掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進(jìn)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
人工智能導(dǎo)論(微課版) 版權(quán)信息
- ISBN：9787115652119
- 條形碼：9787115652119 ; 978-7-115-65211-9
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人工智能導(dǎo)論(微課版) 本書特色
1.內(nèi)容嚴(yán)謹(jǐn)，結(jié)構(gòu)清晰
在全面考慮人工智能發(fā)展脈絡(luò)的基礎(chǔ)上，精心篩選知識點，突出導(dǎo)論課程的核心意義，著重關(guān)注重要的知識點，有利于教師在規(guī)劃課時內(nèi)進(jìn)行有效的課堂教學(xué)，同時也便于讀者自主學(xué)習(xí)。
2.案例豐富，有趣宜學(xué)
本書融合了與學(xué)生生活緊密相關(guān)的豐富教學(xué)案例，以通俗易懂的方式幫助讀者理解重要而難以理解的知識點，進(jìn)而提升讀者的學(xué)習(xí)興趣。
3.緊跟前沿，著眼未來
編者著眼于*新的技術(shù)成果，在書中介紹了人工智能相關(guān)行業(yè)的發(fā)展趨勢和市場動態(tài)，在拓寬讀者認(rèn)知邊界的同時，力求提高讀者的科學(xué)素養(yǎng)。
4.錄制微課，創(chuàng)新教學(xué)
本書提供針對重點、難點知識的微課視頻，助力打造新形態(tài)精品教材。讀者可以通過多種智能化展示方式和渠道隨時自學(xué)，*大程度提高自己的學(xué)習(xí)效率。
人工智能導(dǎo)論(微課版) 內(nèi)容簡介
本書共12章，內(nèi)容涵蓋傳統(tǒng)人工智能技術(shù)、現(xiàn)代人工智能技術(shù)及人工智能技術(shù)應(yīng)用三大部分，旨在展示人工智能技術(shù)的發(fā)展歷程。在傳統(tǒng)人工智能技術(shù)部分，本書討論了問題求解與搜索技術(shù)、歸結(jié)推理、不確定性推理與專家系統(tǒng)，以及遺傳算法、蟻群算法、鳥群算法和粒子群算法等經(jīng)典算法。在現(xiàn)代人工智能技術(shù)部分，本書介紹了機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，講解了經(jīng)典的決策、分類、聚類、回歸、降維和關(guān)聯(lián)分析等問題，以及神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)等內(nèi)容。在人工智能技術(shù)應(yīng)用部分，本書講解了視覺感知與智能視覺、聽覺感知與智能聽覺、語言智能處理和智能機(jī)器等當(dāng)前流行技術(shù)，以及未來人工智能的展望。在本書編寫過程中，編者著重介紹基本概念、基本原理和基本分析方法，旨在引導(dǎo)讀者分析問題和解決問題，力求基本概念準(zhǔn)確、條理清晰、內(nèi)容精練、重點突出、理論聯(lián)系實際。
本書可作為人工智能、計算機(jī)科學(xué)與技術(shù)、電子信息、遙感測繪、土木工程、機(jī)械工程等理工科專業(yè)的人工智能導(dǎo)論課程（或通識課程）教材，也可供相關(guān)領(lǐng)域的科技人員參考使用。
人工智能導(dǎo)論(微課版) 目錄
【章名目錄】第 1章 人工智能概述第 2章 問題求解與搜索技術(shù)第3章 歸結(jié)推理及其應(yīng)用第4章 不確定性推理與專家系統(tǒng)第5章 演化搜索和群集智能第6章 機(jī)器學(xué)習(xí)【章名目錄】
第 1章 人工智能概述
第 2章 問題求解與搜索技術(shù)
第3章 歸結(jié)推理及其應(yīng)用
第4章 不確定性推理與專家系統(tǒng)
