人工智能导论 大中专理科计算机 作者
新华书店全新正版书籍 支持7天无理由
￥ 33.6 5.8折 ￥ 58 全新
仅1件
北京丰台
认证卖家担保交易快速发货售后保障
作者作者
出版社化学工业出版社
ISBN9787122438300
出版时间2023-10
版次1
装帧平装
开本16
页数240页
字数360千字
定价58元
货号732_9787122438300
上书时间2024-05-19
- 在售商品 暂无
- 平均发货时间 28小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
引言篇 人工智能的定义 001
章 绪论 2
1.1 什么是人工智能 2
1.1.1 人工智能的起源及定义 3
1.1.2 人工智能的三个发展阶段 4
1.2 人工智能的三个主要研究方法 6
1.2.1 基于符号主义的人工智能研究方法 7
1.2.2 基于连接主义的人工智能研究方法 7
1.2.3 基于行为主义的人工智能研究方法 8
1.3 人工智能的行业发展现状 9
1.3.1 世界各国人工智能发展支持政策 9
1.3.2 人工智能产业结构 12
1.3.3 人工智能行业应用 14
1.4 人工智能的三个经典应用 17
1.4.1 自然语言理解 18
1.4.2 智能眼科医学图像处理 19
1.4.3 智能棋类 21
本章小结 23
题 24
本章参文献 24
理论篇 人工智能基础理论与算法 025
第2章 人工智能之理论基础 26
2.1 人工智能的数学基础 27
2.1.1 线代数 27
2.1.2 人工智能数学基础之概率论 30
2.1.3 人工智能数学基础之微积分 32
2.2 人工智能的很优化与信息论基础 33
2.2.1 很优化理论 33
2.2.2 信息论 34
2.3 人工智能的生物学基础 36
2.3.1 生物神经元 36
2.3.2 人脑视觉与信息机理机制 37
2.3.3 人工神经元 39
2.4 人工智能的控制论基础 42
2.4.1 动态系统 43
2.4.2 人工智能之反馈控制与很优控制 44
2.4.3 控制论与强化学 46
本章小结 47
题 47
本章参文献 47
第3章 人工智能之机器学 48
3.1 机器学概述 48
3.2 监督学 49
3.2.1 经典算法1：线回归 50
3.2.2 经典算法2：逻辑回归 53
3.2.3 经典算法3：感知机 56
3.2.4 经典算法4：支持向量机 58
3.2.5 经典算法5：决策树 64
3.2.6 经典算法6：集成学 68
3.3 无监督学 69
3.3.1 经典算法1：k-均值算法 70
3.3.2 经典算法2：主成分分析 73
3.4 弱监督学 76
3.4.1 主动学 77
3.4.2 半监督学 78
3.4.3 迁移学 80
3.4.4 多示例学 81
本章小结 82
题 82
本章参文献 82
第4章 人工智能之深度学 83
4.1 深度学概述 84
4.1.1 前向神经网络模型 84
4.1.2 生成模型 86
4.1.3 序列模型 86
4.2 人工神经网络 87
4.2.1 概述 87
4.2.2 激活函数 91
4.2.3 损失函数 95
4.3 神经网络参数优化与学 100
4.3.1 梯度下降 101
4.3.2 反向传播算法 102
4.4 经典神经网络 107
4.4.1 经典神经网络1：卷积神经网络 107
4.4.2 经典神经网络2：循环神经网络 117
4.4.3 经典神经网络3：生成对抗网络 124
4.4.4 经典神经网络4：注意力机制网络 128
4.5 深度学前沿 134
4.5.1 自监督学 134
4.5.2 可解释深度学 135
4.5.3 对抗攻击与御 135
4.5.4 超大规模模型 136
本章小结 137
题 138
本章参文献 139
第5章 人工智能之强化学 140
5.1 强化学概述 141
5.2 强化学之马尔可夫决策过程 142
5.2.1 马尔可夫过程 142
5.2.2 马尔可夫奖励过程 142
5.2.3 马尔可夫决策过程 143
5.3 强化学中的目标函数 144
5.3.1 值函数 144
5.3.2 贝尔曼方程 144
5.4 强化学算法 145
5.4.1 动态规划 146
5.4.2 蒙特卡罗法 148
5.4.3 时序差分法 151
5.4.4 深度q 网络 154
5.4.5 连续动作空间深度强化学简单示例 157
本章小结 159
题 159
本章参文献 159
应用篇 人工智能开发台及应用 161
第6章 人工智能开发台 162
6.1 python 语言简介 162
6.1.1 python 常用数据结构 163
6.1.2 函数 164
6.1.3 类 165
6.2 机器学台 165
6.2.1 numpy 166
6.2.2 pandas 166
6.2.3 scikit-learn 167
6.2.4 scipy 168
6.2.5 应用实战 168
6.3 深度学开发框架 172
6.3.1 述 172
6.3.2 tensorflow 172
6.3.3 pytorch 174
6.3.4 飞桨（paddlepaddle） 176
6.3.5 应用实战 177
本章小结 182
题 182
本章参文献 184
第7章 人工智能应用及展望 185
7.1 人工智能与自然语言处理 186
7.1.1 自然语言处理的基本概念 186
7.1.2 自然语言处理的发展历史 187
7.1.3 自然语言处理的研究方向 188
7.2 人工智能与图像处理 196
7.2.1 图像增强 197
7.2.2 图像复原 199
7.2.3 图像编码 201
7.2.4 图像分割 204
7.2.5 图像识别与分类 205
7.3 人工智能与机器人 207
7.3.1 机器人概念 207
7.3.2 根据机器人发展阶段分类 208
7.3.3 根据应用环境分类 209
7.4 人工智能与理解 210
7.4.1 动作识别 211
7.4.2 时序动作定位 215
7.4.3 向量化 217
7.5 人工智能与元宇宙 219
7.5.1 元宇宙的基本概念 219
7.5.2 元宇宙中基础技术 221
7.6 人工智能未来展望 223
7.6.1 研究热点预测 223
7.6.2 人工智能伦理与治理 226
本章小结 228
题 228
本章参文献 228
后记 229
内容简介：
本书主要为高等院校非计算机专业的人工智能导论课程设计编写，内容具有“应用”“理论”的特。针对高校的需求和人工智能发展的特点，本书分为引言篇、理论篇和应用篇三部分，可基于学需求和进度，自主选择。引言篇包括绪论；理论篇包括人工智能之理论基础、人工智能之机器学、人工智能之深度学、人工智能之强化学；应用篇包括人工智能开发台和人工智能应用及展望。
本书可用于普通高等学校各专业人工智能导论、医学人工智能导论等相关课程的，也可供对人工智能感兴趣的科研人员参。
作者简介：
无
— 没有更多了 —
以下为对购买帮助不大的评价