人工智能导论
全新正版 极速发货
￥ 17.91 5.6折 ￥ 32 全新
库存10件
广东广州
认证卖家担保交易快速发货售后保障
作者刘刚
出版社北京邮电大学出版社
ISBN9787563561131
出版时间2020-08
装帧平装
开本16开
定价32元
货号1202119533
上书时间2024-09-04
商品详情
- 品相描述：全新
- 商品描述
-
内容摘要
以下信息以网上匹配仅供参考，不支持以此为由退款内容简介:理论和实践的紧密结合是人工智能领域的显著特点。为了降低初学者的学习门槛，引导初学者了解人工智能的基本概念，并以实际应用促进感性认知，我们编写了本书。本书共7章。第1章介绍人工智能的发展、概念以及典型应用;第2章介绍知识表示方法和搜索技术;第3章介绍Python编程的基本知识，作为后续内容的程序设计基础;第4章和第5章介绍分类与聚类以及回归等方法；第6章介绍神经网络的原理和方法；第7章简要介绍最热门的深度学习技术。第4～6章在原理讲解的同时，给出了程序示例，以增强感性认识，并引导初学者在实践中理解理论和方法。本书可以作为人工智能、大数据及相关专业本科生的基础导论课程教材，也可以作为其他学科研究人员学习人工智能技术的参考书。目录:第1章绪论11.1人工智能的历史及概念11.1.1人工智能的起源与历史11.1.2人工智能的概念31.1.3人工智能的特征41.2人工智能关键技术61.2.1机器学习61.2.2知识图谱81.2.3自然语言处理91.2.4人机交互101.2.5计算机视觉121.2.6生物特征识别131.2.7虚拟现实/增强现实151.3人工智能产业现状及趋势161.3.1智能基础设施171.3.2智能信息及数据181.3.3智能技术服务181.3.4人工智能行业应用181.3.5人工智能产业发展趋势211.4安全、伦理、隐私问题211.4.1人工智能的安全问题221.4.2人工智能的伦理问题231.4.3人工智能的隐私问题241.5人工智能专业课程体系241.6本章小结26习题26第2章知识表示方法及搜索方法272.1知识表示方法272.1.1状态空间法272.1.2问题归约法292.1.3与或图表示法312.1.4谓词逻辑法332.1.5语义网络法362.1.6其他方法382.2搜索技术432.2.1图搜索策略432.2.2盲目搜索442.2.3启发式搜索472.2.4A乘惴502.3本章小结52习题52目录人工智能导论第3章Python编程简介533.1IPython及其使用533.1.1IPython控制台533.1.2语句与表达式543.1.3错误信息583.1.4模块593.2数据结构593.2.1对象和方法603.2.2列表603.2.3数组623.3程序控制683.3.1分支结构683.3.2循环结构713.4脚本733.4.1脚本设计733.4.2脚本执行743.5输入、输出与可视化753.5.1输入与输出753.5.2数据可视化783.6本章小结81习题82第4章分类与聚类834.1K最近邻算法834.1.1算法概述834.1.2基本思想844.1.3算法实践844.2朴素贝叶斯864.2.1算法概述864.2.2基本思想864.2.3算法实践874.3决策树904.3.1算法概述914.3.2基本思想914.3.3构造方法914.3.4算法实践924.4随机森林944.4.1算法概述944.4.2基本思想944.4.3算法实践944.5K均值聚类算法964.5.1算法概述974.5.2算法实践974.6本章小结98习题98第5章回归995.1一元线性回归995.1.1线性关系995.1.2一元线性回归1015.2多元线性回归1065.3梯度下降法1085.3.1梯度下降法的原理1085.3.2基于梯度下降法的多元线性回归1105.4Logistic回归1115.4.1Logistic回归模型1115.4.2Logistic回归应用1135.5本章小结117习题117第6章人工神经网络1196.1感知机1196.1.1感知机模型1196.1.2感知机学习策略1206.1.3应用感知机进行分类1246.1.4感知机的局限性1276.2多层感知机1276.2.1多层感知机模型1276.2.2多层感知机的训练――BP算法1296.3多层感知机的应用1316.3.1多层感知机逼近XOR问题1316.3.2多层感知机识别手写数字1356.4其他神经网络1406.4.1递归神经网络1406.4.2霍普菲尔德网络1416.4.3玻尔兹曼机1436.4.4自组织映射1446.5本章小结144习题145第7章深度学习1467.1深度学习的历史和定义1467.1.1深度学习的历史1467.1.2深度学习的定义1487.2深度学习模型1497.2.1深度信念网络1497.2.2卷积神经网络1517.2.3长短时记忆1537.2.4对抗生成网络1557.3深度学习主要开发框架1567.3.1Tensorflow1567.3.2PyTorch与Caffe21577.3.3飞桨1587.3.4Keras1597.4深度学习的应用1607.4.1计算机视觉1607.4.2语音与自然语言处理1607.4.3推荐系统1607.4.4自动驾驶1617.4.5风格迁移1617.5深度学习的展望1627.6本章小结163习题164参考文献165
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价