人工智能基础

图书标准信息

• 作者 杨杰
• 出版社 机械工业出版社
• 出版时间 2020-05
• 版次 1
• ISBN 9787111649007
• 定价 35.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 202页
• 字数 321千字

【内容简介】

本书内容主要涉及人工智能经典及实用的关键技术，以及人工智能近年来*新发展的技术，具体包括人脑认知、经典人工智能、经典人工神经网络、优化与智能计算、统计学习方法、深度学习、强化学习、自然语言处理、智能机器人。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例；主要章后均附有习题。

   本书结合了编者多年来从事人工智能科研和教学的经验，注重内容的实用性和先进性。本书可作为普通高等院校理工科专业的“人工智能”通识课程的教材。

   （责任编辑邮箱：jinacmp@163.com）

【作者简介】

:
    杨杰，上海交通大学二级教授，1989年师从人工智能国际著名权威Bernd Neumann教授(曾担任世界智能大会主席和欧洲人工智能学会主席)，在德国汉堡大学取得人工智能方向博士学位后在国内从事20多年人工智能技术研究和应用，取得6项省部级成果奖，发表SCI检索的高水平学术论文超过200篇，授权发明专利超过50项，培养了包括国家杰出青年基金获得者在内的10多名正教授和30多名副教授。

【目录】

前言

第1章绪论

导读

1.1人工智能的定义

1.2人工智能的诞生

1.3人工智能研究的各种学派及其理论

1.4人工智能的研究及应用领域

本章小结

参考文献

第2章人脑认知

导读

2.1脑科学与脑认知

2.2脑构造与脑神经

2.3视觉和听觉感知

2.4记忆与思维认知

本章小结

习题

参考文献

第3章经典人工智能

导读

3.1知识表示方法

3.2搜索技术

3.3知识推理

3.4不确定性推理

本章小结

习题

参考文献

第4章经典人工神经网络

导读

4.1人工神经网络概述

4.2单层前向网络分类器

4.3多层前向网络

4.4单层反馈网络

本章小结

习题

参考文献

第5章优化与智能计算

导读

5.1优化的基本概念

5.2凸优化、梯度下降与随机梯度

5.3智能优化方法

本章小结

习题

参考文献

第6章统计学习方法

导读

6.1统计学习的基本概念

6.2最小二乘与压缩感知

6.3支持向量机及核方法

6.4决策树、集成学习和随机森林

6.5无监督学习

本章小结

习题

参考文献

第7章深度学习

导读

7.1深度学习概述

7.2卷积神经网络

7.3循环神经网络

7.4长短期记忆网络

7.5深度学习在图像语义分割的应用

本章小结

习题

参考文献

第8章强化学习

导读

8.1什么是强化学习

8.2强化学习基础

8.3基于模型的强化学习方法

8.4无模型的强化学习方法

8.5基于直接策略搜索的强化学习方法

8.6强化学习前沿

本章小结

习题

参考文献

第9章自然语言处理

导读

9.1自然语言处理概述

9.2自然语言处理基础

9.3文本解析

9.4文本向量化表示

9.5语言模型与预测

9.6机器翻译

本章小结

习题

参考文献

第10章智能机器人

导读

10.1智能机器人的分类

10.2智能机器人的相关技术

10.3智能机器人的现状

10.4智能机器人的广泛应用

10.5工业智能机械臂

10.6智能汽车

10.7脑控机器人

本章小结

习题

参考文献