人工智能及其应用(第7版)
正版图书，可开发票，请放心购买。
￥ 82.6 8.3折 ￥ 99 全新
库存21件
广东广州
认证卖家担保交易快速发货售后保障
作者蔡自兴 等
出版社清华大学出版社
ISBN9787302652854
出版时间2024-01
装帧平装
开本16开
定价99元
货号1203223983
上书时间2024-07-09
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"蔡自兴，IEEE院士和IEEE终身院士（Fellow）、国际导航与运动控制科学院院士、纽约科学院院士、CAAI Fellow、AAIA Feloow、CFF Fellow、CAA Fellow，联合国专家，中南大学教授、博士生导师，湖南省自兴人工智能研究院首席科学家。首届全国高校重量教学名师奖、吴文俊人工智能科技奖成就奖、徐特立教育奖、宝钢全国优秀教师奖特等奖获得者。历任第八届湖南省政协副主席和全国政协第九届和第十届委员会委员，兼任中国人工智能学会副理事长及智能机器人专业委员会创会主任、中国自动化学会理事、中国计算机学会人工智能与模式识别专业委员会委员、IEEE计算智能学会评奖委员会委员和IEEE CIS进化计算技术委员会委员等。已在国内外编著出版专著和教材60多部（版），发表论文1000多篇，他引数万次。主持重量精品课程、重量精品资源共享课程、重量教学团队等国家教育部质量工程项目8项。是我国人工智能、智能控制、机器人学诸学科的学术带头人之一，被誉为“中国人工智能教育第一人”“中国智能机器人学科创始人”和“中国智能控制奠基者”。
刘丽珏， 中南大学自动化学院副教授，2008年获中南大学计算机应用技术博士学位。广西人工智能学会常务理事、CAAI会员、湖南省人工智能学会会员，重量精品课程“人工智能”主讲教师和重量视频公开课“人工智能PK人类智能”讲座教授及“智能科学基础系列课程”重量教学团队成员。研究兴趣为智慧医疗、人工智能和机器学习等。
陈白帆， 中南大学自动化学院副教授。2009年获中南大学计算机应用技术博士学位，2015年美国德州农工大学访问学者。湖南省人工智能学会副秘书长，IEEE会员和CAAI会员。 “智能科学系列课程” 重量教学团队成员，国家精品课程和国家精品资源共享课程《人工智能》主讲教师。研究方向为人工智能、移动机器人环境感知与定位、机器视觉等。
蔡昱峰， 高级工程师，高级经济师。湖南自兴人工智能科技集团董事长，中南大学工业电气自动化学士，香港科技大学工商管理硕士。湖南省工商联执委、湖南省人工智能学会副理事长。带领公司荣获国家高新技术企业、小巨人企业等称号及工信部人工智能与实体经济深度融合创新项目及未来医疗100强中国数字医疗榜等。研究方向为智慧医疗。
"
目录
第1章绪论
1.1人工智能的定义与发展
1.1.1人工智能的定义
1.1.2人工智能的起源与发展
1.1.3中国人工智能的发展
1.2人工智能的核心要素、学科体系和系统分类
1.2.1人工智能的核心要素
1.2.2人工智能的学科体系
1.2.3人工智能系统的分类
1.3人工智能的研究目标和内容
1.3.1人工智能的研究目标
1.3.2人工智能研究的基本内容
1.4人工智能的研究与应用领域
1.5本书概要
1.6小结
习题1
第1篇基于知识的人工智能
第2章知识表示方法
2.1状态空间表示
2.1.1问题状态描述
2.1.2状态图示法
2.2问题归约表示
2.2.1问题归约描述
2.2.2与或图表示
2.3谓词逻辑表示
2.3.1谓词演算
2.3.2谓词公式
2.3.3置换与合一
2.4语义网络表示
2.4.1二元语义网络的表示
2.4.2多元语义网络的表示
2.4.3语义网络的推理过程
2.5本体技术
2.5.1本体的概念
2.5.2本体的组成与分类
2.5.3本体的建模
2.6知识图谱
2.6.1知识图谱的定义与架构
2.6.2知识图谱的关键技术
2.6.3知识图谱的应用领域
2.7小结
习题2
第3章知识搜索与推理
3.1图搜索策略
3.2盲目搜索
3.2.1宽度优先搜索
3.2.2深度优先搜索
3.2.3等代价搜索
3.3启发式搜索
3.3.1启发式搜索策略和估价函数
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理规则
