書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
人工智能基礎(chǔ)及應(yīng)用(微課版)

人工智能基礎(chǔ)及應(yīng)用(微課版)

出版社：清華大學(xué)出版社出版時(shí)間：2022-12-01
開本： 其他 頁數(shù)： 317
中 圖 價(jià):¥50.2(8.5折) 定價(jià)  ¥59.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

人工智能基礎(chǔ)及應(yīng)用(微課版) 版權(quán)信息

人工智能基礎(chǔ)及應(yīng)用(微課版) 本書特色

《人工智能基礎(chǔ)及應(yīng)用》是編者講授多年人工智能基礎(chǔ)及研究人工智能算法后，針對(duì)當(dāng)前的教學(xué)實(shí)際需要而編寫的！度斯ぶ悄芑A(chǔ)及應(yīng)用》具有以下幾個(gè)特色：（1）實(shí)用性，《人工智能基礎(chǔ)及應(yīng)用》緊密把握人工智能領(lǐng)域的知識(shí)發(fā)展前沿及實(shí)際應(yīng)用，詳細(xì)講解了人工智能基礎(chǔ)理論知識(shí)，使學(xué)生能夠?qū)W以致用；（2）實(shí)踐性，《人工智能基礎(chǔ)及應(yīng)用》圍繞大學(xué)生人工智能基礎(chǔ)的能力培養(yǎng)要求，以大量實(shí)際案例加深人工智能方法的理解，提升學(xué)生的創(chuàng)新實(shí)踐能力；（3）豐富性，《人工智能基礎(chǔ)及應(yīng)用》融入了編者的科研成果，利于學(xué)生掌握人工智能發(fā)展前沿，給出了微課設(shè)計(jì)，豐富了教學(xué)內(nèi)容，挖掘了課程思政，利于人才培養(yǎng)！　

人工智能基礎(chǔ)及應(yīng)用(微課版) 內(nèi)容簡(jiǎn)介

《人工智能基礎(chǔ)及應(yīng)用》是作者講授多年人工智能基礎(chǔ)及研究人工智能算法后，針對(duì)當(dāng)前的教學(xué)實(shí)際需要而編寫的。全書系統(tǒng)闡述了人工智能發(fā)展概況及前沿應(yīng)用，較詳細(xì)地介紹了知識(shí)表示、搜索和推理技術(shù)，給出了人工智能優(yōu)化方法，還介紹了神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)與機(jī)器學(xué)習(xí)相關(guān)的方法，并列舉了與人工智能算法相關(guān)的應(yīng)用案例，從而方便大學(xué)生掌握人工智能理論的應(yīng)用方法。全書內(nèi)容力求簡(jiǎn)明扼要，具體實(shí)用，并有研究實(shí)例，便于自學(xué)。同時(shí)，《人工智能基礎(chǔ)及應(yīng)用》配套數(shù)字教學(xué)資源包括微視頻、習(xí)題答案，針對(duì)教師還提供了電子課件、教學(xué)大綱等。 《人工智能基礎(chǔ)及應(yīng)用》適合作為人工智能基礎(chǔ)課程的教材，是高等院校師生掌握人工智能理論與應(yīng)用方法的速成參考書，也是學(xué)習(xí)人工智能基礎(chǔ)知識(shí)的必修教材。

