人工智能引論 王立春等 9787111770558 【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：202412*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：人工智能引論
ISBN：9787111770558
出版社：機械工業
著編譯者：王立春等
頁數：270
所在地：中國大陸 *此為代購商品
書號：1710935
可大量預訂，請先連絡。

內容簡介

人工智能為解決複雜問題提供了有效的方案，相關應用涉及領域眾多。通過閱讀本書，讀者可以學習人工智能的基本原理，了解人工智能在不同行業的應用案例以及人工智能倫理與安全，為進一步研究與應用人工智能技術奠定基礎。 全書共12章，內容包括緒論、知識表示與推理、確定性推理、不確定性推理、無信息的盲目搜索、基於經驗的啟髮式搜索、機器學習、人工神經網絡與深度學習、多智能體系統、人機混合增強智能、人工智能應用、人工智能倫理與安全。本書配套資源包括電子教案、課後思考題與習題的簡要解答和實驗指導書。 本書可作為普通高等院校相關專業本科生或研究生學習人工智能基礎課程的教材或參考書，也可供希望了解人工智能技術的研究人員和工程技術人員學習參考。

目錄

前言
第1章 緒論
1 1 人工智能概述
1 1 1 智能的定義
1 1 2 人工智能的定義
1 1 3 弱人工智能與強人工智能
1 1 4 適用於人工智能求解的問題
1 2 人工智能研究的基本內容
1 3 人工智能研究的主要方法
1 3 1 符號主義學派
1 3 2 連接主義學派
1 3 3 行為主義學派
本章小結
思考題與習題
第2章 知識表示與推理
2 1 知識與知識表示
2 1 1 知識的概念
2 1 2 知識表示的概念
2 2 產生式及產生式系統
2 2 1 產生式
2 2 2 產生式系統
2 2 3 產生式表示法的特點
2 3 語義網絡
2 3 1 語義基元和常用語義關係
2 3 2 語義網絡表示
2 3 3 語義網絡表示法的特點
2 4 框架
2 4 1 框架結構
2 4 2 框架網絡
2 4 3 框架表示法的特點
2 5 知識圖譜
2 5 1 三元組表示
2 5 2 向量化表示
2 5 3 知識圖譜的特點
2 6 基於邏輯的知識表示
2 6 1 命題公式
2 6 2 謂詞公式
2 6 3 一階謂詞邏輯知識表示方法
2 6 4 一階謂詞邏輯知識表示方法的特點
2 7 推理的基本概念
2 7 1 推理的定義
2 7 2 推理的分類
本章小結
思考題與習題
第3章 確定性推理
3 1 一階謂詞邏輯語法和語義
3 1 1 一階謂詞邏輯語法
3 1 2 世界及解釋
3 1 3 模型及相關概念
3 2 一階謂詞邏輯演算規則
3 2 1 等價式
3 2 2 推理規則
3 3 演繹推理
3 4 合式公式到子句集的轉化
3 4 1 標準型
3 4 2 子句集
3 5 謂詞演算中的歸結
3 5 1 命題公式的歸結
3 5 2 置換與合一
3 5 3 謂詞邏輯公式的歸結
3 6 歸結原理與歸結反演系統
3 6 1 歸結原理
3 6 2 歸結反演系統
3 7 Herbrand定理
3 7 1 Herbrand論域與Herbrand解釋
3 7 2 語義樹
3 7 3 Herbrand定理與歸結法的完備性
本章小結
思考題與習題
第4章 不確定性推理
4 1 不確定性的表示與量化
4 1 1 不確定性的表示
4 1 2 不確定性的量化
4 2 概率推理
4 2 1 概率理論基礎
4 2 2 貝葉斯網絡
4 2 3 基於貝葉斯網絡的概率推理
4 2 4 證據理論（D-S Theory）
4 3 模糊推理
4 3 1 模糊理論基礎
4 3 2 模糊假言推理
本章小結
思考題與習題
第5章 無信息的盲目搜索
5 1 問題表示與求解
5 1 1 問題的狀態空間表示
5 1 2 基於搜索的問題求解
5 1 3 搜索算法的評價指標
5 2 狀態空間的搜索
5 2 1 回溯搜索的實現
5 2 2 深度優先搜索
5 2 3 寬度優先搜索
5 3 高級搜索
5 3 1 局部搜索算法
5 3 2 模擬退火搜索
5 3 3 遺傳算法搜索
本章小結
思考題與習題
第6章 基於經驗的啟髮式搜索
6 1 啟髮式搜索的基本思想
6 1 1 啟發信息與評價函數
6 1 2 啟髮式搜索策略
6 2 狀態空間的啟髮式搜索
6 2 1 最好優先搜索算法
6 2 2 分支限界法
6 2 3 最佳圖搜索算法A
6 3 與或圖的啟髮式搜索
6 3 1 問題歸約表示
6 3 2 與或圖及解圖
6 3 3 AO*算法
6 4 博弈樹的搜索
6 4 1 博弈樹
6 4 2 極小-極大搜索過程
6 4 3 α-β搜索過程
本章小結
思考題與習題
第7章 機器學習
7 1 概述
7 1 1 機器學習的定義
7 1 2 機器學習的基本結構
7 1 3 機器學習的基本策略
7 2 歸納學習
7 2 1 歸納學習的模式和規則
7 2 2 歸納學習方法
7 2 3 ID3決策樹歸納算法
7 3 分析學習
7 3 1 類比推理和類比學習
7 3 2 基於解釋的學習
7 4 無監督學習
7 4 1 聚類算法
7 4 2 主成分分析
7 5 強化學習
7 5 1 強化學習的一般模式
7 5 2 被動強化學習
7 5 3 主動強化學習
本章小結
思考題與習題
第8章 人工神經網絡與深度學習
8 1 人工神經網絡概述
8 1 1 生物神經元的結構
8 1 2 神經元數學模型
8 1 3 人工神經網絡的結構
8 2 感知機學習
8 2 1 感知機的結構和原理
8 2 2 感知機學習算法
8 2 3 Delta規則
8 3 反傳學習
8 3 1 有隱含層的神經網絡
8 3 2 誤差反向傳播算法
8 4 Hebbian一致性學習
8 4 1 無監督Hebbian學習
8 4 2 有監督Hebbian學習
8 5 深度神經網絡
8 5 1 自編碼器
8 5 2 卷積神經網絡
8 5 3 循環神經網絡
8 5 4 生成對抗網絡
8 5 5 注意力機制
本章小結
思考題與習題
第9章 多智能體系統
9 1 概述
9 1 1 智能體的概念與體繫結構
9 1 2 多智能體系統的概念與體繫結構
9 1 3 智能
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。