人工智能导论
全新正版 极速发货
￥ 30.77 6.4折 ￥ 48 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者刘攀,黄务兰,魏忠
出版社北京大学出版社
ISBN9787301327173
出版时间2021-12
装帧平装
开本16开
定价48元
货号1202597991
上书时间2024-05-31
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘攀，上海商学院教授。近五年，主持和参与重量和省部级以上科研项目10项，主持教研课题3项；主编教材1部，字数共计30万字；公开发表论文30余篇，其中25篇被SCI或EI检索、5篇北大核心；获得国家发明2项，使用新型1项，多次带队参加各种学科竞赛荣获重量二等奖2项，三等奖8项，上海市级一等奖1项，二等奖2项，三等奖12项，很好设计奖若干。
黄务兰，上海商学院副教授。近五年，主持及参与重量、省部级、地厅级科研项目6项，承担教研课题2项；参编教材2部，字数共计18万字；公开发表论文10余篇，其中4篇CSSCI、2篇北大核心，1篇EI检索论文。
魏忠，博士，上海海事大学电子商务专业副教授、管理科学专业硕士生导师、MBA\EMBA导师、西安电子科技大学计算机学院硕士生导师、东华大学计算机学院硕士生导师。出版了5本教育专著和发表50多篇文章，曾获得上海高教成果一等奖、二等奖、三等奖。讲授《网络智能技术与应用》和《数据可视化》课程。
目录
第1章 人工智能的发展历程1
1.1 第一阶段——人工智能的孕育期3
1.1.1 亚里士多德与三段论3
1.1.2 莱布尼茨与形式逻辑符号化4
1.1.3 布尔与布尔代数5
1.1.4 图灵与图灵机6
1.1.5 麦卡洛克和皮兹与MP神经元模型8
1.1.6 冯·诺依曼与冯·诺依曼架构8
1.1.7 香农与机械鼠9
1.1.8 维纳与控制论10
1.2 第二阶段——人工智能基础技术的形成12
1.2.1 西蒙和纽厄尔与通用问题求解器12
1.2.2 罗森布拉特与感知机模型14
1.2.3 王浩与机器证明14
1.2.4 麦卡锡和明斯基与人工智能15
1.2.5 霍夫和威德罗与自适应线性单元16
1.2.6 费根鲍姆与专家系统18
1.3 第三阶段——人工智能的发展和实用化19
1.3.1 诊断系统VAX19
1.3.2 计算机配置专家系统XSEL和XCON19
1.3.3 自然语言理解系统SHRDLU19
1.3.4 符号数学专家系统MACSYMA20
1.3.5 诊断内科疾病的专家系统INTERNIST20
1.3.6 肾脏病专家咨询系统PIP20
1.3.7 诊断和治疗青光眼病的专家系统CASNET21
1.3.8 医学诊断专家系统MYCIN21
1.3.9 自然语言理解系统LUNAR21
1.3.10 逻辑编程语言22
1.3.11 多层感知机22
1.3.12 框架理论23
1.3.13 遗传算法24
1.3.14 知识工程24
1.3.15 Agent技术25
1.3.16 知识表示语言25
1.4 第四阶段——知识工程与专家系统26
1.4.1 霍普菲尔德与Hopfield神经网络模型26
1.4.2 辛顿与玻尔兹曼机29
1.4.3 麦克莱伦德和鲁梅尔哈特与反向传播算法30
1.4.4 肖汉姆与Agent程序设计31
1.4.5 瓦普尼克与支持向量机32
1.4.6 麦昆与定理证明系统33
1.4.7 当代人工智能领域的领军人物33
1.5 本章小结36
习题36
第2章 机器学习38
2.1 机器学习概述40
2.1.1 机器学习与人类学习40
2.1.2 机器学习的发展历程40
2.1.3 机器学习的步骤41
2.1.4 机器学习的典型应用42
2.1.5 机器学习的相关技术43
2.2 时间序列分析与预测44
2.2.1 时间序列的发展历程44
2.2.2 时间序列的简介45
2.2.3 时间序列的分类45
2.2.4 时间序列的水平分析46
2.2.5 时间序列的速度分析46
2.2.6 时间序列分析的主要用途47
2.3 结构方程模型48
2.3.1 结构方程模型的发展历程48
2.3.2 结构方程模型的介绍48
2.3.3 结构方程的建模过程及实例50
2.3.4 结构方程模型的应用52
2.4 因子分析法55
2.4.1 因子分析法的发展55
2.4.2 因子分析法的应用55
2.4.3 因子分析的核心问题及具体步骤56
2.4.4 案例分析56
2.5 信度与效度分析58
2.5.1 信度和效度的概念58
2.5.2 信度与效度的用途59
2.5.3 信度分析方法59
2.5.4 效度分析类型61
2.6 K-means算法62
2.6.1 K-means算法的起源62
2.6.2 K-means算法的原理62
2.6.3 K-means算法的应用64
2.7 回归分析65
2.7.1 回归分析的起源65
2.7.2 回归分析的类型66
2.7.3 回归分析的实例69
2.8 朴素贝叶斯70
2.8.1 贝叶斯公式70
2.8.2 朴素贝叶斯分类71