人工智能基礎(chǔ)及應(yīng)用(微課版) 目錄

第1章 緒論 1

1.1 人工智能的發(fā)展史 2

1.1.1 人工智能國外發(fā)展史 2

1.1.2 人工智能國內(nèi)發(fā)展史 3

1.1.3 人工智能的三次浪潮 5

1.2 人工智能的基本概念 8

1.2.1 人工智能的定義 8

1.2.2 人工智能的內(nèi)涵與外延 9

1.3 人工智能的主流學(xué)派 11

1.3.1 符號(hào)主義學(xué)派 11

1.3.2 聯(lián)結(jié)主義學(xué)派 12

1.3.3 行為主義學(xué)派 14

1.3.4 三大學(xué)派的比較 15

1.4 人工智能的研究目標(biāo) 15

1.5 人工智能的研究領(lǐng)域 16

習(xí)題 17

第2章 知識(shí)表示 19

2.1 知識(shí)和知識(shí)表示的基本概念 20

2.2 狀態(tài)空間表示法 23

2.2.1 問題狀態(tài)描述 23

2.2.2 狀態(tài)圖示法 25

2.3 問題歸約法 26

2.3.1 問題歸約描述 26

2.3.2 與或圖表示 28

2.4 一階謂詞邏輯表示法 30

2.4.1 謂詞 31

2.4.2 謂詞公式 32

2.4.3 一階謂詞邏輯知識(shí)表示方法 37

2.5 產(chǎn)生式表示法 39

2.5.1 產(chǎn)生式 39

2.5.2 產(chǎn)生式系統(tǒng) 40

2.5.3 產(chǎn)生式系統(tǒng)的推理 41

2.5.4 產(chǎn)生式系統(tǒng)應(yīng)用舉例 43

2.6 語義網(wǎng)絡(luò)表示法 44

2.6.1 語義網(wǎng)絡(luò)的概念及結(jié)構(gòu) 45

2.6.2 語義網(wǎng)絡(luò)的基本語義聯(lián)系 46

2.6.3 語義網(wǎng)絡(luò)的知識(shí)表示方法 48

2.6.4 語義網(wǎng)絡(luò)的知識(shí)表示舉例 53

2.6.5 語義網(wǎng)絡(luò)的推理過程 54

2.7 框架表示法 55

2.7.1 框架的一般結(jié)構(gòu) 55

2.7.2 框架知識(shí)表示舉例 56

習(xí)題 58

第3章 搜索及推理技術(shù) 61

3.1 圖搜索策略 62

3.2 盲目搜索 64

3.2.1 寬度優(yōu)先搜索 64

3.2.2 等代價(jià)搜索 66

3.2.3 深度優(yōu)先搜索 68

3.3 啟發(fā)式搜索 70

3.3.1 啟發(fā)式搜索策略和估價(jià)函數(shù) 70

3.3.2 有序搜索 71

3.3.3 A*搜索算法 74

3.4 推理的基本概念 77

3.4.1 推理的定義 77

3.4.2 推理方式及其分類 77

3.4.3 沖突消解策略 80

3.5 自然演繹推理 81

3.6 歸結(jié)演繹推理 82

3.6.1 子句集及其化簡(jiǎn) 83

3.6.2 魯濱遜歸結(jié)原理 86

3.6.3 用歸結(jié)原理求解問題 89

3.7 不確定推理 91

3.8 概率推理 94

3.9 主觀貝葉斯表示方法 96

3.9.1 知識(shí)的不確定性的表示 96

3.9.2 證據(jù)的不確定性的表示 97

3.9.3 不確定性的傳遞算法 98

3.9.4 結(jié)論不確定性的合成 101

3.9.5 主觀貝葉斯方法的特點(diǎn) 103

3.10 可信度方法 103

3.10.1 基于可信度的不確定表示 103

3.10.2 可信度方法的推理算法 105

3.11 證據(jù)理論 108

3.11.1 證據(jù)理論的形式化描述 109

3.11.2 證據(jù)理論的不確定性推理

模型 114

習(xí)題 121

第4章 智能優(yōu)化計(jì)算 123

4.1 優(yōu)化問題分類 124

4.2 優(yōu)化算法分類 125

4.3 混沌優(yōu)化 126

4.3.1 基本混沌優(yōu)化算法 126

4.3.2 變尺寸混沌優(yōu)化算法 127

4.3.3 雙混沌優(yōu)化搜索算法 127

4.3.4 冪函數(shù)載波的混沌優(yōu)化

算法 128

4.3.5 并行混沌優(yōu)化算法 129

4.4 模擬退火算法 129

4.5 遺傳算法 130

4.5.1 遺傳算法的基礎(chǔ)知識(shí) 130

4.5.2 遺傳算法中的基本流程 138

4.5.3 遺傳算法的改進(jìn) 139

4.5.4 遺傳算法案例 141

4.6 蟻群算法 142

4.6.1 蟻群算法簡(jiǎn)介 143

4.6.2 基本蟻群算法的工作原理 144

4.7 粒子群優(yōu)化算法 146

4.7.1 基本粒子群優(yōu)化算法 146

4.7.2 粒子群優(yōu)化算法的拓?fù)?

