISBN：9787030797469
- 條形碼：9787030797469 ; 978-7-03-079746-9
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：
人工智能原理 -- 從計算到謀算的模型、原理與方法 內容簡介
本書是人工智能基本原理的綱領性科學總結。全書由五部分構成。**部分分析現有的物理世界科學體系下的人工智能技術的根本缺陷；第二部分介紹基于數理邏輯與計算原理的人工智能原理與技術；第三部分介紹基于深度神經網絡的機器學習的數學原理、計算原理；第四部分介紹人工智能的博弈理論和量子人工智能；第五部分介紹我國學者創立的人工智能的信息科學原理。提出人工智能的智能論題：一個自我意識主體的智能就是該自我意識主體的信息，即智能=信息。實現了基于科學原理的“有算有謀”的人工智能，奠定了人工智能科學的基礎。
人工智能原理 -- 從計算到謀算的模型、原理與方法 目錄
目錄**部分 人工智能總論第1章 人工智能簡介 31.1 人工智能的科學思想起源 31.2 人工智能的數理邏輯原理 51.3 人工智能的計算原理 61.4 圖靈對機器智能的研究 81.5 人工智能研究的興起 91.6 符號主義人工智能 91.7 連接主義人工智能 101.8 行為主義人工智能 111.9 人工智能的數學、物理挑戰 121.10 人工智能的重大科學挑戰 121.10.1 數學、物理對象的可分性 121.10.2 信息世界對象的不可分性 131.10.3 信息世界對象的可定義性問題 141.10.4 人學習的基本問題 141.10.5 自我意識的基本問題 151.10.6 博弈/謀算的基本科學問題 161.10.7 本節小結 161.11 信息科學重大挑戰性問題 161.11.1 **信息論 161.11.2 生成策略 181.11.3 解碼策略 191.11.4 信息的模型 191.11.5 信息基本定律 201.11.6 信息科學的定義 201.11.7 信息的數學理論 211.12 信息科學原理 211.13 本章小結 22參考文獻 23第二部分 邏輯推理人工智能與計算人工智能第2章 符號主義人工智能 272.1 命題知識表示與推理 272.1.1 命題邏輯 272.1.2 命題推理問題 292.1.3 命題可滿足性求解方法 302.1.4 模型計數 312.1.5 知識編譯 322.2 自動定理證明 332.2.1 自動定理證明的起源、發展與現狀 332.2.2 Herbrand定理 352.2.3 合一與匹配 362.2.4 歸結原理 372.2.5 歸結原理的改進策略 392.2.6 等詞推理 402.2.7 幾何定理證明和數學機械化 422.2.8 定理證明器競賽和著名定理證明器 422.3 約束可滿足性求解 432.4 基于模型的診斷 452.4.1 MBD問題 462.4.2 國內外總體研究現狀 472.5 神經符號系統 482.5.1 神經符號系統的背景 482.5.2 神經符號系統研究現狀 492.5.3 神經符號系統的挑戰及未來研究方向 51參考文獻 53第3章 大數據算法與可信計算理論 623.1 大數據算法計算模型 623.1.1 亞線性時間算法 633.1.2 亞線性空間算法 633.1.3 動態圖算法 643.1.4 大規模并行計算 653.1.5 數據降維 653.2 滿足可信需求的算法 653.2.1 魯棒性 663.2.2 公平公正 663.2.3 隱私保護 67第4章 難解問題的智能算法 684.1 難解問題圖學習方法求解 704.1.1 路徑規劃問題 724.1.2 *大割問題 744.1.3 作業調度問題 754.1.4 其他難解問題 764.2 難解問題強化學習求解 764.2.1 基于無模型的強化學習方法 774.2.2 基于有模型的強化學習方法 794.3 總結與展望 80參考文獻 83第三部分 神經網絡人工智能與生物人工智能第5章 神經網絡的數學原理 895.1 神經網絡的背景及意義 895.1.1 神經網絡的發展歷史 895.1.2 神經網絡對人工智能發展的作用 905.1.3 神經網絡給人工智能帶來的挑戰 915.2 神經網絡的數學原理的內涵 925.2.1 研究意義 925.2.2 分析視角 925.2.3 基本框架 945.2.4 研究趨勢 955.3 神經網絡的傳統理論 955.3.1 表達能力 955.3.2 泛化能力 965.3.3 優化能力 965.4 前沿發展 965.4.1 對自適應優化器的分析 965.4.2 基于神經網絡結構的優化分析 975.4.3 優化器的隱式正則分析 975.4.4 神經網絡的精確泛化估計 975.4.5 表示所需參數量下界 975.5 未來展望 985.5.1 設計適用不同場景的安全性度量 985.5.2 構建以安全為中心的神經網絡理論 985.5.3 發展可信可控的神經網絡模型 99第6章 神經網絡的計算原理 1006.1 **神經網絡的計算原理 1006.1.1 表示學習 1006.1.2 前饋神經網絡 1036.1.3 神經網絡訓練 1056.2 面向序列數據的神經網絡 1086.2.1 循環神經網絡 1096.2.2 轉換器 1116.2.3 時序卷積神經網絡 1156.3 圖神經網絡 1166.3.1 圖表示學習 1166.3.2 