書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊

艾博士:深入淺出人工智能

作者：馬少平
出版社：清華大學(xué)出版社出版時間：2023-10-01
開本： 其他 頁數(shù)： 472
中 圖 價:¥67.4(7.5折) 定價  ¥89.8 登錄后可看到會員價
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>

艾博士:深入淺出人工智能 版權(quán)信息

艾博士:深入淺出人工智能 本書特色

l 本書設(shè)計了博學(xué)的艾博士和好學(xué)的小明兩個人物，以師徒二人對話的方式，一步步由淺入深地講解人工智能的基本原理和方法，講解詳細(xì)，通俗易懂，給讀者以在教室聽課的真實感。
l 本書精心挑選了人工智能發(fā)展史上一些主要的方法進(jìn)行詳細(xì)講解，通過本書的學(xué)習(xí)，使得讀者對人工智能有一個比較全面的了解，為進(jìn)一步深入學(xué)習(xí)和研究人工智能打下良好的基礎(chǔ)。
l 結(jié)合例題，本書對相關(guān)概念和算法背后的原理做了詳細(xì)的講解，對學(xué)習(xí)過程中容易犯的錯誤做了重點(diǎn)說明，適合與對人工智能感興趣的初學(xué)者、從事人工智能開發(fā)的工程人員以及講授相關(guān)課程的教師閱讀，通過本書的學(xué)習(xí)，可以對相關(guān)概念和算法有更加深入的理解。

艾博士:深入淺出人工智能 內(nèi)容簡介

本書是一本針對初學(xué)者介紹人工智能基礎(chǔ)知識的書籍。本書采用通俗易懂的語言講解人工智能的基本概念、發(fā)展歷程和主要方法，內(nèi)容涵蓋人工智能的核心方法，包括什么是人工智能、神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）是如何實現(xiàn)的、計算機(jī)是如何學(xué)會下棋的、計算機(jī)是如何找到**路徑的、如何用隨機(jī)算法求解組合優(yōu)化問題、統(tǒng)計機(jī)器學(xué)習(xí)方法是如何實現(xiàn)分類與聚類的、專家系統(tǒng)是如何實現(xiàn)的等，每種方法都配有例題并給出詳細(xì)的求解過程，以幫助讀者理解和掌握算法實質(zhì)，提高讀者解決實際問題的能力。 此外，本書可以幫助人工智能的開發(fā)人員理解各種算法背后的基本原理。書中的講解方法和示例，有助于相關(guān)課程的教師講解相關(guān)概念和算法。 總之，這是一本實用性強(qiáng)、通俗易懂的人工智能入門教材，適合不同背景的讀者學(xué)習(xí)和使用。