3.4.3含有变量的消解式
3.4.4消解反演求解过程
3.5规则演绎系统
3.5.1正向规则演绎系统
3.5.2逆向规则演绎系统
3.5.3双向规则演绎系统
3.6不确定性推理
3.6.1不确定性的表示与度量
3.6.2不确定性的算法
3.7概率推理
3.7.1概率的基本性质和计算公式
3.7.2概率推理方法
3.8主观贝叶斯方法
3.8.1知识不确定性的表示
3.8.2证据不确定性的表示
3.8.3主观贝叶斯方法的推理过程
3.9小结
习题3
第4章基于知识的机器学习
4.1机器学习的定义和发展历史
4.1.1机器学习的定义
4.1.2机器学习的发展史
4.2机器学习的主要策略与基本结构
4.2.1机器学习的主要策略
4.2.2机器学习系统的基本结构
4.3归纳学习
4.3.1归纳学习的模式和规则
4.3.2归纳学习方法
4.4类比学习
4.4.1类比推理和类比学习形式
4.4.2类比学习过程与研究类型
4.5解释学习
4.5.1解释学习过程和算法
4.5.2解释学习举例
4.6强化学习
4.6.1强化学习概述
4.6.2Q学习
4.7小结
习题4
第2篇基于数据的人工智能
第5章群体智能与进化计算
5.1粒群优化算法
5.1.1群体智能和粒群优化概述
5.1.2粒群优化算法
5.2蚁群算法
5.2.1蚁群算法理论
5.2.2蚁群算法的研究与应用
5.3进化算法与遗传算法
5.3.1进化算法原理
5.3.2进化算法框架
5.3.3遗传算法的编码与解码
5.3.4遗传算法的遗传算子
5.3.5遗传算法的执行过程
5.3.6遗传算法的执行实例
5.4小结
习题5
第6章数据处理和人工神经网络
6.1数据处理概述
6.1.1数据类型
6.1.2数据预处理
6.1.3特征工程
6.2人工神经网络
6.2.1人工神经网络研究的进展
6.2.2人工神经网络的基本结构
6.3神经网络学习
6.3.1基于反向传播网络的学习
6.3.2基于Hopfield网络的学习
6.4小结
习题6
第7章基于数据的机器学习
7.1线性回归
7.2决策树
7.2.1决策树的模型与学习
7.2.2特征选择
7.2.3决策树的生成算法
7.2.4决策树的剪枝
7.3支持向量机
7.3.1间隔与支持向量
7.3.2对偶问题
7.3.3软间隔与正则化
7.3.4核函数
7.4集成学习
7.4.1随机森林
7.4.2Adaboost算法
7.5聚类
7.5.1距离计算
7.5.2k均值聚类
7.5.3样例说明
7.6深度学习
7.6.1深度学习的定义与特点
7.6.2深度学习的常用模型
7.6.3深度学习的总结与展望
7.7小结
习题7
第3篇人工智能的算法与编程
第8章逻辑型人工智能编程语言
8.1逻辑型编程语言概述
8.2LISP语言
8.2.1LISP的特点和数据结构
8.2.2LISP的基本函数
8.2.3递归和迭代
8.3PROLOG语言
8.3.1PROLOG语法与数据结构
8.3.2PROLOG程序设计原理
8.4小结
习题8
第9章解释型语言和深度学习开源框架
9.1Python语言
9.1.1Python简介
9.1.2Python的基本语法
9.1.3Python第三方开源工具包
9.2深度学习框架
9.2.1深度学习框架的发展
9.2.2深度学习开源框架比较
9.2.3深度学习框架基本功能
9.3小结
习题9
第4篇人工智能的计算能力
第10章人工智能的算力及架构
10.1人工智能算力的定义、分类和评估
10.1.1人工智能算力的定义
10.1.2人工智能算力和芯片的分类
10.1.3人工智能算力的评估
10.2人工智能芯片的发展
10.2.1人工智能芯片的发展历史
10.2.2人工智能芯片的发展态势
10.3人工智能算力网络
10.3.1人工智能算力网络的定义和特征
10.3.2人工智能算力网络的基本架构和工作机制
10.3.3人工智能算力网络的关键技术
10.3.4人工智能算力网络应用示例
10.4普适人工智能算力网络
10.4.1普适人工智能算力网络的基本架构
10.4.2普适人工智能算力网络的应用示例
10.5小结
习题10
第5篇人工智能的研究与应用领域
第11章专家系统
11.1专家系统概述
11.1.1专家系统的定义与特点
11.1.2专家系统的结构和建造步骤
11.2基于规则的专家系统
