人工智能理論與實踐 劉樹林 張宏利 9787511478009 【台灣高等教育出版社】

內容簡介
本書主要聚焦人工智能最新理論與實踐，以經典人工神經網絡與支持向量機為基礎，以深度學習、強化學習與深度強化學習為核心，以深入淺出、循循善誘與娓娓道來的風格，將深奧的人工智能知識進行了清晰的詮釋，使讀者能夠更好地理解和掌握知識難點，適於教與學。為了提高讀者學習效果，每章 不僅配備理論講解視頻與PPT，而且對重點算法結合應用實例配置了程序輔導視頻與代碼；另外，每章 後均附精心設計的習題。本書結合編者多年從事人工智能科研與教學的經驗，強調內容的先進性、系統性與實用性，注重學生分析問題能力與實踐創新能力的培養。

作者簡介
劉樹林，上海大學機電工程與自動化學院， 教授、博導；中國機械工業教育協會機械電子工程學科專業教學委員會副主任委員；全國材料與器件科學家智庫專家委員會副主任委員。目前主要從事智能機器人、智能故障診斷與人工智能方向的科學研究與教學工作。

目錄

緒論 （1）
第1章 經典人工神經網絡 （4）
1 1生物神經網絡基本機理 （4）
1 2人工神經元 （8）
1 3單層感知機 （14）
1 4多層感知機 （20）
1 5BP人工神經網絡 （25）
本章 小結 （34）
實踐1編程環境安裝 （35）
實踐2利用感知機實現Mnist手寫數字分類 （35）
習題 （35）
參考文獻 （36）
第2章 支持向量機 （37）
2 1支持向量機基本思想 （37）
2 2線性硬可分支持向量機 （41）
2 3線性軟可分支持向量機 （48）
2 4非線性支持向量機 （50）
2 5SMO算法 （53）
本章 小結 （59）
實踐3利用非線性支持向量機實現IRIS鳶尾花數據分類 （59）
習題 （60）
參考文獻 （60）
第3章 卷積神經網絡 （61）
3 1卷積神經網絡思想 （61）
3 2卷積神經網絡結構 （64）
3 3典型結構 （75）
本章 小結 （85）
實踐4利用卷積神經網絡實現Mnist手寫數字分類 （85）
習題 （85）
參考文獻 （86）
第4章 循環神經網絡 （87）
4 1經典循環神經網絡 （87）
4 2長短期記憶神經網絡 （101）
本章 小結 （108）
實踐5利用長短時記憶網絡實現股票價格預測 （108）
習題 （109）
參考文獻 （110）
第5章 Transformer模型 （111）
5 1總體思想與框架結構 （111）
5 2輸入信息編碼方式 （113）
5 3自注意力機制 （116）
5 4編碼器信息編碼機制與整體結構 （121）
5 5解碼器信息編碼機制與整體結構 （124）
本章 小結 （133）
實踐6利用Transformer實現電影評論數據情感分析 （133）
習題 （133）
參考文獻 （134）
第6章 強化學習 （135）
6 1強化學習基本思想 （135）
6 2強化學習的概念體系 （137）
6 3模型強化學習方法 （153）
6 4無模型強化學習方法 （162）
6 5強化學習不同方法的關係 （176）
本章 小結 （179）
實踐7利用Q-Learning幫助智能體在簡單6格環境中達成目標 （180）
習題 （180）
參考文獻 （180）
第7章 深度強化學習 （182）
7 1深度強化學習基本思想 （182）
7 2大型狀態空間DQN深度強化學習 （183）
7 3隨機策略深度強化學習 （190）
7 4連續動作空間深度強化學習 （198）
7 5深度強化學習各種方法之間的關聯 （204）
7 6近端策略優化算法 （205）
本章 小結 （210）
實踐8利用DQN將著陸器成功降落在月球表面 （211）
實踐9利用PPO-Clip算法幫助小車平衡杆系統保持穩定 （211）
習題 （212）
參考文獻 （212）

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。