掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
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)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
人工智能原理及應用(張超) 版權信息
- ISBN：9787122460080
- 條形碼：9787122460080 ; 978-7-122-46008-0
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能原理及應用(張超) 內容簡介
本書是一本介紹人工智能的入門級教材，系統地論述了人工智能的概念、原理與應用，主要內容包括緒論（第1章）、知識表示與推理技術（第2章）、機器學習算法（第3～7章）、計算智能理論（第8～11章）、專家系統（第12章）等板塊。本書不但介紹了人工智能的基本原理，還結合各個研究方向的前沿成果對各種智能算法和應用技術進行詳細闡述，力求清晰地呈現人工智能的經典理論與實用方法。各章采用思維導圖、學習目標和案例引入的方式進行引導，注重基礎理論的講解，對各種人工智能算法均配以公式推導和計算流程圖，并通過淺顯易懂的實例來演示智能算法的具體應用，各章末尾小結部分進行知識點總結，以幫助讀者更好地理解和掌握各章所涉及的基本理論和基礎知識。 本書是高等院校本科生和研究生學習人工智能的教材，也可供從事人工智能研究與開發的技術人員參考。
人工智能原理及應用(張超) 目錄
第1章 緒論 1
1.1 人工智能的基本概念 3
1.1.1 智能 3
1.1.2 智能機器 4
1.1.3 人工智能 4
1.2 人類智能與人工智能的關系 5
1.2.1 人工智能模擬人類的認知過程 5
1.2.2 人類思維與機器思維的差異 6
1.3 人工智能的發展概況 7
1.3.1 人工智能的起源 7
1.3.2 人工智能的發展階段 8
1.4 人工智能的主要學派與技術路線 10
1.4.1 傳統學派 10
1.4.2 現代學派 13
1.4.3 人工智能的技術路線 14
1.5 人工智能的主要研究領域 15
1.5.1 博弈 15
1.5.2 自動定理證明 16
1.5.3 專家系統 17
1.5.4 模式識別 18
1.5.5 自然語言處理 18
1.5.6 機器學習 19
1.5.7 機器視覺 20
1.5.8 機器人 20
1.5.9 計算智能 21
1.6 人機關系與工程倫理 22
1.6.1 人工智能對經濟的影響 22
1.6.2 人工智能對人類社會的影響 22
1.6.3 人工智能對認知方式的影響 23
1.6.4 人工智能對文化生活的影響 23
1.6.5 人工智能的技術風險 24
1.7 人工智能的未來展望 25
1.7.1 理論突破 25
1.7.2 技術集成 25
1.7.3 應用領域拓展 26
本章小結 27
習題 27第2章 知識表示與推理技術 28
2.1 概述 29
2.1.1 知識表示的基本概念 30
2.1.2 人工智能系統的知識類型 31
2.1.3 知識表示方法的類型 31
2.2 狀態空間法 32
2.2.1 狀態空間法的要素 32
2.2.2 狀態圖 33
2.2.3 產生式系統 34
2.2.4 狀態空間法的應用實例 35
2.3 問題歸約法 38
2.3.1 問題歸約的過程 38
2.3.2 問題歸約的與或圖表示 40
2.3.3 問題歸約的機理 42
2.4 謂詞邏輯法 43
2.4.1 命題邏輯 43
2.4.2 謂詞演算 43
2.4.3 謂詞公式 46
2.4.4 置換與合一 49
2.5 語義網絡法 50
2.5.1 語義網絡的構成 50
2.5.2 二元語義網絡的表示 51
2.5.3 多元語義網絡的表示 52
2.5.4 語義網絡中連詞的表示 52
2.5.5 語義網絡中量詞的表示 55
2.5.6 語義網絡的推理 56
2.5.7 語義網絡法求解問題的過程 59
2.6 框架表示法 60
2.6.1 框架的構成 60
2.6.2 框架系統 61
2.6.3 框架推理 63
2.7 過程式知識表示 65
2.7.1 過程式知識表示的相關概念 65
2.7.2 過程式知識表示舉例 65
