人工智能基礎-演算法與編程 王洪元 張繼 9787302652076 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$375
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *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，以到貨標的為實際資訊。 印行年月：202402*若逾兩年請先於私訊洽詢存貨情況，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：人工智能基礎-演算法與編程 ISBN：9787302652076 出版社：清華大學 著編譯者：王洪元 張繼 頁數：257 所在地：中國大陸 *此為代購商品 書號：1622047 可大量預訂，請先連絡。 內容簡介 人工智慧是一門發展極其迅速且內容十分豐富的學科。本書以人工智慧理論演算法及其編程實現為核心，按照人工智慧經典方法到現代演算法順次進行內容編排，全書共7章，第1章人工智慧概論，第2章邏輯與推理，第3章搜索求解，第4章機器學習：監督學習，第5章機器學習：無監督學習，第6章神經網路與深度學習，第7章強化學習。本書還將矩陣運算、最優化方法、概率論等數學知識作為附錄。書中每章都附有習題。 本書可作為地方高校人工智慧專業和計算機大類專業的本科生或研究生學習人工智慧的教材。由於書中各章內容相對獨立，教師可以根據不同專業不同學生的需要選擇講授內容。作者簡介 王洪元，博士，常州大學計算機與人工智慧學院二級教授、博士生導師，從事人工智慧相關領域的教學、研究、開發工作40餘年。發表論文200餘篇，出版著作和教材3部，獲國家發明專利10餘項，獲省部級科技獎勵多項。目錄 第1章 人工智慧概論1 1 人工智慧定義 1 1 1 生物智能與人類智能 1 1 2 智能與人工智慧 1 2 人工智慧的歷史 1 3 人工智慧研究的不同學派 1 3 1 符號主義 1 3 2 連接主義 1 3 3 行為主義 1 4 人工智慧主要應用領域 習題 第2章 邏輯與推理 2 1 邏輯 2 1 1 知識表示 2 1 2 邏輯的基本概念 2 2 命題邏輯 2 2 1 命題的基本概念 2 2 2 命題邏輯推理 2 3 謂詞邏輯 2 3 1 謂詞的基本概念 2 3 2 謂詞邏輯推理 2 4 知識圖譜 2 4 1 知識圖譜的基本概念 2 4 2 知識圖譜推理 習題 第3章 搜索求解 3 1 搜索概述 3 1 1 搜索的基本問題與主要過程 3 1 2 搜索演算法分類 3 2 狀態空間表示法 3 2 1 狀態空間表示的基本概念 3 2 2 狀態空間的圖描述 3 2 盲目搜索 3 3 1 盲目搜索概述 3 3 2 深度優先搜索演算法 3 3 3 寬度優先搜索演算法 3 3 4 盲目搜索演算法的Python實現 3 4 啟髮式搜索 3 4 1 啟髮式搜索概述 3 4 2 啟發信息和估價函數 3 4 3 A演算法 3 4 4 A*搜索演算法 3 4 5 A*演算法的Python實現 3 5 對抗搜索 3 5 1 博弈概述 3 5 2 極大極小過程 3 5 3 Alpha-Beta剪枝 3 5 4 對抗搜索演算法的Python實現 3 6 蒙特卡羅搜索 3 6 1 蒙特卡羅方法 3 6 2 蒙特卡羅樹搜索演算法 3 6 3 蒙特卡羅樹搜索演算法的Python實現 習題 第4章 機器學習：監督學習 4 1 機器學習概述 4 1 1 引言 4 1 2 機器學習的發展歷史 4 1 3 機器學習的基本概念 4 1 4 機器學習主要研究領域 4 2 回歸分析 4 2 1 線性回歸分析原理 4 2 2 非線性回歸分析原理 4 2 3 回歸分析Python實例 4 3 線性判別分析 4 3 1 線性判別分析演算法原理 4 3 2 線性判別分析Python實例 4 3 3 線性判別分析在人臉識別中的應用 4 4 K最近鄰演算法 4 4 1 K最近鄰演算法原理 4 4 2 K最近鄰演算法Python實例 4 5 AdaBoosting 4 5 1 AdaBoosting演算法原理 4 5 2 AdaBoosting演算法Python實例 4 6 支持向量機 4 6 1 支持向量機原理 4 6 2 支持向量機Python實例 4 7 決策樹 4 7 1 決策樹原理 4 7 2 決策樹演算法Python實例 習題 第5章 機器學習：無監督學習 5 1 K-means聚類 5 1 1 K-means聚類原理 5 1 2 K-means聚類演算法 5 1 3 K-means聚類演算法特點 5 1 4 K-means聚類演算法的改進 5 1 5 K-means聚類演算法的Python實現 5 2 主成分分析 5 2 1 主成分分析原理 5 2 2 主成分分析降維方法 5 2 3 主成分分析特點 5 2 4 主成分分析的Python實現 5 3 特徵臉方法 5 3 1 特徵臉原理 5 3 2 奇異值分佩 5 3 3 特徵臉方法步驟 5 3 4 特徵臉方法特點 5 3 5 特徵臉方法的Python實現 5 4 局部線性嵌入 5 4 1 局部線性嵌入原理 5 4 2 局部線性嵌入演算法 5 4 3 局部線性嵌入演算法特點 5 4 4 局部線性嵌入演算法的一些改進演算法 5 4 5 局部線性嵌入演算法的Python實現 5 5 獨立成分分析 5 5 1 獨立成分分析的發展 5 5 2 獨立成分分析的基本定義 5 5 3 獨立成分分析與其他統計方法的關係 5 5 4 獨立成分分析的Python實現 習題 第6章 神經網路與深度學習 6 1 神經網路的起源與發展 6 1 1 第一代神經網路 6 1 2 第二代神經網路 6 1 3 第三代神經網路 6 2 人工神經網路 6 2 1 生物神經網路 6 2 2 人工神經元與人工神經網路 6 2 3 BP神經網路 6 2 4 神經網路Python實例 6 3 卷積神經網路 6 3 1 卷積神經網路的結構 6 3 2 卷積神經網路的基本操作 6 3 3 卷積神經網路的關鍵技術 6 3 4 卷積神經網路的訓練過程 6 3 5 幾種經典的卷積神經網路模型 6 3 6 卷積神經網路的應用 6 3 7 卷積神經網路Python實例 6 4 循環神經網路 6 4 1 循環神經網路 6 4 2 長短時記憶網路 6 4 3 循環神經網路的應用 6 4 4 循環神經網路Python實例 習題 第7章 強化學習 7 1 強化學習問題 7 1 1 馬爾可夫決策過程 7 1 2 強化學習問題 7 2 基於價值的強化學習 7 2 1 策略迭代 7 2 2 基於價值的強化學習算祛 7 2 3 Q-Learning的Python實例 7 3 深度強化學習 7 3 1 深度強化學習演算法 7 3 2 深度強化學習的應用 7 3 3 深度強化學習的Python實例 習題 附錄A 數學基礎 A 1 矩陣運算 A 1 1 向量 A 1 2 向量的加法和數乘 A 1 3 矩陣 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
