掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥41.7
加入購(gòu)物車
人工智能基礎(chǔ) 版權(quán)信息
- ISBN：9787302676355
- 條形碼：9787302676355 ; 978-7-302-67635-5
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人工智能基礎(chǔ) 內(nèi)容簡(jiǎn)介
本書是面向智能制造相關(guān)專業(yè)的人工智能基礎(chǔ)教材，全書共分9章，構(gòu)成了基礎(chǔ)理論與典型應(yīng)用的完善體系，涵蓋了簡(jiǎn)明數(shù)學(xué)基礎(chǔ)、核心算法架構(gòu)、典型應(yīng)用案例。本書由智能制造專家與人工智能專家合作編寫，既保證了知識(shí)體系上符合人工智能領(lǐng)域的科學(xué)性，又在具體知識(shí)點(diǎn)的展開上具有顯著的智能制造領(lǐng)域應(yīng)用目標(biāo)導(dǎo)向，并配以智能制造領(lǐng)域相關(guān)典型案例。本書可作為智能制造、機(jī)械類、材料類、電氣類、電子信息科學(xué)類以及其他智能制造相關(guān)專業(yè)的本科生學(xué)習(xí)人工智能課程的教材。
人工智能基礎(chǔ) 目錄
第1章 緒論
1.1 人工智能的基本定義
1.1.1 人工智能的概念與特征
1.1.2 人工智能的學(xué)科體系
1.2 人工智能發(fā)展歷程簡(jiǎn)介
1.2.1 人工智能的主要發(fā)展階段
1.2.2 人工智能的三大學(xué)派
1.2.3 人工智能發(fā)展戰(zhàn)略規(guī)劃
1.3 人工智能的主要應(yīng)用方向
1.4 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第2章 數(shù)學(xué)基礎(chǔ)
2.1 邏輯基礎(chǔ)
2.1.1 知識(shí)表示
2.1.2 推理方法
2.2 計(jì)算基礎(chǔ)
2.2.1 計(jì)算復(fù)雜性
2.2.2 線性代數(shù)
2.2.3 微積分
2.3 概率基礎(chǔ)
2.3.1 不確定性的量化
2.3.2 概率推理基礎(chǔ)
2.4 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第3章 群智能算法
3.1 群智能算法概述
3.2 遺傳算法
3.2.1 遺傳算法的基本原理
3.2.2 遺傳算法的一般步驟
3.3 粒子群優(yōu)化算法
3.4 蟻群算法
3.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第4章 機(jī)器學(xué)習(xí)
4.1 機(jī)器學(xué)習(xí)概述
4.2 線性回歸
4.3 支持向量機(jī)
4.3.1 支持向量與間隔
4.3.2 對(duì)偶問題與核函數(shù)
4.4 決策樹
4.5 隨機(jī)森林
4.6 本章小結(jié)
習(xí)是亟
參考文獻(xiàn)
第5章 人工神經(jīng)網(wǎng)絡(luò)
5.1 人工神經(jīng)網(wǎng)絡(luò)概述
5.2 神經(jīng)元模型
5.3 多層感知機(jī)
5.3.1 多層感知機(jī)模型
5.3.2 神經(jīng)網(wǎng)絡(luò)的表達(dá)能力與近似理論
5.3.3 反向傳播算法
5.4 多層感知機(jī)的改進(jìn)
5.4.1 提高訓(xùn)練效率
5.4.2 過擬合與正則化
5.4.3 深度網(wǎng)絡(luò)訓(xùn)練
5.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第6章 卷積神經(jīng)網(wǎng)絡(luò)
6.1 卷積神經(jīng)網(wǎng)絡(luò)概述
6.2 卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
6.2.1 卷積層的工作原理
6.2.2 池化層的工作原理
6.2.3 批歸一化與卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化
6.3 卷積神經(jīng)網(wǎng)絡(luò)進(jìn)階
6.3.1 殘差網(wǎng)絡(luò)
6.3.2 Inception模塊
6.3.3 卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)
6.4 卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用
6.4.1 圖像分類
6.4.2 目標(biāo)檢測(cè)
6.4.3 圖像分割
6.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò)
7.1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述
7.2 循環(huán)神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
7.2.1 循環(huán)神經(jīng)元結(jié)構(gòu)