結(jié)構(gòu) 150

4.8 其他優(yōu)化算法 152

習(xí)題 154

第5章 神經(jīng)網(wǎng)絡(luò) 155

5.1 神經(jīng)網(wǎng)絡(luò)概述 156

5.2 神經(jīng)網(wǎng)絡(luò)模型 157

5.2.1 生物神經(jīng)元模型 157

5.2.2 人工神經(jīng)元模型 158

5.2.3 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式 161

5.3 BP神經(jīng)網(wǎng)絡(luò) 162

5.3.1 網(wǎng)絡(luò)基本結(jié)構(gòu) 163

5.3.2 學(xué)習(xí)算法 164

5.3.3 網(wǎng)絡(luò)的改進(jìn)算法 166

5.3.4 BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 167

5.3.5 神經(jīng)網(wǎng)絡(luò)應(yīng)用示例 168

5.4 RBF神經(jīng)網(wǎng)絡(luò) 171

5.4.1 徑向基函數(shù) 172

5.4.2 徑向基函數(shù)網(wǎng)絡(luò)結(jié)構(gòu) 173

5.4.3 網(wǎng)絡(luò)學(xué)習(xí)算法 174

5.4.4 RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)的

對(duì)比 175

5.5 Hopfield神經(jīng)網(wǎng)絡(luò) 176

5.5.1 離散型Hopfield網(wǎng)絡(luò) 176

5.5.2 連續(xù)型Hopfield網(wǎng)絡(luò) 178

5.6 Elman神經(jīng)網(wǎng)絡(luò) 181

5.6.1 Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 181

5.6.2 Elman神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 182

5.7 CMAC神經(jīng)網(wǎng)絡(luò) 182

5.7.1 CMAC網(wǎng)絡(luò)結(jié)構(gòu) 182

5.7.2 網(wǎng)絡(luò)學(xué)習(xí)算法 183

5.7.3 CMAC網(wǎng)絡(luò)的特點(diǎn) 185

5.8 模糊神經(jīng)網(wǎng)絡(luò) 185

5.8.1 網(wǎng)絡(luò)結(jié)構(gòu) 186

5.8.2 學(xué)習(xí)過程 188

5.9 深度學(xué)習(xí) 189

5.9.1 常見模型 189

5.9.2 訓(xùn)練算法及優(yōu)化策略 191

習(xí)題 193

第6章 專家系統(tǒng) 195

6.1 專家系統(tǒng)概述 196

6.1.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 196

6.1.2 專家系統(tǒng)的定義、特點(diǎn)

及類型 197

6.1.3 專家系統(tǒng)的結(jié)構(gòu)和建造

步驟 200

6.2 基于規(guī)則的專家系統(tǒng) 203

6.2.1 基于規(guī)則的專家系統(tǒng)的工作

模型和結(jié)構(gòu) 203

6.2.2 基于規(guī)則的專家系統(tǒng)的

特點(diǎn) 204

6.3 基于框架的專家系統(tǒng) 206

6.3.1 基于框架的專家系統(tǒng)的定義、

結(jié)構(gòu)和設(shè)計(jì)方法 206

6.3.2 基于框架的專家系統(tǒng)的繼承、

槽和方法 208

6.4 基于模型的專家系統(tǒng) 211

6.4.1 基于模型的專家系統(tǒng)的

提出 211

6.4.2 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng) 212

6.5 新型專家系統(tǒng) 214

6.5.1 新型專家系統(tǒng)的特征 214

6.5.2 分布式專家系統(tǒng) 215

6.5.3 協(xié)同式專家系統(tǒng) 217

6.6 專家系統(tǒng)的實(shí)例 218

6.6.1 醫(yī)學(xué)專家系統(tǒng)——MYCIN 218

6.6.2 地質(zhì)勘探專家系統(tǒng)——

PROSPECTOR 224

6.7 專家系統(tǒng)的設(shè)計(jì)過程 226

習(xí)題 231

第7章 機(jī)器學(xué)習(xí) 233

7.1 概述 234

7.1.1 機(jī)器學(xué)習(xí)的定義 234

7.1.2 機(jī)器學(xué)習(xí)的發(fā)展史 235

7.1.3 機(jī)器學(xué)習(xí)方法的分類 237

7.1.4 機(jī)器學(xué)習(xí)的基本問題 239

7.2 機(jī)器學(xué)習(xí)的主要策略及基本結(jié)構(gòu) 240

7.2.1 機(jī)器學(xué)習(xí)的主要策略 240

7.2.2 機(jī)器學(xué)習(xí)的基本結(jié)構(gòu) 240

7.3 歸納學(xué)習(xí) 242

7.3.1 歸納學(xué)習(xí)的模式及規(guī)則 243

7.3.2 歸納學(xué)習(xí)方法 244

7.4 類比學(xué)習(xí) 246

7.4.1 類比學(xué)習(xí)的推理及學(xué)習(xí)