第5章 演化搜索和群集智能
第6章 機(jī)器學(xué)習(xí)
第7章 神經(jīng)生理基礎(chǔ)和神經(jīng)網(wǎng)絡(luò)
第8章 視覺感知與智能視覺
第9章 聽覺感知與智能聽覺
第 10章 語言智能處理
第 11章 智能機(jī)器
第 12章 未來人工智能的展望【詳細(xì)目錄】
第 1章 人工智能概述 1
1.1 人類智能與人工智能 1
1.1.1 數(shù)據(jù)和信息的關(guān)系 2
1.1.2 人的認(rèn)知過程 3
1.1.3 機(jī)器對人認(rèn)知過程的模擬 4
1.1.4 知識、智力和智能之間的關(guān)系 6
1.2 人工智能的不同學(xué)派 7
1.2.1 符號主義學(xué)派 7
1.2.2 聯(lián)結(jié)主義學(xué)派 8
1.2.3 行為主義學(xué)派 8
1.3 人工智能的發(fā)展 9
1.3.1 人工智能的孕育期 9
1.3.2 人工智能的形成期 9
1.3.3 基于知識的系統(tǒng) 10
1.3.4 神經(jīng)網(wǎng)絡(luò)的復(fù)興 10
1.3.5 機(jī)器學(xué)習(xí)大發(fā)展 11
1.4 人工智能的基本技術(shù) 12
1.4.1 搜索技術(shù) 12
1.4.2 知識表示 12
1.4.3 抽象、歸納和推理 13
1.4.4 計算神經(jīng)理論 13
1.4.5 認(rèn)知計算 13
1.4.6 知識工程 15
1.4.7 自然語言處理 15
1.4.8 智能機(jī)器人 15
習(xí)題 16第 2章 問題求解與搜索技術(shù) 17
2.1 問題的狀態(tài)和狀態(tài)空間 17
2.1.1 狀態(tài)空間的定義和一般搜索方法 17
2.1.2 問題特征分析 20
2.2 盲目搜索方法 23
2.3 啟發(fā)式搜索方法 25
2.3.1 啟發(fā)式信息的表示 25
2.3.2 啟發(fā)式函數(shù)設(shè)計的原則 26
2.4 “弱搜索”方法 30
2.4.1 生成測試法 31
2.4.2 爬山算法 31
2.4.3 *佳優(yōu)先搜索算法 32
2.4.4 模擬退火算法 33
2.5 博弈與搜索 34
2.5.1 有關(guān)博弈的問題 34
2.5.2 極小極大搜索算法 35
2.5.3 α-β剪枝算法 39
習(xí)題 43第3章 歸結(jié)推理及其應(yīng)用 45
3.1 邏輯表示法 45
3.1.1 一階謂詞邏輯 45
3.1.2 邏輯表示法的特點 48
3.2 命題演算的歸結(jié)方法 48
3.2.1 基本概念 48
3.2.2 命題演算的歸結(jié)步驟 49
3.3 謂詞演算的歸結(jié)方法 50
3.3.1 謂詞演算的基本問題 50
3.3.2 將謂詞公式化成子句的步驟 50
3.3.3 合一算法 52
3.3.4 變量分離標(biāo)準(zhǔn)化 54
3.3.5 謂詞演算的歸結(jié)算法 55
習(xí)題 55第4章 不確定性推理與專家系統(tǒng) 57
4.1 不確定性推理 57
4.1.1 不確定性推理形成的原因 57
4.1.2 不確定性推理方法 58
4.2 專家系統(tǒng) 61
4.2.1 專家系統(tǒng)的定義 62
4.2.2 專家系統(tǒng)的特征 63
4.2.3 專家系統(tǒng)的分類 64
4.2.4 專家系統(tǒng)的結(jié)構(gòu) 66
4.2.5 專家系統(tǒng)的優(yōu)缺點 67
4.3 MYCIN專家系統(tǒng) 68
4.3.1 MYCIN系統(tǒng)概況 68
4.3.2 MYCIN系統(tǒng)組成 68
4.3.3 知識庫構(gòu)造 69
4.3.4 推理機(jī)制 70
習(xí)題 72第5章 演化搜索和群集智能 74
5.1 遺傳算法 74
5.1.1 遺傳算法的發(fā)展背景 74
5.1.2 遺傳學(xué)與遺傳算法的基本思想 75