2.7.3 過程式推理 67
本章小結 68
習題 69第3章 線性模型 70
3.1 線性模型的基本形式 71
3.2 線性回歸 72
3.2.1 一元線性回歸 72
3.2.2 多元線性回歸 74
3.3 對數幾率回歸 76
3.3.1 對數幾率回歸模型 76
3.3.2 *優回歸系數的確定 78
3.4 線性分類算法 81
3.4.1 線性判別分析 81
3.4.2 感知機 84
本章小結 87
習題 88第4章 決策樹 89
4.1 基本流程 91
4.2 特征選擇 92
4.2.1 信息熵 92
4.2.2 信息增益 93
4.2.3 信息增益率 95
4.3 決策樹生成 96
4.3.1 ID3算法 97
4.3.2 C4.5算法 98
4.4 決策樹剪枝 100
4.5 多變量決策樹 101
本章小結 102
習題 102第5章 貝葉斯分類 103
5.1 貝葉斯決策理論 104
5.2 極大似然估計 105
5.3 樸素貝葉斯分類 106
5.4 貝葉斯網絡 109
5.4.1 網絡的結構 109
5.4.2 學習與推理 112
本章小結 113
習題 114第6章 支持向量機 115
6.1 支持向量機的原理 116
6.2 對偶問題 119
6.3 核函數 121
6.3.1 核函數的定義 121
6.3.2 常用核函數 123
6.3.3 非線性支持向量機 124
6.4 正則化 124
6.5 支持向量回歸 126
本章小結 128
習題 128第7章 聚類算法 129
7.1 概述 130
7.2 性能度量 131
7.3 距離計算 133
7.4 K均值聚類 135
7.5 基于密度的聚類算法 138
7.6 層次聚類算法 142
本章小結 146
習題 146第8章 神經計算 147
8.1 人工神經網絡的發展概況 148
8.2 神經元與神經網絡 150
8.2.1 生物神經元與神經網絡 150
8.2.2 人工神經元與神經網絡 151
8.3 人工神經網絡的典型結構 153
8.3.1 感知機 153
8.3.2 前饋型網絡 155
8.3.3 反饋型網絡 156
8.4 人工神經網絡的學習方法與規則 158
8.4.1 人工神經網絡的學習方法 158
8.4.2 人工神經網絡的學習規則 161
8.5 BP神經網絡 162
8.5.1 BP算法的流程 162
8.5.2 誤差反向傳播的計算過程 163
8.5.3 BP神經網絡的計算實例 167
8.6 其他常見神經網絡 169
8.6.1 RBF神經網絡 169
8.6.2 ART神經網絡 170
8.6.3 SOM神經網絡 171
8.6.4 級聯相關神經網絡 171
8.6.5 玻爾茲曼機 172
8.7 人工神經網絡的應用 173
8.7.1 模式識別 173
8.7.2 計算和優化 174
8.7.3 建模和預測 174
8.7.4 智能控制與處理 175
8.7.5 深度學習 175
本章小結 176
習題 177第9章 智能優化算法 178
9.1 概述 180
9.2 遺傳算法 180
9.2.1 遺傳算法的起源 180
9.2.2 遺傳算法的技術原理 181
9.2.3 遺傳算法案例 184
9.3 粒子群優化算法 186
9.3.1 粒子群優化算法的起源 186
9.3.2 粒子群優化算法的技術原理 186
9.3.3 粒子群優化算法的分類 188
9.3.4 粒子群優化算法案例 190
9.4 蟻群算法 191
9.4.1 蟻群算法的原理 191
9.4.2 蟻群算法的分類 192
9.4.3 蟻群算法案例 194
本章小結 195
習題 196第10章 模糊計算 197
10.1 模糊理論 198
10.1.1 模糊性 198
10.1.2 模糊數學 199
10.1.3 模糊邏輯 199
10.1.4 模糊理論的發展概況 200
10.2 模糊集合 200
10.2.1 模糊集合概述 200
10.2.2 模糊集合的運算：并、交、補 203
10.2.3 模糊集合的運算定律 204
10.3 模糊關系與模糊矩陣 205
10.3.1 模糊關系 205
10.3.2 模糊矩陣概述 205
10.3.3 模糊矩陣的運算 207
10.3.4 模糊矩陣的合成 207
10.4 模糊邏輯推理 208