艾博士:深入淺出人工智能 目錄

第0篇什么是人工智能1
0.1人工智能的誕生1
0.2人工智能的4個發(fā)展時代4
0.2.1初期時代4
0.2.2知識時代6
0.2.3特征時代8
0.2.4數(shù)據(jù)時代11
0.3什么是人工智能16
0.4圖靈測試與中文屋子問題19
0.4.1圖靈測試19
0.4.2中文屋子問題21
0.5第三代人工智能23
0.6總結(jié)27 第1篇神經(jīng)網(wǎng)絡(luò)是如何實現(xiàn)的29
1.1從數(shù)字識別談起30
1.2神經(jīng)元與神經(jīng)網(wǎng)絡(luò)35
1.3神經(jīng)網(wǎng)絡(luò)是如何訓(xùn)練的39
1.4卷積神經(jīng)網(wǎng)絡(luò)48
1.5梯度消失問題59
1.6過擬合問題69
1.7詞向量74
1.7.1詞的向量表示74
1.7.2神經(jīng)網(wǎng)絡(luò)語言模型76
1.7.3word2vec模型82
1.7.4詞向量應(yīng)用舉例85
1.8循環(huán)神經(jīng)網(wǎng)絡(luò)88
1.9長短期記憶網(wǎng)絡(luò)96
1.10深度學(xué)習(xí)框架104
1.11總結(jié)104艾博士： 深入淺出人工智能目錄第2篇計算機(jī)是如何學(xué)會下棋的106
2.1能窮舉嗎？107
2.2極小極大模型110
2.3αβ剪枝算法112
2.4蒙特卡洛樹搜索115
2.5AlphaGo是如何下棋的124
2.6圍棋中的深度強(qiáng)化學(xué)習(xí)方法132
2.6.1基于策略梯度的強(qiáng)化學(xué)習(xí)134
2.6.2基于價值評估的強(qiáng)化學(xué)習(xí)135
2.6.3基于演員評價方法的強(qiáng)化學(xué)習(xí)137
2.7AlphaGo Zero是如何自學(xué)成才的140
2.8總結(jié)147 第3篇計算機(jī)是如何找到*優(yōu)路徑的149
3.1路徑搜索問題150
3.2寬度優(yōu)先搜索算法152
3.3迪杰斯特拉算法155
3.4啟發(fā)式搜索157
3.4.1A算法157
3.4.2A算法164
3.4.3定義h函數(shù)的一般原則165
3.4.4h函數(shù)的評價168
3.4.5A算法存在的不足170
3.4.6單調(diào)的h函數(shù)172
3.4.7改進(jìn)的A算法175
3.5深度優(yōu)先搜索算法181
3.6迭代加深式搜索算法185
3.6.1迭代加深式寬度優(yōu)先搜索算法186
3.6.2迭代加深式A算法188
3.7動態(tài)規(guī)劃與Viterbi算法189
3.8拼音輸入法問題191
3.9總結(jié)197 第4篇如何用隨機(jī)算法求解組合優(yōu)化問題200
4.1組合優(yōu)化問題201
4.2局部搜索算法203
4.3局部搜索算法存在的問題211
4.4退火過程及分析216
4.4.1退火現(xiàn)象216
4.4.2退火過程分析217
4.5模擬退火算法224
4.6模擬退火算法的參數(shù)選擇229
4.6.1起始溫度t0的選取230
4.6.2溫度的下降方法232
4.6.3每一溫度下的停止準(zhǔn)則234
4.6.4算法的終止原則235
4.7模擬退火算法應(yīng)用舉例238
4.8遺傳算法243
4.9遺傳算法應(yīng)用舉例253
4.10遺傳算法的實現(xiàn)問題258
4.10.1編碼問題258
4.10.2二進(jìn)制編碼的交叉操作規(guī)則262
4.10.3整數(shù)編碼的交叉操作規(guī)則264
4.10.4變異規(guī)則268
4.10.5適應(yīng)函數(shù)270
4.10.6遺傳算法的停止準(zhǔn)則274
4.11用遺傳算法求解旅行商問題276
4.12性能評價問題277
4.13模擬退火算法與遺傳算法的對比279
4.14總結(jié)281 第5篇統(tǒng)計機(jī)器學(xué)習(xí)方法是如何實現(xiàn)分類與聚類的283
5.1統(tǒng)計學(xué)習(xí)方法284
5.2樸素貝葉斯方法289
5.3決策樹297
5.3.1決策樹算法——ID3算法299
5.3.2決策樹算法——C4.5算法313
5.3.3過擬合問題與剪枝320
5.3.4隨機(jī)森林算法327
5.4k近鄰方法330
5.5支持向量機(jī)333
5.5.1什么是支持向量機(jī)333
5.5.2線性可分支持向量機(jī)339
5.5.3線性支持向量機(jī)352
5.5.4非線性支持向量機(jī)356
5.5.5核函數(shù)與核方法359
5.5.6支持向量機(jī)用于多分類問題364
5.6k均值聚類算法371
5.7層次聚類算法379
5.8DBSCAN聚類算法381
5.9驗證與測試問題384
5.10特征抽取問題387
5.11總結(jié)392 第6篇專家系統(tǒng)是如何實現(xiàn)的395
6.1什么是專家系統(tǒng)396
6.2推理方法399
6.3一個簡單的專家系統(tǒng)403
6.4非確定性推理409
6.4.1事實的表示410
6.4.2規(guī)則的表示410
6.4.3邏輯運(yùn)算411
6.4.4規(guī)則運(yùn)算413
6.4.5規(guī)則合成415
6.4.6置信度方法的理論根據(jù)420
6.5黑板模型423
6.6知識的結(jié)構(gòu)化表示425
6.6.1語義網(wǎng)絡(luò)425
6.6.2框架429
6.7專家系統(tǒng)工具433
6.8專家系統(tǒng)的應(yīng)用436
6.9專家系統(tǒng)的局限性437
6.10總結(jié)438 附錄ABP算法440
A.1求導(dǎo)數(shù)的鏈?zhǔn)椒▌t440
A.2符號約定441
A.3對于輸出層的神經(jīng)元442
A.4對于隱含層的神經(jīng)元444
A.5BP算法——隨機(jī)梯度下降版446 附錄B序列*小*優(yōu)化（SMO）算法448
B.1SMO算法的基本思想448
B.2SMO算法的詳細(xì)計算過程454
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服