2.8.3 朴素贝叶斯实例71
2.9 马尔可夫过程73
2.10 数据缺失及其填补方法79
2.10.1 数据缺失的原因以及产生机制80
2.10.2 数据缺失模式80
2.10.3 数据缺失的处理方法81
2.11 混合线性模型83
2.12 统计推断87
2.12.1 统计推断的表述形式88
2.12.2 统计推断的可靠性88
2.12.3 统计抽样的方法88
2.12.4 统计假设测验89
2.13 本章小结91
习题91
第3章 计算智能93
3.1 遗传算法95
3.1.1 遗传算法的起源95
3.1.2 遗传算法的原理97
3.1.3 遗传算法的实现101
3.1.4 遗传算法的应用102
3.1.5 遗传算法拓展——分类器105
3.2 粒子群算法107
3.2.1 粒子群算法的起源107
3.2.2 粒子群算法的特点109
3.2.3 粒子群算法的原理110
3.2.4 粒子群算法的步骤111
3.2.5 粒子群算法的应用113
3.3 蚁群算法116
3.3.1 蚁群算法的起源116
3.3.2 蚁群算法的原理118
3.3.3 蚁群算法的步骤120
3.3.4 蚁群算法的应用123
3.4 人工鱼群算法127
3.4.1 人工鱼群算法的起源127
3.4.2 人工鱼群算法的基本原理127
3.4.3 人工鱼的基本行为129
3.4.4 人工鱼群算法的实现和重要参数130
3.4.5 人工鱼群算法的应用131
3.5 本章小结134
习题135
第4章 深度学习137
4.1 深度学习概述138
4.2 深度学习的核心技术141
4.2.1 神经网络142
4.2.2 长短期记忆神经网络144
4.2.3 卷积神经网络145
4.2.4 深度森林模型149
4.2.5 深度学习的数学基础151
4.3 深度学习的应用151
4.3.1 图像识别152
4.3.2 语音应用162
4.3.3 文本挖掘166
4.4 深度学习开源框架170
4.4.1 TensorFlow170
4.4.2 PaddlePaddle170
4.4.3 Keras171
4.4.4 MXNet171
4.4.5 PyTorch171
4.4.6 开源框架对比172
4.5 本章小结173
习题173
第5章 人工智能技术在各行各业的应用176
5.1 人工智能技术在搜索引擎领域的应用178
5.1.1 语音识别178
5.1.2 图像识别181
5.2 人工智能技术在制造业的应用183
5.2.1 产品设计和研发183
5.2.2 智能生产制造184
5.2.3 智能供应链185
5.3 人工智能技术在安防业的应用186
5.3.1 公安安防186
5.3.2 社区和民用安防187
5.3.3 工厂园区安防189
5.4 人工智能技术在交通业的应用189
5.4.1 智能车辆检索189
5.4.2 智能交通监控190
5.4.3 自动驾驶汽车190
5.4.4 驾驶员健康状态监测191
5.4.5 交警机器人192
5.5 人工智能技术在医疗领域的应用192
5.5.1 人工智能与影像辅助诊断192
5.5.2 人工智能与药物的研发194
5.5.3 人工智能与医用机器人195
5.6 人工智能技术在电商领域的应用196
5.6.1 个性化推荐技术196
5.6.2 生物认证技术198
5.6.3 商务智能分析199
5.7 人工智能技术在教育行业的应用201
5.7.1 自适应学习201
5.7.2 虚拟学习助手201
5.7.3 教育商业智能化202
5.8 人工智能技术在媒体业的应用204
5.8.1 新闻业的应用204
5.8.2 视频领域的应用205
5.9 本章小结207
习题208
第6章 人工智能的发展趋势和挑战210
6.1 人工智能的发展趋势及新技术的应用211
6.2 人工智能对人类未来生活的影响221
6.3 人工智能带来的挑战及可能的解决方案223
6.3.1 人工智能带来的挑战及变革223
6.3.2 可能的解决方案229
6.4 本章小结230
习题231
参考答案232
第1章 人工智能的发展历程232
第2章 机器学习232
第3章 计算智能235
第4章 深度学习236
第5章 人工智能技术在各行各业的
应用237
第6章 人工智能的发展趋势和挑战237
参考文献238
内容摘要
人工智能是计算机科学的一个分支，自诞生以来，理论和技术日益成熟，该领域的研究包括机器人、语言识别、图像识别、自然语言处理、专家系统和深度学习等。本书以浅显易懂、案例丰富的方式带领读者了解人工智能的前世今生，知晓人工智能涉及的相关技术、理论、原理和应用，包括机器学习、计算智能和深度学习，最后是该领域在各行各业的前沿应用和未来发展展望。本书定位于普通高校大学生人工智能普适性教育用书，同时可作为人工智能爱好者的科普类读物。
主编推荐
本书既适合作为高校各个专业的人工智能基础课程或者通识课的教材，又可作为广大社会人士了解人工智能的概念、理论和方法的科普性读物。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价