正版 人工智能基础无
9787576322590
￥ 53.88 全新
库存90件
广东广州
认证卖家担保交易快速发货售后保障
作者刘文蓉
出版社北京理工大学出版社
ISBN9787576322590
出版时间2020-01
装帧平装
开本16开
货号788419252282
上书时间2024-05-09
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
人工智能基础
作 者 ： 无
定 价 ： 69 元
ISBN
号 ： 9787576322590
出 版 社 ： 北京理工大学出版社
出版日期 ： 2023-04-01
版 次 ： 1
印刷日期 ： 2023-04-01
印 次 ： 1
页 数 ： 281
字 数 ： 337000
装 帧 ： 平装
开 本 ： 16开
第1章 人工智能概述 1.1 人工智能的基础概念 1.1.1 人工智能的概念和定义 1.1.2 检验机器智能的标准 1.2 人工智能研究的基本内容 1.2.1 人类智能的基本特征 1.2.2 人工智能的研究内容 1.3 人工智能发展简史 1.3.1 人工智能的孕育 1.3.2 人工智能的诞生 1.3.3 早期的成就 1.3.4 以知识为中心的时代 1.3.5 神经网络短暂的复兴 1.3.6 机器学习兴起及AI的综合发展 1.3.7 深度学习与大数据时代 1.4 人工智能发展中的不同学派 1.4.1 符号主义 1.4.2 连接主义 1.4.3 行为主义 1.5 人工智能的主要研究和应用领域 1.5.1 计算机视觉 1.5.2 自然语言处理 1.5.3 逻辑推理与自动定理证明 1.5.4 计算机博弈 1.5.5 智能体与智能机器人 1.5.6 知识发现与数据挖掘 1.5.7 智能调度与指挥 1.5.8 分布式人工智能与多智能体 第2章 机器自动逻辑推理 2.1 一个简单例子：wumpus世界 2.2 逻辑表示和推理 2.3 命题逻辑 2.3.1 命题逻辑的语句 2.3.2 复合语句的真值 2.3.3 命题逻辑知识库构建 2.4 逻辑推理与证明 2.4.1 相关概念及原理 2.4.2 推理规则 2.4.3 归结原理 2.5 一阶谓词逻辑 2.5.1 谓词基本概念 2.5.2 全称和存在量词 2.5.3 消除量词 2.5.4 置换与合一 2.6 归结方法 2.6.1 归结证明 2.6.2 基于归结的问题求解 2.6.3 归结过程控制策略 第3章 知识表示与推理 3.1 相关基本概念 3.1.1 知识表示 3.1.2 基于知识的推理 3.2 产生式系统 3.2.1 产生式表示法 3.2.2 产生式系统的结构和推理过程 3.2.3 产生式表示的特点 3.3 框架系统 3.3.1 框架的基本结构 3.3.2 框架系统的推理 3.3.3 框架表示的特点 3.4 语义网络 3.4.1 语义网络的基本结构 3.4.2 语义网络中的基本语义关系 3.4.3 语义网络的知识表示 3.4.4 语义网络的推理过程 3.4.5 语义网络表示的特点 3.5 知识工程与专家系统 3.5.1 知识工程 3.5.2 专家系统 3.6 知识图谱 3.6.1 知识图谱的提出 3.6.2 知识图谱的表示 3.6.3 知识图谱的构建 3.6.4 知识图谱的应用 3.7 不确定性推理 3.7.1 不确定性概述 3.7.2 不确定性的概率表示和推理 3.8 贝叶斯网络 3.8.1 相关定理和概念 3.8.2 贝叶斯网络的概念及理论 3.8.3 贝叶斯网络推理 第4章 问题的搜索求解策略 4.1 人工智能中的搜索策略 4.2 问题的状态空间表示 4.3 盲目图搜索 4.3.1 宽度优先搜索 4.3.2 深度优先搜索 4.4 启发式图搜索 4.4.1 启发性信息和估价函数 4.4.2 A搜索算法 4.4.3 A*搜索算法 4.4.4 A*搜索算法特性的证明 4.5 与或图表示和搜索 4.5.1 问题的与或图表示 4.5.2 与或图的启发式搜索 4.6 博弈搜索 4.6.1 博弈概述 4.6.2 极小极大搜索 4.6.3 α-β剪枝 4.6.4 α-β剪枝应用实例 第5章 机器学习理论与方法
5.1 机器学习概述
5.1.1 机器学习的概念
5.1.2 机器学习的发展
5.1.3 机器学习的主要类型
5.2 基础概念与相关知识
5.2.1 模型选择与过拟合
5.2.2 分类与回归
5.2.3 训练误差与测试误差
5.2.4 相关概率知识
5.3 概率模型拟合
5.3.1 最大似然法
5.3.2 最大后验法
5.3.3 贝叶斯方法
5.4 判别模型与生成模型
5.4.1 判别模型
5.4.2 生成模型
5.5 回归问题的概率模型
5.5.1 线性回归
5.5.2 贝叶斯线性回归
5.5.3 非线性回归
5.5.4 核技巧
5.5.5 高斯过程回归
5.6 分类问题的概率模型
5.6.1 逻辑回归
5.6.2 贝叶斯逻辑回归
5.6.3 非线性逻辑回归
5.6.4 对偶逻辑回归
5.6.5 核逻辑回归
5.7 支持向量机
5.7.1 支持向量机模型
5.7.2 支持向量机的学习算法
5.7.3 非线性支持向量机
5.7.4 软间隔最大化
5.8 决策树
5.8.1 决策树模型
5.8.2 决策树学习
5.8.3 剪枝处理
第6章 仿生智能计算
6.1 进化计算
6.2 遗传算法
6.2.1 遗传算法基本原理
6.2.2 遗传算法一般流程
6.2.3 遗传算法的主要操作
6.2.4 遗传算法应用简例
6.2.5 其他改进遗传算法
6.3 人工免疫算法
6.3.1 人工免疫算法原理
6.3.2 人工免疫算法流程
6.3.3 人工免疫算法主要算子
6.3.4 人工免疫算法应用实例
6.4 群体智能
6.4.1 粒子群算法起源
6.4.2 粒子群算法原理 ......
本书在内容组织上依据上述人工智能发展脉络，分别关注不同历史时期人工智能重点解决的问题以及不同类型的机器推理和问题求解方法。除第1章对人工智能进行总体概述外，第2章至第7章的具体内容分别为机器自动逻辑推理、知识表示与推理、问题的搜索求解策略、机器学习理论与方法、仿生智能计算、神经网络与深度学习。每部分都精选一些具有代表性的基础方法和技术进行介绍，透过它们掌握和理解各类人工智能方法的基本原理和技术路线。其中部分内容虽然属于较为传统的人工智能范畴．但它们具有基础性、经典性等特征，相关思想或方法在现实中仍有应用．或后续方法发展是建立在它们基础之上。特别地，通过这些内容可以更好地了解人工智能逐步发展的过程，培养分析和解决人工智能领域问题的思维能力。本书也在第1章概述部分重点介绍和梳理了人工智能发展简史，加深读者对人工智能发展过程全貌和不同技术路线的理解，有利于后面章节具体内容的学习。
'
— 没有更多了 —
以下为对购买帮助不大的评价