圖神經網絡的基礎原理 1186.3.3 圖神經網絡前沿 120參考文獻 132第四部分 數學人工智能與物理人工智能第7章 人工智能的博弈理論 1397.1 均衡計算 1397.1.1 納什均衡 1407.1.2 納什均衡的存在性 1417.1.3 納什均衡的計算 1437.1.4 納什均衡的計算復雜性 1477.2 人工智能中的合作博弈 1497.2.1 合作博弈 1507.2.2 合作博弈的表示和算法 1547.2.3 合作博弈在多智能體系統中的應用 1557.2.4 結論 1577.3 本章小結 157參考文獻 157第8章 量子人工智能 1608.1 概述 1608.2 量子學習方法介紹 1608.2.1 HHL算法 1608.2.2 量子奇異值變換 1628.2.3 量子吉布斯采樣 1638.2.4 變分量子電路 1658.3 量子學習應用場景 1698.3.1 傳統機器學習問題的量子化 1708.3.2 量子無監督學習 1748.3.3 量子有監督學習 1778.3.4 量子強化學習 1808.3.5 量子層析 184參考文獻 184第五部分 信息主義人工智能：層譜抽象認知模型人工智能第9章 信息定律與信息模型 1959.1 信息科學的研究對象 1959.2 物理世界對象基本定律 1959.3 信息性質/知識的定義 1969.4 現實世界對象的物理性質與信息性質 1979.5 策略 1979.6 信息的模型 1989.7 學習的數學實質 1989.8 知識是信息在某一個模型下的解釋 1999.9 抽象 2009.10 層譜抽象 2009.11 科學范式定律 2029.11.1 物理對象科學范式定律 2029.11.2 信息世界的科學范式定律 2029.12 個體定律 2029.12.1 個體定律Ⅰ 2039.12.2 個體定律Ⅱ 2039.12.3 個體定律Ⅲ 2039.12.4 個體定律Ⅳ 2049.13 信息定律 2049.13.1 信息定律Ⅰ 2049.13.2 信息定律Ⅱ 2049.13.3 信息定律Ⅲ 2049.14 運動定律 2059.14.1 運動定律Ⅰ 2059.14.2 運動定律Ⅱ 2059.14.3 運動定律Ⅲ 2059.15 競爭定律 2059.15.1 競爭定律Ⅰ 2059.15.2 競爭定律Ⅱ 2069.15.3 競爭定律Ⅲ 2069.16 認知模型定律 2069.17 觀察定律 2069.17.1 觀察定律Ⅰ 2069.17.2 觀察定律Ⅱ 2079.18 知識表示定律 2079.19 知識定律 2089.19.1 知識二元律 2089.19.2 知識三元律 2089.19.3 知識四元律 2089.20 規律的定義 2099.21 創造策略 2099.22 學習的可解釋性原理 2109.23 自我意識定律 2109.23.1 自我意識定律Ⅰ 2109.23.2 自我意識定律Ⅱ 2109.24 系統定律 2109.24.1 系統定律Ⅰ 2109.24.2 系統定律Ⅱ 2109.24.3 系統定律Ⅲ 2119.24.4 系統定律Ⅳ 2119.25 本章小結 211第10章 信息演算理論 21210.1 信息系統的數學表示 21210.2 一維結構熵 21410.3 信息系統的編碼樹 21410.4 在一個層譜抽象策略下的結構熵 21510.5 信息系統的結構熵 21510.6 結構熵極小化原理 21610.7 解碼信息 21710.8 層譜抽象策略的壓縮信息 21710.9 壓縮/解碼原理 21810.10 層譜抽象解碼原理 21910.11 層譜抽象可定義性 21910.12 層譜抽象的結構熵 22010.13 基于結構熵的推理演算 22010.14 基于解碼信息的推理 22210.15 推理的數學理論 22310.16 信息生成原理 22310.17 解碼信息原理 22410.18 本章小結 225參考文獻 225第11章 （觀察）學習的數學理論 22611.1 先驗認知模型 22711.2 觀察的數學實質 22711.3 學習的數學定義 22811.4 人的先驗分析方法 22911.5 學習的主體與客體 22911.6 學習的目的與目標 22911.7 知識的定義 23011.8 規律的定義 23011.9 學習過程表示：層譜抽象 23111.10 學習的數學模型 23111.11 創造策略的理解與實現 23311.12 局部觀察學習 23411.13 全局觀察學習 23511.14 學習模型中的生成策略與生成原理 23611.15 學習模型中的解碼策略與解碼原理 23611.16 知識樹 23711.17 知識的一致性準則 23711.18 知識的度量 23811.19 知識演算推理 23811.20 學習的極限 24011.21 學習的數學理論總結 241第12章 自我意識的數學理論 24312.1 自我意識體的先驗感知模型 24412.2 自我意識體的可定義性 24612.3 自我意識體五維認知 24712.4 自我意識的數學實質 24812.5 生命定律 24912.5.1
展開全部
書友推薦
- >
我從未如此眷戀人間
- >
有舍有得是人生
- >
上帝之肋:男人的真實旅程
- >
隨園食單
- >
伯納黛特,你要去哪(2021新版)
- >
詩經-先民的歌唱
- >
羅曼·羅蘭讀書隨筆-精裝
- >
朝聞道
本類暢銷