11.2.1基于规则的专家系统的工作模型和结构
11.2.2基于规则的专家系统的特点
11.3基于模型的专家系统
11.3.1基于模型的专家系统的提出
11.3.2基于神经网络的专家系统
11.4基于Web的专家系统
11.4.1基于Web的专家系统的结构
11.4.2基于Web的专家系统的实例
11.5智慧医疗诊断系统
11.5.1智慧医疗诊断系统与专家系统
11.5.2智慧医疗诊断系统的一般架构和流程
11.5.3智慧医疗诊断系统示例
11.6小结
习题11
第12章智能规划
12.1智能规划概述
12.1.1规划的概念和作用
12.1.2规划的分类
12.2任务规划
12.2.1积木世界的机器人规划
12.2.2基于消解原理的规划
12.2.3分层规划
12.2.4基于专家系统的规划
12.3路径规划
12.3.1机器人路径规划的主要方法和发展趋势
12.3.2基于免疫进化和示例学习的机器人路径规划
12.3.3基于蚁群算法的机器人路径规划
12.4移动机器人导航
12.4.1移动机器人导航的主要方法
12.4.2移动机器人导航的发展趋势
12.4.3基于机器学习的机器人导航
12.5轨迹规划简介
12.6小结
习题12
第13章机器感知
13.1计算机视觉
13.1.1图像工程概述
13.1.2图像采集和处理
13.1.3图像分类
13.1.4目标检测与跟踪
13.1.5图像分割
13.1.6图像理解
13.2自然语言理解
13.2.1自然语言理解概述
13.2.2自然语言理解研究的基本方法和进展
13.2.3词法分析
13.2.4句法分析
13.2.5语义分析
13.2.6文本的自动翻译——机器翻译
13.2.7自然语言理解系统的主要模型
13.2.8自然语言理解应用实例ChatGPT
13.3语音识别
13.3.1语音识别技术的发展过程
13.3.2语音识别基本原理
13.3.3语音识别关键技术和方法
13.3.4语音识别技术展望
13.4基于深度学习的自然语言处理
13.4.1基于深度学习的语音处理技术
13.4.2基于深度学习的其他自然语言处理技术
13.4.3基于深度学习的自然语言处理示例
13.5小结
习题13
第6篇人工智能展望
第14章人工智能的效益与安全
14.1人工智能的巨大效益
14.1.1人工智能对经济、科技和文教的影响
14.1.2人工智能对社会、生态和健康的影响
14.2人工智能的安全问题
14.3小结
习题14
第15章人工智能的发展趋势
15.1快速发展的人工智能产业化
15.1.1人工智能产业化的主要领域
15.1.2人工智能产业化的现状
15.1.3人工智能产业化的发展趋势
15.2人工智能技术的深度融合
15.2.1人工智能知识和数据的深度融合
15.2.2机器学习中人工智能技术的融合
15.2.3深度强化学习中人工智能技术的融合
15.2.4深度学习与传统人工智能技术的融合
15.3小结
习题15
结束语
参考文献
索引
内容摘要
本书介绍了人工智能的基本原理及其应用，涉及人工智能概述、基于知识的人工智能、基于数据的人工智能、人工智能的算法与编程、人工智能的计算能力、人工智能发展展望及人工智能的应用等内容。全书共15章。第1章叙述人工智能的定义与发展，提出人工智能的核心要素、学科体系和系统分类，阐明人工智能的研究目标和研究内容，概括人工智能的研究与应用领域。第1篇（第2章~第4章）为基于知识的人工智能，介绍知识表示、知识搜索与推理、基于知识的机器学习。第2篇（第5章~第7章）为基于数据的人工智能，介绍群体智能与进化计算、数据处理和人工神经网络、基于数据的机器学习。第3篇（第8章~第9章)为人工智能的算法与编程，介绍逻辑型人工智能编程语言、解释型语言和深度学习开源框架。第4篇（第10章）为人工智能的计算能力，介绍人工智能的算力及架构。第5篇（第11章~第13章）为人工智能的研究与应用领域，介绍专家系统、智能规划、机器感知。第6篇（第14章~第15章）为人工智能展望，内容涉及人工智能伦理与安全及人工智能的发展趋势。书中每章均配备习题并对要点进行总结，加深读者对原理及算法的理解，为进一步深人学习人工智能打下坚实的基础。本书可作为高等院校本科生和研究生的人工智能课程教材，也可供从事人工智能研究与开发的相关人员阅读参考。
— 没有更多了 —
以下为对购买帮助不大的评价