5.1.3 遺傳算法常用術(shù)語介紹 76
5.1.4 遺傳算法的步驟 77
5.1.5 遺傳算法應(yīng)用舉例 83
5.2 蟻群算法 85
5.2.1 蟻群算法的模擬實驗和理論 85
5.2.2 基本蟻群算法及流程 88
5.3 鳥群算法 90
5.4 粒子群算法 92
5.4.1 粒子群算法的發(fā)展背景 92
5.4.2 粒子群算法的基本思想 92
5.4.3 粒子群算法的基本流程 94
5.4.4 粒子群算法和遺傳算法的比較 94
習(xí)題 95第6章 機(jī)器學(xué)習(xí) 97
6.1 機(jī)器學(xué)習(xí)與監(jiān)督學(xué)習(xí) 97
6.2 K近鄰算法 101
6.2.1 KNN算法介紹 101
6.2.2 距離計算 101
6.2.3 K值選擇 103
6.2.4 KNN算法的特點 103
6.2.5 KNN算法的應(yīng)用舉例 104
6.3 決策樹 105
6.3.1 決策樹的基本理論 105
6.3.2 ID3算法 107
6.3.3 C4.5算法 110
6.3.4 CART算法 112
6.3.5 三種決策樹算法的對比 114
6.4 樸素貝葉斯 114
6.4.1 樸素貝葉斯算法的核心思想 115
6.4.2 貝葉斯公式與條件獨立假設(shè) 116
6.4.3 樸素貝葉斯分類實例 118
6.4.4 樸素貝葉斯與連續(xù)值特征 119
6.5 支持向量機(jī) 120
6.5.1 支持向量的概念 121
6.5.2 支持向量機(jī)優(yōu)化 124
6.5.3 軟間隔 125
6.5.4 核函數(shù) 127
6.5.5 支持向量機(jī)的優(yōu)缺點分析 128
6.6 聚類算法 128
6.6.1 K均值算法 129
6.6.2 DBSCAN聚類算法 131
6.6.3 均值漂移聚類算法 134
6.7 回歸分析 136
6.7.1 線性回歸 137
6.7.2 邏輯回歸 137
6.7.3 多項式回歸 139
6.8 降維模型 140
6.8.1 PCA算法簡介 140
6.8.2 PCA算法的原理 141
6.8.3 PCA算法的應(yīng)用實例 147
6.9 關(guān)聯(lián)分析 147
6.9.1 關(guān)聯(lián)分析的原理 148
6.9.2 Apriori算法 150
6.10 PageRank算法 153
6.10.1 PageRank算法的定義和推導(dǎo) 153
6.10.2 PageRank算法的矩陣化分析 155
6.11 馬爾可夫模型 157
6.11.1 馬爾可夫模型的原理和概念 157
6.11.2 遞推公式的改進(jìn) 159
習(xí)題 160第7章 神經(jīng)生理基礎(chǔ)和神經(jīng)網(wǎng)絡(luò) 164
7.1 腦系統(tǒng) 164
7.2 神經(jīng)系統(tǒng)和突觸傳遞 166
7.2.1 神經(jīng)系統(tǒng) 166
7.2.2 突觸傳遞 167
7.3 人工神經(jīng)網(wǎng)絡(luò) 167
7.3.1 人工神經(jīng)網(wǎng)絡(luò)的概念 167
7.3.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展 168
7.3.3 人工神經(jīng)網(wǎng)絡(luò)的特點 170
7.3.4 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 172
7.4 反向傳播算法 176
7.4.1 反向傳播算法概述 176
7.4.2 反向傳播算法的優(yōu)缺點 180
7.5 卷積神經(jīng)網(wǎng)絡(luò) 181
7.5.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 181
7.5.2 輸入層 181
7.5.3 卷積層 182
