人工智能概論 趙亞偉 姚鄭 9787030769565 【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：科學
物品所在地：中國大陸
原出版社：科學
NT$623
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：202311*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：人工智能概論 ISBN：9787030769565 出版社：科學 著編譯者：趙亞偉 姚鄭 叢書名：中國科學院大學研究生教材系列 頁數：308 所在地：中國大陸 *此為代購商品 書號：1595172 可大量預訂，請先連絡。 內容簡介 本書系統地介紹了人工智慧的基本概念、主要方法及代表性模型演算法。本書根據人工智慧的知識體系，在兼顧傳統的人工智慧方法的基礎上，重點突出前沿性內容，並對自動推理、遺傳演算法、神經網路、啟髮式優化、機器學習、異常檢測、梯度下降、邏輯回歸、反向傳播、卷積網路、語言模型、詞向量等常見技術進行詳細闡述和討論。本書結合應用安排了示例和例題，以加深讀者對關鍵知識點的理解。 本書可作為高等院校非計算機類專業的研究生或高年級本科生人工智慧課程的教材，也可作為從事人工智慧研究和應用的科技工作者的參考書。目錄 第1章 人工智慧概念與發展1 1 人工智慧概念 1 1 1 定義 1 1 2 判斷方法 1 1 3 模型 1 1 4 表示 1 1 5 推理 1 1 6 學習 1 1 7 優化 1 1 8 深度學習 1 2 人工智慧的發展簡史 1 2 1 人工智慧的提出 1 2 2 推理與證明 1 2 3 危機 1 2 4 專家系統 1 2 5 重生 1 3 人工智慧學派 1 3 1 符號主義 1 3 2 連接主義 1 3 3 行為主義 1 3 4 另一種分類 1 4 小結 習題 第2章 知識表示 2 1 基本概念 2 1 1 數據 2 1 2 信息 2 1 3 知識 2 1 4 人工智慧中的知識表示 2 2 狀態空間圖 2 3 問題歸約 2 4 謂詞邏輯 2 4 1 命題 2 4 2 謂詞邏輯表示 2 5 語義網路 2 5 1 語義基元 2 5 2 常見的語義聯繫 2 6 不確定知識表示 2 7 其他表示方法 2 7 1 規則表示 2 7 2 框架表示 2 7 3 腳本表示 2 7 4 面向對象表示 2 7 5 智能體Agent 2 8 小結 習題 第3章 確定性與不確定性推理 3 1 圖搜索策略 3 1 1 盲目搜索 3 1 2 啟髮式搜索 3 2 命題邏輯推理 3 2 1 完全歸納法 3 2 2 反演法 3 3 語義網路推理 3 4 產生式系統 3 5 不確定性推理 3 5 1 事件概率 3 5 2 貝葉斯推理 3 6 小結 習題 第4章 神經網路 4 1 計算智能 4 2 人工神經網路相關概念 4 2 1 并行分佈處理 4 2 2 非線性映射 4 2 3 訓練學習 4 3 人工神經元結構與激活函數 4 3 1 生物神經元結構 4 3 2 人工神經元結構 4 3 3 神經元中的激發函數 4 4 人工神經網路結構 4 4 1 人工神經網路的一般結構 4 4 2 對比生物神經網路 4 5 前饋網路與反饋網路 4 5 1 前饋神經網路 4 5 2 反饋神經網路 4 6 表示與推理 4 6 1 基於神經網路的知識表示與推理 4 6 2 與邏輯 4 6 3 異或邏輯 4 6 4 基於神經網路的推理 4 6 5 神經網路的泛化能力 4 7 應用領域 4 8 小結 習題 第5章 進化演算法 5 1 發展背景 5 2 進化策略 5 3 進化規劃 5 4 遺傳演算法 5 4 1 染色體編碼與解碼 5 4 2 初始種群 5 4 3 適應度函數 5 4 4 遺傳操作 5 5 小結 習題 第6章 群體智能 6 1 發展背景 6 2 社會系統 6 3 粒子群演算法 6 3 1 基本思路 6 3 2 演算法描述 6 3 3 慣性因子討論 6 3 4 標準PSO演算法 6 4 蟻群演算法 6 4 1 基本原理 6 4 2 蟻群TSP系統模型 6 4 3 函數優化 6 5 小結 習題 第7章 機器學習基礎 7 1 機器學習的定義和發展歷史 7 1 1 機器學習定義 7 1 2 發展歷程 7 1 3 相關概念 7 1 4 過程模型 7 1 5 常用機器學習模型 7 2 歸納與回歸 7 2 1 數據歸納處理 7 2 2 回歸 7 2 3 過擬合與欠擬合 7 3 分類分析 7 3 1 決策樹 7 3 2 樸素貝葉斯模型 7 3 3 支持向量機 7 3 4 k近鄰 7 3 5 集成學習 7 4 聚類分析 7 4 1 k-means演算法 7 4 2 基於密度的聚類方法DBSCAN 7 4 3 層次聚類法 7 5 小結 習題 第8章 模型度量 8 1 偏差與方差 8 1 1 偏差 8 1 2 方差與標準差 8 1 3 偏差-方差平衡 8 1 4 均方誤差 8 2 準確率和錯誤率 8 3 精確率、召回率、F1分數 8 4 ROC曲線 8 4 1 ROC曲線定義 8 4 2 ROC曲線繪製 8 5 AUC值 8 6 交叉驗證 8 7 小結 習題 第9章 異常檢測 9 1 統計方法 9 1 1 3σ方法 9 1 2 箱線圖 9 2 密度方法 9 2 1 LOF 9 2 2 DBSCAN 9 3 基於距離的方法 9 3 1 孤立森林 9 3 2 k-NN 9 4 本章小結 習題 第10章 梯度下降 10 1 擬合 10 2 梯度下降法的基本原理 10 2 1 公式變換 10 2 2 方嚮導數與梯度 10 2 3 梯度表示與計算 10 2 4 演算法描述 10 2 5 隨機梯度下降法 10 3 模型函數 10 3 1 假設函數 10 3 2 損失函數 10 3 3 代價函數與目標函數 10 4 本章小結 習題 第11章 邏輯回歸 11 1 邏輯分佈 11 2 決策邊界 11 3 線性模型與非線性模型 11 4 邏輯回歸演算法 11 4 1 邏輯回歸模型的假設函數 11 4 2 邏輯回歸的代價函數與目標函數 11 4 3 計算參數w、b：梯度下降 11 5 Softmax回歸 11 5 1 多分類問題 11 5 2 Softmax回歸模型 11 6 判別模型與生成模型 11 6 1 判別模型 11 6 2 生成模型 11 7 本章小結 習題 第12章 BP神 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。 |