形式 246

7.4.2 類比的學(xué)習(xí)過程及分類 247

7.5 解釋學(xué)習(xí) 248

7.5.1 解釋學(xué)習(xí)的過程及算法 248

7.5.2 解釋學(xué)習(xí)案例 249

7.6 貝葉斯學(xué)習(xí) 250

7.6.1 貝葉斯法則 251

7.6.2 樸素貝葉斯方法 254

7.6.3 貝葉斯網(wǎng)絡(luò) 255

7.6.4 貝葉斯學(xué)習(xí)應(yīng)用案例 256

7.7 決策樹學(xué)習(xí) 258

7.7.1 決策樹表示法 259

7.7.2 ID3算法 260

7.7.3 決策樹學(xué)習(xí)的常見問題 262

7.7.4 決策樹學(xué)習(xí)應(yīng)用案例 265

7.8 其他學(xué)習(xí)算法 268

7.8.1 K近鄰算法 268

7.8.2 K均值算法 269

7.8.3 強(qiáng)化學(xué)習(xí) 269

習(xí)題 272

第8章 人工智能應(yīng)用案例 273

8.1 模糊技術(shù)在坐墊服務(wù)機(jī)器人中的

應(yīng)用 274

8.1.1 坐墊服務(wù)機(jī)器人 274

8.1.2 機(jī)器人的避障角度 274

8.1.3 模糊軌跡規(guī)劃 276

8.2 隨機(jī)配置網(wǎng)絡(luò)在坐墊服務(wù)機(jī)器人中的

應(yīng)用 278

8.2.1 具有系統(tǒng)偏移量的動(dòng)力學(xué)

模型 278

8.2.2 系統(tǒng)偏移量SCN辨識(shí)模型 279

8.2.3 機(jī)器人限時(shí)迭代學(xué)習(xí)跟蹤

控制 280

8.3 強(qiáng)化學(xué)習(xí)在康復(fù)訓(xùn)練機(jī)器人中的

應(yīng)用 283

8.3.1 康復(fù)訓(xùn)練機(jī)器人動(dòng)力學(xué)

模型 283

8.3.2 機(jī)器人強(qiáng)化學(xué)習(xí)運(yùn)動(dòng)速度

決策 284

8.3.3 人機(jī)運(yùn)動(dòng)速度協(xié)調(diào)跟蹤

控制 285

習(xí)題 286

第9章 人工智能的前沿 287

9.1 人工智能與智能助理 288

9.1.1 智能助理的基本邏輯 288

9.1.2 智能助理的未來 290

9.1.3 常見的幾種智能助理 290

9.2 人工智能與量子計(jì)算 292

9.2.1 量子計(jì)算的概念 293

9.2.2 量子計(jì)算與人工智能的

結(jié)合 294

9.3 人工智能與自動(dòng)駕駛 295

9.3.1 感知系統(tǒng) 297

9.3.2 決策系統(tǒng) 298

9.3.3 控制系統(tǒng) 300

9.3.4 其他關(guān)鍵技術(shù) 300

9.4 人工智能與智慧教育 302

9.4.1 人工智能變革教育的潛力 302

9.4.2 人工智能與教育的結(jié)合 303

9.5 人工智能與智能家居 305

9.5.1 國內(nèi)外智能家居的現(xiàn)狀 305

9.5.2 智能家居的主要系統(tǒng) 307

9.5.3 人工智能在智能家居中的

應(yīng)用 308

9.6 機(jī)器學(xué)習(xí)的未來 310

9.6.1 深度學(xué)習(xí)的新型網(wǎng)絡(luò)結(jié)構(gòu) 310

9.6.2 強(qiáng)化學(xué)習(xí) 311

9.6.3 3D打印 312

9.6.4 VR和AR 314

習(xí)題 317

參考文獻(xiàn) 318


展開全部

人工智能基礎(chǔ)及應(yīng)用(微課版) 作者簡(jiǎn)介

孫平,沈陽工業(yè)大學(xué)教授，博士，博士生導(dǎo)師，遼寧省高等學(xué)校優(yōu)秀人才。主要研究方向?yàn)榭祻?fù)機(jī)器人及控制、人工智能算法，主持并參與多項(xiàng)省級(jí)課題研究。在國際期刊、國內(nèi)重要期刊和國際會(huì)議上發(fā)表論文60余篇，出版專著1部，主編教材2部，授權(quán)發(fā)明專利10項(xiàng)，正在審查的發(fā)明專利12項(xiàng)。　　

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服