7.5.4 激活層 188
7.5.5 池化層 189
7.5.6 全連接層 191
7.5.7 二維卷積與三維卷積 191
7.5.8 反卷積 192
7.5.9 卷積神經(jīng)網(wǎng)絡(luò)凸顯共性的方法 193
7.5.10 局部卷積 194
7.5.11 卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置 196
7.5.12 卷積神經(jīng)網(wǎng)絡(luò)的泛化提升 196
7.6 常見的深度卷積神經(jīng)網(wǎng)絡(luò)模型 197
7.6.1 LeNet5模型 197
7.6.2 AlexNet模型 198
7.6.3 VGG模型 199
7.6.4 GoogleNet模型 201
7.6.5 ResNet模型 203
習(xí)題 205第8章 視覺感知與智能視覺 207
8.1 視覺感知 207
8.1.1 人眼視覺的起源 207
8.1.2 人眼的結(jié)構(gòu) 208
8.1.3 光感受器和人眼的光譜靈敏度 209
8.1.4 人眼視覺的適應(yīng)性 211
8.1.5 圖像的數(shù)字化 213
8.1.6 人眼的視覺顏色空間 216
8.2 智能視覺 218
8.2.1 基于內(nèi)容的圖像檢索 218
8.2.2 行人重識別 226
8.2.3 目標(biāo)檢測 228
8.2.4 圖像超分辨率重建 239
8.2.5 圖像分割 242
習(xí)題 245第9章 聽覺感知與智能聽覺 246
9.1 聽覺感知 246
9.1.1 聲音的特性 246
9.1.2 語音的特性 248
9.1.3 聽覺系統(tǒng) 250
9.1.4 語音編碼 255
9.1.5 空間音頻 257
9.2 智能聽覺 259
9.2.1 語音增強(qiáng)技術(shù) 260
9.2.2 近端聽音增強(qiáng) 263
習(xí)題 267第 10章 語言智能處理 268
10.1 自然語言處理的發(fā)展歷程 268
10.2 基于規(guī)則的自然語言處理 269
10.3 語言處理的統(tǒng)計模型 272
10.3.1 統(tǒng)計語言模型 273
10.3.2 隱馬爾可夫模型 274
10.3.3 *大熵模型 275
10.4 自然語言處理的深度學(xué)習(xí)模型 276
習(xí)題 281第 11章 智能機(jī)器 282
11.1 機(jī)器人 282
11.2 無人機(jī) 284
11.3 無人車 285
11.3.1 無人車的研究發(fā)展階段 285
11.3.2 無人車的組成和關(guān)鍵技術(shù) 287
11.4 類腦智能 288
11.4.1 類腦智能簡介 288
11.4.2 類腦智能的研究目標(biāo)和挑戰(zhàn) 289
11.4.3 類腦智能的發(fā)展思路和腦科學(xué)計劃 289
11.4.4 類腦智能技術(shù)的體系 290
11.5 混合智能 292
習(xí)題 294第 12章 未來人工智能的展望 295
12.1 人工智能的發(fā)展現(xiàn)狀總結(jié) 295
12.2 未來的人工智能 297
習(xí)題 304
展開全部
人工智能導(dǎo)論(微課版) 作者簡介
劉華俊: 博士，武漢大學(xué)副教授，2011年12月畢業(yè)于武漢大學(xué)計算機(jī)應(yīng)用系，主要從事人工智能、計算機(jī)視覺等方面的研究。2019年度高校計算機(jī)專業(yè)優(yōu)秀教師獎勵計劃獲獎?wù)撸珻CF計算機(jī)專業(yè)名師工作坊“計算機(jī)導(dǎo)論”課程組組長，武漢大學(xué)通識課程崗位351人才計劃珞珈青年學(xué)者。
書友推薦
- >
中國歷史的瞬間
- >
姑媽的寶刀
- >
推拿
- >
我從未如此眷戀人間
- >
巴金－再思錄
- >
月亮與六便士
- >
史學(xué)評論
- >
詩經(jīng)-先民的歌唱
本類暢銷