7.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)
7.2.3 隨時(shí)間反向傳播算法
7.2.4 梯度消失與梯度爆炸問題
7.3 長(zhǎng)短期記憶網(wǎng)絡(luò)
7.4 門控循環(huán)單元網(wǎng)絡(luò)
7.5 循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)階與應(yīng)用
7.5.1 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
7.5.2 注意力機(jī)制與循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)合
7.5.3 循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例
7.6 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第8章 生成對(duì)抗網(wǎng)絡(luò)
8.1 生成對(duì)抗網(wǎng)絡(luò)概述
8.2 生成對(duì)抗網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
8.2.1 生成器與判別器的工作原理
8.2.2 生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練過程
8.2.3 生成對(duì)抗網(wǎng)絡(luò)的收斂性
8.3 生成對(duì)抗網(wǎng)絡(luò)進(jìn)階
8.3.1 條件生成對(duì)抗網(wǎng)絡(luò)
8.3.2 信息*大化生成對(duì)抗網(wǎng)絡(luò)
8.4 生成對(duì)抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用
8.4.1 圖像生成
8.4.2 圖像編輯
8.4.3 圖像超分辨率
8.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第9章 人工智能大模型
9.1 大模型概述
9.1.1 大模型的定義與特征
9.1.2 大模型的發(fā)展歷程
9.1.3 大模型與傳統(tǒng)機(jī)器學(xué)習(xí)算法的對(duì)比
9.2 大模型的架構(gòu)與構(gòu)建流程
9.2.1 Transformer
9.2.2 大規(guī)模預(yù)訓(xùn)練模型
9.2.3 多模態(tài)大模型
9.2.4 大模型的構(gòu)建流程
9.3 大模型的應(yīng)用
9.3.1 自然語言處理領(lǐng)域中的應(yīng)用
9.3.2 計(jì)算機(jī)視覺領(lǐng)域中的應(yīng)用
9.3.3 跨領(lǐng)域應(yīng)用與遷移學(xué)習(xí)
9.4 大模型面臨的挑戰(zhàn)與未來展望
9.4.1 計(jì)算資源與能源消耗
9.4.2 大模型的可解釋性問題
9.4.3 大模型的發(fā)展方向
9.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
1.1 人工智能的基本定義
1.1.1 人工智能的概念與特征
1.1.2 人工智能的學(xué)科體系
1.2 人工智能發(fā)展歷程簡(jiǎn)介
1.2.1 人工智能的主要發(fā)展階段
1.2.2 人工智能的三大學(xué)派
1.2.3 人工智能發(fā)展戰(zhàn)略規(guī)劃
1.3 人工智能的主要應(yīng)用方向
1.4 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第2章 數(shù)學(xué)基礎(chǔ)
2.1 邏輯基礎(chǔ)
2.1.1 知識(shí)表示
2.1.2 推理方法
2.2 計(jì)算基礎(chǔ)
2.2.1 計(jì)算復(fù)雜性
2.2.2 線性代數(shù)
2.2.3 微積分
2.3 概率基礎(chǔ)
2.3.1 不確定性的量化
2.3.2 概率推理基礎(chǔ)
2.4 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第3章 群智能算法
3.1 群智能算法概述
3.2 遺傳算法
3.2.1 遺傳算法的基本原理
3.2.2 遺傳算法的一般步驟
3.3 粒子群優(yōu)化算法
3.4 蟻群算法
3.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第4章 機(jī)器學(xué)習(xí)
4.1 機(jī)器學(xué)習(xí)概述
4.2 線性回歸
4.3 支持向量機(jī)
4.3.1 支持向量與間隔
4.3.2 對(duì)偶問題與核函數(shù)
4.4 決策樹
4.5 隨機(jī)森林
4.6 本章小結(jié)
習(xí)是亟
參考文獻(xiàn)
第5章 人工神經(jīng)網(wǎng)絡(luò)
5.1 人工神經(jīng)網(wǎng)絡(luò)概述
5.2 神經(jīng)元模型
5.3 多層感知機(jī)
5.3.1 多層感知機(jī)模型
5.3.2 神經(jīng)網(wǎng)絡(luò)的表達(dá)能力與近似理論
5.3.3 反向傳播算法
5.4 多層感知機(jī)的改進(jìn)
5.4.1 提高訓(xùn)練效率
