人工智能算法分析 徐立芳 9787121456817 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202306*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：人工智能算法分析
ISBN：9787121456817
出版社：電子工業
著編譯者：徐立芳
頁數：332
所在地：中國大陸 *此為代購商品
書號：1534244
可大量預訂，請先連絡。

內容簡介

本書全面講述人工智能演算法的理論基礎和案例編程實現。第1章簡要介紹機器學習的發展及其應用。第2章和第3章主要介紹機器學習經典分類演算法、聚類演算法、集成演算法和隨機森林演算法，以及這些演算法的具體內容、演算法原理和案例編程實現。第4章介紹深度學習的概念、原理、研究現狀，以及典型的神經網絡及其相關網路的案例編程實現。第5章介紹強化學習的發展及其相關演算法，包括Q-學習演算法、蒙特卡洛演算法和動態規劃演算法，以及這些演算法的原理和案例編程實現。第6章介紹遷移學習的發展及其相關演算法，主要包括TrAdaBoost演算法和層次貝葉斯演算法，以及這些演算法的原理和案例編程實現。第7章主要介紹聯邦學習的研究現狀和相關演算法，涉及聯邦平均演算法和縱向聯邦學習演算法，以及演算法的原理和案例編程實現。第8章介紹因果學習的研究現狀和典型模型演算法，包括結果因果模型和多變數結構識別演算法，還有這些模型和演算法的原理和案例編程實現。第9章和第10章分別介紹文本挖掘和圖像處理的研究現狀，以及應用於文本和圖像的一些演算法，涉及演算法的原理和案例編程實現。第11章介紹人工智能大模型的發展及研究現狀，包括Transformer和GPT，以及相關的改進模型，並對其中典型的模型應用案例進行了分析。 本書可作為計算機科學與技術、智能科學與技術、人工智能等專業高年級本科生和研究生的教材，也可供從事或有志於人工智能行業的研究人員和從業者參考。

目錄

第1章 緒論
1 1 人類的學習與機器的學習
1 1 1 人類的學習
1 1 2 機器的學習
1 2 機器學習與機器智能
1 2 1 機器學習的概念
1 2 2 機器學習如何實現機器智能
1 3 機器學習的發展歷程
1 4 機器學習的類型
1 5 機器學習的主要方法
1 6 機器學習的主要演算法
1 6 1 傳統機器學習演算法
1 6 2 新型機器學習演算法
1 7 機器學習的典型應用與發展趨勢
1 7 1 機器學習的典型應用
1 7 2 機器學習的發展趨勢
1 8 如何閱讀本書
總結
習題
第2章 機器學習經典分類演算法
2 1 回歸演算法
2 1 1 基本形式
2 1 2 線性回歸
2 1 3 邏輯回歸
2 1 4 線性回歸案例分析
2 1 5 邏輯回歸案例分析
2 2 決策樹演算法
2 2 1 樹形決策過程
2 2 2 訓練演算法
2 2 3 案例分析
2 3 支持向量機
2 3 1 線性分類器
2 3 2 支持向量機原理
2 3 3 案例分析
2 4 kNN演算法
2 4 1 基本概念
2 4 2 預測演算法
2 4 3 距離定義
2 4 4 案例分析
2 5 貝葉斯演算法
2 5 1 貝葉斯決策
2 5 2 樸素貝葉斯分類器
2 5 3 正態貝葉斯分類器
2 5 4 案例分析
總結
習題
第3章 機器學習經典聚類及集成與隨機森林演算法
3 1 k-means演算法
3 1 1 相似性的度量
3 1 2 k-means演算法原理
3 1 3 k-means演算法的改進
3 1 4 MeanShift演算法
3 1 5 案例分析
3 2 AdaBoost演算法
3 2 1 AdaBoost演算法介紹
3 2 2 AdaBoost演算法分類
3 2 3 案例分析
3 3 馬爾可夫演算法
3 3 1 馬爾可夫演算法介紹
3 3 2 隱馬爾可夫演算法介紹
3 3 3 案例分析
3 4 隨機森林演算法
3 4 1 集成學習
3 4 2 隨機森林概述
3 4 3 訓練演算法
3 4 4 變數的重要性
3 4 5 案例分析
總結
習題
第4章 深度學習
4 1 深度學習及其研究現狀
4 1 1 深度學習概念
4 1 2 深度學習研究現狀
4 2 人工神經網絡
4 2 1 全連接神經網絡
4 2 2 反向傳播演算法
4 2 3 案例分析
4 3 生成對抗網路
4 3 1 生成對抗網路結構
4 3 2 模型的訓練
4 3 3 GAN的改進模型
4 3 4 案例分析
4 4 循環神經網絡
4 4 1 循環神經網絡概述
4 4 2 循環神經網絡結構
4 4 3 循環神經網絡訓練
4 4 4 挑戰與改進措施
4 4 5 案例分析
總結
習題
第5章 強化學習
5 1 強化學習及其研究現狀
5 1 1 馬爾可夫模型
5 1 2 策略
5 1 3 強化學習研究現狀
5 2 Q-學習演算法
5 2 1 Q-學習演算法的基本原理
5 2 2 Q-學習演算法的結構
5 2 3 採用神經網絡實現Q-學習演算法
5 2 4 Q-學習演算法的改進
5 2 5 Q-學習演算法的應用案例
5 3 蒙特卡洛演算法
5 3 1 簡單介紹
5 3 2 經驗軌跡
5 3 3 蒙特卡洛演算法的數學原理
5 3 4 蒙特卡洛演算法的特點
5 3 5 蒙特卡洛預測
5 3 6 蒙特卡洛預測演算法的實現
5 4 動態規劃演算法
5 4 1 策略評估
5 4 2 策略改進
5 4 3 策略迭代
5 4 4 值迭代
5 4 5 案例分析
總結
習題
第6章 遷移學習
6 1 遷移學習及其研究現狀
6 1 1 遷移學習概念
6 1 2 遷移學習研究現狀
6 2 TrAdaBoost演算法
6 2 1 背景
6 2 2 演算法介紹
6 2 3 演算法改進
6 2 4 案例分析
6 3 層次貝葉斯演算法
6 3 1 背景
6 3 2 演算法介紹
6 3 3 案例分析
總結
習題
第7章 聯邦學習
7 1 聯邦學習及其研究現狀
7 1 1 聯邦學習概念
7 1 2 聯邦學習研究現狀
7 2 聯邦平均演算法
7 2 1 聯邦優化
7 2 2 演算法原理
7 2 3 安全的聯邦平均演算法
7 2 4 聯邦平均演算法的改進
7 2 5 案例分析
7 3 縱向聯邦學習演算法
7 3 1 安全聯邦線性回歸
7 3 2 安全聯邦提升樹
7 3 3 案例分析
總結
習題
第8章 因果學習
8 1 因果學習及其研究現狀
8 1 1 因果學習概念
8 1 2 因果學習研究現狀
8 2 結構因果模型
8 2 1 兩種類型的因果陳述
8 2 2 SCM的標準表示
8 2 3 SCM的改進型
8 2 4 案例分析
8 3 多變數結構識別演算法
8 3 1 基於獨立的方法
8 3 2 基於分數的方法
8 3 3 多變數加性雜訊模型
8 3 4 案例分析
總結
習題
第9章 文本挖掘
9 1 文本挖掘概念與現狀
9 1 1 文本挖掘概念
9 1 2 文本挖掘現狀
9 2 Word2vec-詞嵌入
9 2 1 背景介紹
9 2 2 Word2vec-詞嵌入——基於神經網絡學習單詞表示
9 2 3 案例分析
9 3 遞
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。