10.4.1 模糊規則 209
10.4.2 模糊三段論 211
10.5 模糊系統 212
10.5.1 模糊系統的構成 212
10.5.2 模糊系統實例 212
10.5.3 模糊系統的應用 214
本章小結 216
習題 216第11章 經典優化算法 217
11.1 概述 218
11.2 單點搜索算法 219
11.2.1 單點搜索算法概述 219
11.2.2 單點搜索算法的分類 220
11.2.3 單點搜索算法的優缺點 220
11.2.4 單點搜索算法展望 221
11.3 模擬退火算法 221
11.3.1 模擬退火算法概述 221
11.3.2 模擬退火算法流程 223
11.3.3 模擬退火算法案例 224
11.3.4 模擬退火算法展望 225
11.4 禁忌搜索算法 226
11.4.1 禁忌搜索算法概述 226
11.4.2 禁忌搜索算法的構成要素 226
11.4.3 禁忌搜索算法的基本思想和流程 228
11.4.4 禁忌搜索算法案例 229
11.4.5 禁忌搜索算法展望 230
本章小結 231
習題 231第12章 專家系統 233
12.1 專家系統概述 234
12.1.1 專家系統的概念與發展簡況 234
12.1.2 專家系統的特點 235
12.1.3 專家系統的結構 235
12.1.4 專家系統的類型 236
12.2 基于規則的專家系統 238
12.2.1 基于規則的專家系統的基本結構 238
12.2.2 基于規則的專家系統的特點 239
12.2.3 基于規則的專家系統實例 239
12.3 基于框架的專家系統 240
12.3.1 基于框架的專家系統的定義 240
12.3.2 基于框架的專家系統的特點 240
12.3.3 基于框架的專家系統實例 241
12.4 基于模型的專家系統 241
12.4.1 基于模型的專家系統的定義 241
12.4.2 基于模型的專家系統的特點 242
12.4.3 基于模型的專家系統實例 242
12.5 專家系統的設計與開發 243
12.5.1 專家系統的設計步驟 243
12.5.2 專家系統開發工具 244
本章小結 246
習題 246參考文獻 247
展開全部
人工智能原理及應用(張超) 作者簡介
張超，華北電力大學機械工程系機械電子教研室副主任，副教授，主要從事大型旋轉機械設備狀態監測與故障診斷方面的教學與科研工作。作為主要研究人員參與了“風火打捆下汽輪發電機組軸系振動機理及機電耦合故障診斷方法研究”“機-網耦合作用下風力發電機傳動系統故障機理與診斷方法研究”“發電機三維氣隙偏心與定轉子繞組短路耦合故障的機電交叉特性分析及其診斷方法研究”“發電機內部復合故障時機組軸系振動機理與故障診斷研究”“電網沖擊下超(超)臨界汽輪發電機組軸系-葉片彎扭耦合振動特性的研究”等多項國家自然科學基金面上項目的研究，主研和參與了多項設備故障診斷的橫向項目研究與開發，主要包括遼寧東方發電有限公司“汽輪發電機組振動遠程故障診斷系統”，山東聊城魯能熱電有限公司“振動信號測試采集分析系統”，河北省電力勘探設計研究院“西柏坡電廠#5機勵磁間振動故障診斷”，呼和浩特市博泵銷售有限公司“旋轉機械振動信號測試采集與分析系統”，大唐（通遼）霍林河新能源有限公司“風電機組振動監測與分析系統”，東北電網有限公司齊齊哈爾超高壓局“齊齊哈爾超高壓局500kV管母線振動、撓度在線監測裝置科研項目”；主研的“風力發電機主軸剎車片摩擦性能試驗系統”科研項目通過2013年省級鑒定，鑒定結果為國際先進，并獲得2015年度河北省科技進步三等獎。公開發表學術論文20余篇，其中以一作身份發表SCI收錄論文1篇，EI收錄論文6篇。參編出版教材1部；多次指導大學生參加“挑戰杯”“大學生創新創業項目”等，獲得省級二等獎1項；獲得發明專利授權1項，實用新型專利授權4項，軟件著作權4項。
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
史學評論
- >
推拿
- >
姑媽的寶刀
- >
莉莉和章魚
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
伯納黛特,你要去哪(2021新版)
- >
詩經-先民的歌唱
本類暢銷
