人工智能基礎及應用 王方石 李翔宇 9787302644224 【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$350
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
| *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：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：人工智能基礎及應用 ISBN：9787302644224 出版社：清華大學 著編譯者：王方石 李翔宇 頁數：250 所在地：中國大陸 *此為代購商品 書號：1598336 可大量預訂，請先連絡。 內容簡介 本書介紹人工智慧的基礎理論、技術及應用。全書共9章，主要內容包括人工智慧概述、知識表示與知識圖譜、搜索策略、機器學習、人工神經網路、典型卷積神經網路、智能圖像處理、機器學習開發框架、機器學習項目剖析。本書強調理論聯繫實際，既深入淺出地介紹了人工智慧領域的基礎知識和實用技術，又詳細介紹了兩個機器學習開發框架：PyTorch和百度公司研發的PaddlePaddle（飛槳），並帶領讀者逐步剖析在飛槳平台上實現的項目案例。案例的代碼清晰，易於理解，讀者可快速提高採用機器學習方法解決實際問題的實踐能力。 本書可作為高等學校本科生學習「人工智慧」基礎課程或通識課程的人門教材，也可供對人工智慧技術感興趣的廣大讀者閱讀。目錄 第1章 人工智慧概述1 1 人工智慧的萌芽與誕生 1 1 1 人工智慧的萌芽 1 1 2 圖靈測試與中文屋實驗 1 1 3 人工智慧的誕生 1 2 人工智慧的定義 1 3 人工智慧發展簡史 1 3 1 人工智慧的黃金期（20世紀50年代中期-60年代中期） 1 3 2 人工智慧的第一個寒冬期（20世紀60年代後期-70年代初） 1 3 3 人工智慧的繁榮期（20世紀70年代中期-80年代後期） 1 3 4 人工智慧的第二個寒冬期（20世紀80年代末-90年代中期） 1 3 5 人工智慧的復甦期（1997年-2011年） 1 3 6 人工智慧的蓬勃發展期（2012年至今） 1 4 人工智慧的研究流派 1 5 人工智慧研究的基本內容 1 6 人工智慧的主要研究領域 1 7 本章小結 習題1 第2章 知識表示與知識圖譜 2 1 知識的基本概念 2 1 1 知識的定義 2 1 2 知識的特性 2 1 3 知識的分類 2 2 知識表示的方法 2 3 產生式規則表示法 2 3 1 產生式」 2 3 2 產生式系統 2 3 3 產生式表示法的特點 2 4 狀態空間表示法 2 5 知識圖譜 2 5 1 知識圖譜的定義 2 5 2 知識圖譜的表示 2 5 3 知識圖譜的發展簡史 2 5 4 典型的知識圖譜 2 5 5 知識圖譜的應用 2 6 本章小結 習題2 第3章 搜索策略 3 1 圖搜索策略 3 2 盲目的圖搜索策略 3 2 1 深度優先搜索 3 2 2 寬度優先搜索 3 3 啟髮式圖搜索策略 3 3 1 A搜索 3 3 2 A*搜索 3 4 局部搜索演算法 3 4 1 爬山法 3 4 2 模擬退火法 3 4 3 遺傳演算法 3 5 本章小結 習題3 第4章 機器學習 4 1 機器學習概述 4 1 1 機器學習的定義 4 1 2 機器學習的基本術語 4 1 3 機器學習的三個視角 4 2 監督學習 4 2 1 監督學習的步驟 4 2 2 監督學習的主要任務 4 2 3 監督學習的典型演算法 4 3 無監督學習 4 3 1 無監督學習的基本原理 4 3 2 無監督學習的主要任務 4 3 3 無監督學習的典型演算法 4 4 弱監督學習 4 4 1 不完全監督學習 4 4 2 不確切監督學習 4 4 3 不準確監督學習 4 5 本章小結 習題4 第5章 人工神經網路 5 1 人工神經網路的發展歷程 5 2 感知機與神經網路 5 2 1 生物神經元結構 5 2 2 神經元數學模型-MP模型 5 2 3 感知機 5 2 4 多層神經網路結構 5 3 BP神經網路及其學習演算法 5 3 1 BP神經網路的結構 5 3 2 BP學習演算法 5 4 卷積神經網路 5 4 1 卷積神經網路的整體結構 5 4 2 卷積運算 5 4 3 激活函數 5 4 4 池化運算 5 5 本章小結 習題5 第6章 典型卷積神經網路 6 1 LeNet 6 1 1 LeNet模型的發展歷程 6 1 2 LeNet-5模型的結構 6 2 AlexNet 6 2 1 AlexNet模型的結構 6 2 2 AlexNet模型的創新性 6 3 VGGNet 6 3 1 VGGNet模型的結構 6 3 2 VGGNet模型的優勢 6 4 GoogLeNet/Inception 6 4 1 GoogLeNet模型的研究思路 6 4 2 GoogLeNet模型結構的總體說明 6 4 3 GoogLeNet模型結構解析 6 4 4 GoogLeNet模型的特點 6 5 ResNet 6 5 1 ResNet模型的研究動機 6 5 2 ResNet模型的結構 6 6 DenseNet 6 7 本章小結 習題6 第7章 智能圖像處理 7 1 數字圖像處理概述 7 1 1 數字圖像處理的基本概念 7 1 2 數字圖像處理的主要任務 7 2 傳統的圖像處理技術 7 2 1 圖像分類 7 2 2 圖像目標檢測 7 2 3 圖像分割 7 3 基於深度學習的圖像處理技術 7 3 1 基於深度學習的圖像分類 7 3 2 基於深度學習的圖像目標檢測 7 3 3 基於深度學習的圖像分割 7 4 本章小結 習題7 第8章 機器學習開發框架 8 1 機器學習開發框架簡介 8 2 機器學習庫——Scikit-learn 8 2 1 Scikit-learn代碼設計 8 2 2 Scikit-learn數據表示及數據集構建 8 2 3 Scikit-learn模型訓練 8 2 4 Scikit-learn模型預測 8 2 5 Scikit-learn模型評估與超參數選擇 8 3 深度學習框架——PyTorch 8 3 1 深度學習框架中的自動求導 8 3 2 PyTorch框架結構 8 3 3 PyTorch中的張量 8 3 4 PyTorch數據集構建 8 3 5 PyTorch模型訓練 8 3 6 PyTorch模型預測與評估 8 3 7 PyTorch模型超參數選擇 8 3 8 PyTorch中的自動求導機制 8 4 深度學習框架——飛槳 8 4 1 飛槳框架概述 8 4 2 飛槳的張量表示 8 4 3 飛槳的自動微分機制 8 4 4 飛槳數據集構建 8 4 5 飛槳的模型開發 8 5 本章小結 習題8 第9章 機器學習項目剖析 9 1 機器學習應用項目的開發流程 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。 |
