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

人工智能基礎

出版社：科學出版社出版時間：2024-08-01
開本： 26cm 頁數(shù)： 318頁
本類榜單：教材銷量榜
中 圖 價:¥55.2(8.0折) 定價  ¥69.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

人工智能基礎 版權信息

人工智能基礎 內容簡介

《人工智能基礎》是一本全面介紹人工智能領域基礎知識、基本原理的專業(yè)教材。*先介紹人工智能的基礎知識，包括人工智能相關概念，以及人工智能的數(shù)學基礎、基礎模型和編程基礎，然后介紹視覺、語言、語音三個領域中的人工智能原理、方法和技術應用，*后對人工智能的發(fā)展趨勢進行總結。另外，《人工智能基礎》還通過豐富的實踐案例的介紹，幫助學生更深刻地理解和應用所學知識。

人工智能基礎 目錄

目錄第1章 人工智能概述 11.1 人工智能的概念 11.2 人工智能的意義和目標 21.2.1 人工智能的意義 21.2.2 人工智能的目標 21.3 人工智能的起源和發(fā)展 21.4 人工智能的方向和內容 61.4.1 機器學習 61.4.2 視覺信息處理 71.4.3 自然語言處理 81.4.4 語音信號處理 91.4.5 多模態(tài)信息處理 91.4.6 人工智能自動生成內容 10習題 10第2章 人工智能數(shù)學基礎 112.1 線性代數(shù) 112.1.1 基本數(shù)學對象 112.1.2 向量運算 132.1.3 矩陣乘法 132.1.4 矩陣運算 142.1.5 向量組與向量空間 152.1.6 特征分解 172.1.7 奇異值分解 182.1.8 特殊的矩陣 192.1.9 范數(shù) 202.2 微積分 202.2.1 導數(shù)與微分 212.2.2 鏈式法則 222.2.3 函數(shù)極值 232.2.4 積分 232.2.5 矩陣微積分 242.2.6 泰勒公式 262.2.7 常用函數(shù)及其導數(shù) 262.3 概率與信息論 282.3.1 隨機變量 282.3.2 概率分布 282.3.3 期望和方差 302.3.4 條件概率 322.3.5 貝葉斯定理 332.3.6 信息論與熵 332.3.7 交叉熵與散度 342.4 數(shù)值計算 352.4.1 *優(yōu)化問題的基礎模型 352.4.2 *優(yōu)化問題分類 362.4.3 *小二乘法 372.4.4 梯度下降法 382.4.5 共軛梯度法 402.4.6 深度學習中常用的優(yōu)化方法 42習題 47第3章 人工智能基礎模型 483.1 卷積神經網絡 483.1.1 卷積神經網絡的背景介紹 493.1.2 卷積神經網絡的基礎結構 493.1.3 卷積神經網絡的計算 513.1.4 典型卷積神經網絡的應用 563.2 循環(huán)神經網絡 583.2.1 循環(huán)神經網絡的背景介紹 583.2.2 循環(huán)神經網絡的基礎結構 583.2.3 循環(huán)神經網絡的計算 613.2.4 典型循環(huán)神經網絡的應用 643.3 生成對抗網絡 643.3.1 生成對抗網絡的背景介紹 653.3.2 生成對抗網絡的基礎結構 653.3.3 生成對抗網絡的計算 683.3.4 典型生成對抗網絡的應用 693.4 擴散模型 713.4.1 擴散模型的背景介紹 713.4.2 擴散模型的基礎結構 723.4.3 擴散模型的計算 733.4.4 典型擴散模型的應用 813.5 圖神經網絡 833.5.1 圖神經網絡的背景介紹 843.5.2 圖神經網絡的基礎結構 863.5.3 圖神經網絡的計算 883.5.4 典型圖神經網絡的應用 913.6 Transformer 923.6.1 Transformer的背景介紹 923.6.2 Transformer的基礎結構 943.6.3 Transformer的計算 983.6.4 典型Transformer的應用 99習題 101第4章 人工智能編程框架 1024.1 Python基礎 1024.1.1 Python簡介 1024.1.2 Python基本語法 1074.1.3 Python數(shù)據(jù)類型 1084.1.4 Python程序結構 1194.1.5 Python函數(shù) 1234.1.6 Python類 1244.1.7 Python庫 1254.2 PyTorch框架 1304.2.1 環(huán)境配置 1314.2.2 模型實現(xiàn)示例 1354.3 其他人工智能框架 140習題 141第5章 視覺智能處理技術 1425.1 視覺智能處理基礎知識 1425.1.1 圖像表示與處理 1425.1.2 特征提取與描述 1465.1.3 視覺智能處理基本任務 1495.2 目標檢測與圖像分割技術 1515.2.1 目標檢測與圖像分割中的基礎知識 1525.2.2 基于CNN的目標檢測與圖像分割 1575.2.3 結合Transformer的目標檢測與圖像分割 1615.3 三維視覺技術 1665.3.1 點云數(shù)據(jù)的表示 1665.3.2 點云物體分類與分割 1675.3.3 基于點云的生成技術 1745.4 視頻理解和處理技術 1805.4.1 基本概念 1805.4.2 視頻對象分割 1865.4.3 視頻增強 193習題 201第6章 語言智能處理技術 2026.1 語言智能處理基礎知識 2026.1.1 文本表示與嵌入 2026.1.2 句法分析 2076.1.3 關鍵詞提取 2106.2 神經機器翻譯 2126.2.1 神經機器翻譯介紹 2136.2.2 基于深度神經網絡的神經機器翻譯模型 2166.2.3 BERT-fused模型 2206.2.4 mRASP模型 2246.3 共指解析技術 2266.3.1 共指解析的基本概念 2286.3.2 共指解析的評估標準 2296.3.3 端到端的共指解析模型 2326.4 智能問答技術 2376.4.1 智能問答系統(tǒng)發(fā)展歷程 2386.4.2 智能問答系統(tǒng)架構 2386.4.3 智能問答基礎 2396.4.4 大語言模型 2446.4.5 智能問答系統(tǒng) 247習題 248第7章 語音智能處理技術 2497.1 語音信號處理技術 2497.1.1 語音信號的特性與數(shù)字化表示 2497.1.2 語音信號的預處理 2517.1.3 語音信號的特征提取 2547.2 語音識別技術 2577.2.1 傳統(tǒng)的語音識別技術 2587.2.2 端到端的語音識別技術 2587.3 語音合成及轉換技術 2657.3.1 語音合成技術 2657.3.2 語音轉換技術 2737.4 語音增強技術 2767.4.1 語音增強介紹 2767.4.2 冗余卷積編碼器-解碼器 2797.4.3 語音增強生成對抗網絡 2817.4.4 用于語音增強的條件擴散模型 283習題 286第8章 人工智能的未來發(fā)展趨勢 2878.1 生成式人工智能技術 2878.1.1 小波擴散模型 2888.1.2 偏移擴散模型 2908.1.3 對未來技術的思考和展望 2948.2 可解釋人工智能技術 2948.2.1 PIP-Net模型 2958.2.2 LaBo模型 2988.2.3 對未來技術的思考和展望 3018.3 多模態(tài)人工智能技術 3028.3.1 Lynx模型 3028.3.2 BLIP-2模型 3048.3.3 對未來技術的思考和展望 3078.4 具身智能技術 3078.4.1 PaLM-E模型 3088.4.2 EmbodiedGPT模型 3118.4.3 對未來技術的思考和展望 314習題 315參考文獻 316
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
在線客服