搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
艾博士(深入浅出人工智能)
0.00     定价 ¥ 89.80
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购24本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787302646969
  • 作      者:
    编者:马少平|责编:白立军
  • 出 版 社 :
    清华大学出版社
  • 出版日期:
    2023-10-01
收藏
畅销推荐
内容介绍
本书是一本针对初学者介绍人工智能基础知识的书籍。本书采用通俗易懂的语言讲解人工智能的基本概念、发展历程和主要方法,内容涵盖人工智能的核心方法,包括什么是人工智能、神经网络(深度学习)是如何实现的、计算机是如何学会下棋的、计算机是如何找到最优路径的、如何用随机算法求解组合优化问题、统计机器学习方法是如何实现分类与聚类的、专家系统是如何实现的等,每种方法都配有例题并给出详细的求解过程,以帮助读者理解和掌握算法实质,提高读者解决实际问题的能力, 此外,本书可以帮助人工智能的开发人员理解各种算法背后的基本原理。书中的讲解方法和示例,有助于相关课程的教师讲解相关概念和算法 总之,这是一本实用性强、通俗易懂的人工智能入门教材,适合不同背景的读者学习和使用。
展开
目录
第0篇 什么是人工智能
0.1 人工智能的诞生
0.2 人工智能的4个发展时代
0.2.1 初期时代
0.2.2 知识时代
0.2.3 特征时代
0.2.4 数据时代
0.3 什么是人工智能
0.4 图灵测试与中文屋子问题
0.4.1 图灵测试
0.4.2 中文屋子问题
0.5 第三代人工智能
0.6 总结
第1篇 神经网络是如何实现的
1.1 从数字识别谈起
1.2 神经元与神经网络
1.3 神经网络是如何训练的
1.4 卷积神经网络
1.5 梯度消失问题
1.6 过拟合问题
1.7 词向量
1.7.1 词的向量表示
1.7.2 神经网络语言模型
1.7.3 word2vec模型
1.7.4 词向量应用举例
1.8 循环神经网络
1.9 长短期记忆网络
1.10 深度学习框架
1.11 总结
第2篇 计算机是如何学会下棋的
2.1 能穷举吗?
2.2 极小-极大模型
2.3 α-β剪枝算法
2.4 蒙特卡洛树搜索
2.5 AlphaGo是如何下棋的
2.6 围棋中的深度强化学习方法
2.6.1 基于策略梯度的强化学习
2.6.2 基于价值评估的强化学习
2.6.3 基于演员-评价方法的强化学习
2.7 AlphaGo Zero是如何自学成才的
2.8 总结
第3篇 计算机是如何找到最优路径的
3.1 路径搜索问题
3.2 宽度优先搜索算法
3.3 迪杰斯特拉算法
3.4 启发式搜索
3.4.1 A算法
3.4.2 A算法
3.4.3 定义h函数的一般原则
3.4.4 h函数的评价
3.4.5 A算法存在的不足
3.4.6 单调的h函数
3.4.7 改进的A算法
3.5 深度优先搜索算法
3.6 迭代加深式搜索算法
3.6.1 迭代加深式宽度优先搜索算法
3.6.2 迭代加深式A算法
3.7 动态规划与Viterbi算法
3.8 拼音输入法问题
3.9 总结
第4篇 如何用随机算法求解组合优化问题
4.1 组合优化问题
4.2 局部搜索算法
4.3 局部搜索算法存在的问题
4.4 退火过程及分析
4.4.1 退火现象
4.4.2 退火过程分析
4.5 模拟退火算法
4.6 模拟退火算法的参数选择
4.6.1 起始温度t0的选取
4.6.2 温度的下降方法
4.6.3 每一温度下的停止准则
4.6.4 算法的终止原则
4.7 模拟退火算法应用举例
4.8 遗传算法
4.9 遗传算法应用举例
4.10 遗传算法的实现问题
4.10.1 编码问题
4.10.2 二进制编码的交叉操作规则
4.10.3 整数编码的交叉操作规则
4.10.4 变异规则
4.10.5 适应函数
4.10.6 遗传算法的停止准则
4.11 用遗传算法求解旅行商问题
4.12 性能评价问题
4.13 模拟退火算法与遗传算法的对比
4.14 总结
第5篇 统计机器学习方法是如何实现分类与聚类的
5.1 统计学习方法
5.2 朴素贝叶斯方法
5.3 决策树
5.3.1 决策树算法——ID3算法
5.3.2决策树 算法
5.3.3 过拟合问题与剪枝
5.3.4 随机森林算法
5.4 k近邻方法
5.5 支持向量机
5.5.1 什么是支持向量机
5.5.2 线性可分支持向量机
5.5.3 线性支持向量机
5.5.4 非线性支持向量机
5.5.5 核函数与核方法
5.5.6 支持向量机用于多分类问题
5.6 k均值聚类算法
5.7 层次聚类算法
5.8 DBSCAN聚类算法
5.9 验证与测试问题
5.10 特征抽取问题
5.11 总结
第6篇 专家系统是如何实现的
6.1 什么是专家系统
6.2 推理方法
6.3 一个简单的专家系统
6.4 非确定性推理
6.4.1 事实的表示
6.4.2 规则的表示
6.4.3 逻辑运算
6.4.4 规则运算
6.4.5 规则合成
6.4.6 置信度方法的理论根据
6.5 黑板模型
6.6 知识的结构化表示
6.6.1 语义网络
6.6.2 框架
6.7 专家系统工具
6.8 专家系统的应用
6.9 专家系统的局限性
6.10 总结
附录A BP算法
A.1 求导数的链式法则
A.2 符号约定
A.3 对于输出层的神经元
A.4 对于隐含层的神经元
A.5 BP算法——随机梯度下降版
附录B 序列最小最优化(SMO)算法
B.1 SMO算法的基本思想
B.2 SMO算法的详细计算过程
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证