人工智能 (第2版) 馬少平 朱小燕 9787302689072 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202506*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 (第2版)
ISBN：9787302689072
出版社：清華大學
著編譯者：馬少平 朱小燕
頁數：428
所在地：中國大陸 *此為代購商品
書號：1741647
可大量預訂，請先連絡。

內容簡介

本書主要闡述人工智能問題求解方法的一般性原理和基本思想。主要內容有：一般的搜索問題，包括盲目搜索和啟髮式搜索等；對抗搜索，包括博弈樹搜索、蒙特卡洛樹搜索和AlphaGo原理等；謂詞邏輯以及基於歸結的定理證明方法；知識表示，包括產生式方法、語義網絡、框架等；不確定性推理方法，包括貝葉斯方法、證據理論和確定性方法等；統計機器學習方法，包括樸素貝葉斯方法、決策樹、k近鄰方法、支持向量機、K均值聚類算法、DBSCAN聚類算法等；神經網絡與深度學習方法，包括全連接神經網絡、卷積神經網絡、循環神經網絡、詞向量等；高級搜索，包括局部搜索方法、模擬退火方法和遺傳算法等。 本書可作為高等學校計算機專業的本科生或者研究生學習「人工智能基礎」課程的教材或參考書。

作者簡介

馬少平，清華大學計算機系教授，博世知識表示與推理冠名教授，現任清華大學「天工」智能計算研究院常務副院長，人工智能研究院信息獲取研究中心主任，中國人工智能學會副監事長，中國中文信息學會副理事長，長期從事智能信息處理工作，在信息檢索、推薦系統方面取得了優秀成果。同時，馬少平教授從事人工智能導論的教學工作長達20多年，在人工智能教育領域有豐富經驗。

目錄

第0章 緒論
0 1 人工智能的誕生
0 2 人工智能發展簡史
0 2 1 初期時代
0 2 2 知識時代
0 2 3 特徵時代
0 2 4 數據時代
0 2 5 大模型時代
0 3 什麼是人工智能
0 4 圖靈測試與中文屋子問題
0 4 1 圖靈測試
0 4 2 中文屋子問題
0 5 第三代人工智能
0 6 總結
第1章 搜索問題
1 1 回溯策略
1 2 圖搜索策略
1 3 無信息圖搜索過程
1 4 啟髮式圖搜索過程
1 5 搜索算法討論
習題
第2章 謂詞邏輯與歸結原理
2 1 命題邏輯
2 1 1 命題
2 1 2 命題公式
2 1 3 命題邏輯的意義
2 1 4 命題邏輯的推理規則
2 1 5 命題邏輯的歸結方法
2 2 謂詞邏輯基礎
2 2 1 謂詞基本概念
2 2 2 一階謂詞邏輯
2 2 3 謂詞演算與推理
2 2 4 謂詞知識表示
2 3 謂詞邏輯歸結原理
2 3 1 歸結原理概述
2 3 2 Skolem標準型
2 3 3 子句集
2 3 4 置換與合一
2 3 5 歸結式
2 3 6 歸結過程
2 3 7 歸結過程式控制制策略
2 4 Herbrand定理
2 4 1 概述
2 4 2 H域
2 4 3 H解釋
2 4 4 語義樹與Herbrand定理
2 4 5 Herbrand定理
2 4 6 Herbrand定理與歸結法的完備性
習題
第3章 知識表示
3 1 概述
3 1 1 知識
3 1 2 知識表示
3 1 3 知識表示觀
3 2 產生式表示
3 2 1 事實與規則的表示
3 2 2 產生式系統的結構
3 2 3 產生式系統的推理
3 2 4 產生式表示的特點
3 3 語義網絡表示
3 3 1 語義網絡的結構
3 3 2 基本的語義關係
3 3 3 語義網絡的推理
3 3 4 語義網絡表示法的特點
3 4 框架表示
3 4 1 框架結構
3 4 2 框架表示下的推理
3 4 3 框架表示法的特點
3 5 其他表示方法
3 5 1 腳本知識表示方法
3 5 2 過程性知識表示法
3 5 3 直接性知識表示方法
習題
第4章 不確定性推理方法
4 1 概述
4 1 1 不確定性
4 1 2 不確定性推理的基本問題
4 1 3 不確定性推理方法的分類
4 2 概率論基礎
4 2 1 隨機事件
4 2 2 事件的概率
4 2 3 貝葉斯定理
4 2 4 信任概率
4 3 貝葉斯網絡
4 3 1 貝葉斯網絡基本概念
4 3 2 貝葉斯網絡的推理模式
4 4 主觀貝葉斯方法
4 4 1 規則的不確定性
4 4 2 證據的不確定性
4 4 3 推理計算
4 5 確定性方法
4 5 1 規則的不確定性度量
4 5 2 證據的不確定性度量
4 5 3 不確定性的傳播與更新
4 5 4 問題
4 6 證據理論（D-S theory）
4 6 1 基本概念
4 6 2 證據的不確定性
4 6 3 規則的不確定性
4 6 4 推理計算
習題
第5章 統計機器學習方法
5 1 什麼是統計機器學習方法
5 2 樸素貝葉斯方法
5 3 決策樹
5 3 1 決策樹算法——ID3算法
5 3 2 決策樹算法
5 3 3 過擬合問題與剪枝
5 3 4 隨機森林算法
5 4 k近鄰方法
5 5 支持向量機
5 5 1 什麼是支持向量機
5 5 2 線性可分支持向量機
5 5 3 線性支持向量機
5 5 4 非線性支持向量機
5 5 5 核函數與核方法
5 5 6 支持向量機用於多分類問題
5 6 K均值聚類算法
5 7 層次聚類算法
5 8 DBSCAN聚類算法
5 9 驗證與測試問題
5 10 特徵抽取問題
5 11 總結
第6章 神經網絡與深度學習
6 1 從數字識別談起
6 2 神經元與神經網絡
6 3 神經網絡的訓練方法
6 4 卷積神經網絡
6 5 梯度消失問題
6 6 過擬合問題
6 7 詞向量
6 7 1 詞的向量表示
6 7 2 神經網絡語言模型
6 7 3 word2vec模型
6 7 4 詞向量應用舉例
6 8 循環神經網絡
6 9 長短期記憶網絡
6 10 深度學習框架
6 11 總結
第7章 對抗搜索
7 1 能窮舉嗎？
7 2 極小/極大模型
7 3 α/β剪枝算法
7 4 蒙特卡洛樹搜索
7 5 AlphaGo原理
7 6 圍棋中的深度強化學習方法
7 6 1 基於策略梯度的強化學習
7 6 2 基於價值評估的強化學習
7 6 3 基於演員/評價方法的強化學習
7 7 AlphaGo Zero原理
7 8 總結
第8章 高級搜索
8 1 基本概念
8 1 1 組合優化問題
8 1 2 鄰域
8 2 局部搜索算法
8 3 模擬退火算法
8 3 1 固體退火過程
8 3 2 模擬退火算法
8 3 3 參數的確定
8 3 4 應用舉例——旅行商問題
8 4 遺傳算法
8 4 1 生物進化與遺傳算法
8 4 2 遺傳算法的實現問題
習題
附錄
附錄A BP算法
A 1 求導數的鏈式法則
A 2 符號約定
A 3 對於輸出層的神經元
A 4 對於隱含層
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。