5.4.2 過擬合與正則化
5.4.3 深度網(wǎng)絡(luò)訓(xùn)練
5.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第6章 卷積神經(jīng)網(wǎng)絡(luò)
6.1 卷積神經(jīng)網(wǎng)絡(luò)概述
6.2 卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
6.2.1 卷積層的工作原理
6.2.2 池化層的工作原理
6.2.3 批歸一化與卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化
6.3 卷積神經(jīng)網(wǎng)絡(luò)進(jìn)階
6.3.1 殘差網(wǎng)絡(luò)
6.3.2 Inception模塊
6.3.3 卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)
6.4 卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用
6.4.1 圖像分類
6.4.2 目標(biāo)檢測(cè)
6.4.3 圖像分割
6.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò)
7.1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述
7.2 循環(huán)神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
7.2.1 循環(huán)神經(jīng)元結(jié)構(gòu)
7.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)
7.2.3 隨時(shí)間反向傳播算法
7.2.4 梯度消失與梯度爆炸問題
7.3 長(zhǎng)短期記憶網(wǎng)絡(luò)
7.4 門控循環(huán)單元網(wǎng)絡(luò)
7.5 循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)階與應(yīng)用
7.5.1 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
7.5.2 注意力機(jī)制與循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)合
7.5.3 循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例
7.6 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第8章 生成對(duì)抗網(wǎng)絡(luò)
8.1 生成對(duì)抗網(wǎng)絡(luò)概述
8.2 生成對(duì)抗網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
8.2.1 生成器與判別器的工作原理
8.2.2 生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練過程
8.2.3 生成對(duì)抗網(wǎng)絡(luò)的收斂性
8.3 生成對(duì)抗網(wǎng)絡(luò)進(jìn)階
8.3.1 條件生成對(duì)抗網(wǎng)絡(luò)
8.3.2 信息*大化生成對(duì)抗網(wǎng)絡(luò)
8.4 生成對(duì)抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用
8.4.1 圖像生成
8.4.2 圖像編輯
8.4.3 圖像超分辨率
8.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
第9章 人工智能大模型
9.1 大模型概述
9.1.1 大模型的定義與特征
9.1.2 大模型的發(fā)展歷程
9.1.3 大模型與傳統(tǒng)機(jī)器學(xué)習(xí)算法的對(duì)比
9.2 大模型的架構(gòu)與構(gòu)建流程
9.2.1 Transformer
9.2.2 大規(guī)模預(yù)訓(xùn)練模型
9.2.3 多模態(tài)大模型
9.2.4 大模型的構(gòu)建流程
9.3 大模型的應(yīng)用
9.3.1 自然語言處理領(lǐng)域中的應(yīng)用
9.3.2 計(jì)算機(jī)視覺領(lǐng)域中的應(yīng)用
9.3.3 跨領(lǐng)域應(yīng)用與遷移學(xué)習(xí)
9.4 大模型面臨的挑戰(zhàn)與未來展望
9.4.1 計(jì)算資源與能源消耗
9.4.2 大模型的可解釋性問題
9.4.3 大模型的發(fā)展方向
9.5 本章小結(jié)
習(xí)題
參考文獻(xiàn)
展開全部
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
苦雨齋序跋文-周作人自編集
- >
有舍有得是人生
- >
唐代進(jìn)士錄
- >
姑媽的寶刀
- >
莉莉和章魚
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
【精裝繪本】畫給孩子的中國(guó)神話
本類暢銷
