人工智能原理及應用 張超 9787122460080 【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：202503*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：人工智能原理及應用
ISBN：9787122460080
出版社：化學工業
著編譯者：張超
頁數：248
所在地：中國大陸 *此為代購商品
書號：1713910
可大量預訂，請先連絡。

內容簡介

本書是一本介紹人工智能的入門級教材，系統地論述了人工智能的概念、原理與應用，主要內容包括緒論（第1章）、知識表示與推理技術（第2章）、機器學習算法（第3～7章）、計算智能理論（第8～11章）、專家系統（第12章）等板塊。本書不但介紹了人工智能的基本原理，還結合各個研究方向的前沿成果對各種智能算法和應用技術進行詳細闡述，力求清晰地呈現人工智能的經典理論與實用方法。各章採用思維導圖、學習目標和案例引入的方式進行引導，注重基礎理論的講解，對各種人工智能算法均配以公式推導和計算流程圖，並通過淺顯易懂的實例來演示智能算法的具體應用，各章末尾小結部分進行知識點總結，以幫助讀者更好地理解和掌握各章所涉及的基本理論和基礎知識。 本書是高等院校本科生和研究生學習人工智能的教材，也可供從事人工智能研究與開發的技術人員參考。

目錄

第1章 緒論
1 1 人工智能的基本概念
1 1 1 智能
1 1 2 智能機器
1 1 3 人工智能
1 2 人類智能與人工智能的關係
1 2 1 人工智能模擬人類的認知過程
1 2 2 人類思維與機器思維的差異
1 3 人工智能的發展概況
1 3 1 人工智能的起源
1 3 2 人工智能的發展階段
1 4 人工智能的主要學派與技術路線
1 4 1 傳統學派
1 4 2 現代學派
1 4 3 人工智能的技術路線
1 5 人工智能的主要研究領域
1 5 1 博弈
1 5 2 自動定理證明
1 5 3 專家系統
1 5 4 模式識別
1 5 5 自然語言處理
1 5 6 機器學習
1 5 7 機器視覺
1 5 8 機器人
1 5 9 計算智能
1 6 人機關係與工程倫理
1 6 1 人工智能對經濟的影響
1 6 2 人工智能對人類社會的影響
1 6 3 人工智能對認知方式的影響
1 6 4 人工智能對文化生活的影響
1 6 5 人工智能的技術風險
1 7 人工智能的未來展望
1 7 1 理論突破
1 7 2 技術集成
1 7 3 應用領域拓展
本章小結
習題
第2章 知識表示與推理技術
2 1 概述
2 1 1 知識表示的基本概念
2 1 2 人工智能系統的知識類型
2 1 3 知識表示方法的類型
2 2 狀態空間法
2 2 1 狀態空間法的要素
2 2 2 狀態圖
2 2 3 產生式系統
2 2 4 狀態空間法的應用實例
2 3 問題歸約法
2 3 1 問題歸約的過程
2 3 2 問題歸約的與或圖表示
2 3 3 問題歸約的機理
2 4 謂詞邏輯法
2 4 1 命題邏輯
2 4 2 謂詞演算
2 4 3 謂詞公式
2 4 4 置換與合一
2 5 語義網絡法
2 5 1 語義網絡的構成
2 5 2 二元語義網絡的表示
2 5 3 多元語義網絡的表示
2 5 4 語義網絡中連詞的表示
2 5 5 語義網絡中量詞的表示
2 5 6 語義網絡的推理
2 5 7 語義網絡法求解問題的過程
2 6 框架表示法
2 6 1 框架的構成
2 6 2 框架系統
2 6 3 框架推理
2 7 過程式知識表示
2 7 1 過程式知識表示的相關概念
2 7 2 過程式知識表示舉例
2 7 3 過程式推理
本章小結
習題
第3章 線性模型
3 1 線性模型的基本形式
3 2 線性回歸
3 2 1 一元線性回歸
3 2 2 多元線性回歸
3 3 對數幾率回歸
3 3 1 對數幾率回歸模型
3 3 2 最優回歸係數的確定
3 4 線性分類算法
3 4 1 線性判別分析
3 4 2 感知機
本章小結
習題
第4章 決策樹
4 1 基本流程
4 2 特徵選擇
4 2 1 信息熵
4 2 2 信息增益
4 2 3 信息增益率
4 3 決策樹生成
4 3 1 ID3算法
4 3 2 C4 5算法
4 4 決策樹剪枝
4 5 多變數決策樹
本章小結
習題
第5章 貝葉斯分類
5 1 貝葉斯決策理論
5 2 極大似然估計
5 3 樸素貝葉斯分類
5 4 貝葉斯網絡
5 4 1 網絡的結構
5 4 2 學習與推理
本章小結
習題
第6章 支持向量機
6 1 支持向量機的原理
6 2 對偶問題
6 3 核函數
6 3 1 核函數的定義
6 3 2 常用核函數
6 3 3 非線性支持向量機
6 4 正則化
6 5 支持向量回歸
本章小結
習題
第7章 聚類算法
7 1 概述
7 2 性能度量
7 3 距離計算
7 4 K均值聚類
7 5 基於密度的聚類算法
7 6 層次聚類算法
本章小結
習題
第8章 神經計算
8 1 人工神經網絡的發展概況
8 2 神經元與神經網絡
8 2 1 生物神經元與神經網絡
8 2 2 人工神經元與神經網絡
8 3 人工神經網絡的典型結構
8 3 1 感知機
8 3 2 前饋型網絡
8 3 3 反饋型網絡
8 4 人工神經網絡的學習方法與規則
8 4 1 人工神經網絡的學習方法
8 4 2 人工神經網絡的學習規則
8 5 BP神經網絡
8 5 1 BP算法的流程
8 5 2 誤差反向傳播的計算過程
8 5 3 BP神經網絡的計算實例
8 6 其他常見神經網絡
8 6 1 RBF神經網絡
8 6 2 ART神經網絡
8 6 3 SOM神經網絡
8 6 4 級聯相關神經網絡
8 6 5 玻爾茲曼機
8 7 人工神經網絡的應用
8 7 1 模式識別
8 7 2 計算和優化
8 7 3 建模和預測
8 7 4 智能控制與處理
8 7 5 深度學習
本章小結
習題
第9章 智能優化算法
9 1 概述
9 2 遺傳算法
9 2 1 遺傳算法的起源
9 2 2 遺傳算法的技術原理
9 2 3 遺傳算法案例
9 3 粒子群優化算法
9 3 1 粒子群優化算法的起源
9 3 2 粒子群優化算法的技術原理
9 3 3 粒子群優化算法的分類
9 3 4 粒子群優化算法案例
9 4 蟻群算法
9 4 1 蟻群算法
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。