艾博士-深入淺出人工智能 馬少平 9787302646969 【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$571
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：202310*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：艾博士-深入淺出人工智能 ISBN：9787302646969 出版社：清華大學 著編譯者：馬少平 頁數：459 所在地：中國大陸 *此為代購商品 書號：1584616 可大量預訂，請先連絡。 內容簡介 本書是一本針對初學者介紹人工智慧基礎知識的書籍。本書採用通俗易懂的語言講解人工智慧的基本概念、發展歷程和主要方法，內容涵蓋人工智慧的核心方法，包括什麼是人工智慧、神經網路（深度學習）是如何實現的、計算機是如何學會下棋的、計算機是如何找到最優路徑的、如何用隨機演算法求解組合優化問題、統計機器學習方法是如何實現分類與聚類的、專家系統是如何實現的等，每種方法都配有例題並給出詳細的求解過程，以幫助讀者理解和掌握演算法實質，提高讀者解決實際問題的能力， 此外，本書可以幫助人工智慧的開發人員理解各種演算法背後的基本原理。書中的講解方法和示例，有助於相關課程的教師講解相關概念和演算法 總之，這是一本實用性強、通俗易懂的人工智慧入門教材，適合不同背景的讀者學習和使用。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，人工智慧研究院信息獲取研究中心主任，中國人工智慧學會副監事長，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慧導論的教學工作長達20多年，在人工智慧教育領域有豐富經驗。目錄 第0篇 什麼是人工智慧0 1 人工智慧的誕生 0 2 人工智慧的4個發展時代 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 3 什麼是人工智慧 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 第三代人工智慧 0 6 總結 第1篇 神經網路是如何實現的 1 1 從數字識別談起 1 2 神經元與神經網路 1 3 神經網路是如何訓練的 1 4 卷積神經網路 1 5 梯度消失問題 1 6 過擬合問題 1 7 詞向量 1 7 1 詞的向量表示 1 7 2 神經網路語言模型 1 7 3 word2vec模型 1 7 4 詞向量應用舉例 1 8 循環神經網路 1 9 長短期記憶網路 1 10 深度學習框架 1 11 總結 第2篇 計算機是如何學會下棋的 2 1 能窮舉嗎？ 2 2 極小-極大模型 2 3 α-β剪枝演算法 2 4 蒙特卡洛樹搜索 2 5 AlphaGo是如何下棋的 2 6 圍棋中的深度強化學習方法 2 6 1 基於策略梯度的強化學習 2 6 2 基於價值評估的強化學習 2 6 3 基於演員-評價方法的強化學習 2 7 AlphaGo Zero是如何自學成才的 2 8 總結 第3篇 計算機是如何找到最優路徑的 3 1 路徑搜索問題 3 2 寬度優先搜索演算法 3 3 迪傑斯特拉演算法 3 4 啟髮式搜索 3 4 1 A演算法 3 4 2 A演算法 3 4 3 定義h函數的一般原則 3 4 4 h函數的評價 3 4 5 A演算法存在的不足 3 4 6 單調的h函數 3 4 7 改進的A演算法 3 5 深度優先搜索演算法 3 6 迭代加深式搜索演算法 3 6 1 迭代加深式寬度優先搜索演算法 3 6 2 迭代加深式A演算法 3 7 動態規劃與Viterbi演算法 3 8 拼音輸入法問題 3 9 總結 第4篇 如何用隨機演算法求解組合優化問題 4 1 組合優化問題 4 2 局部搜索演算法 4 3 局部搜索演算法存在的問題 4 4 退火過程及分析 4 4 1 退火現象 4 4 2 退火過程分析 4 5 模擬退火演算法 4 6 模擬退火演算法的參數選擇 4 6 1 起始溫度t0的選取 4 6 2 溫度的下降方法 4 6 3 每一溫度下的停止準則 4 6 4 演算法的終止原則 4 7 模擬退火演算法應用舉例 4 8 遺傳演算法 4 9 遺傳演算法應用舉例 4 10 遺傳演算法的實現問題 4 10 1 編碼問題 4 10 2 二進位編碼的交叉操作規則 4 10 3 整數編碼的交叉操作規則 4 10 4 變異規則 4 10 5 適應函數 4 10 6 遺傳演算法的停止準則 4 11 用遺傳演算法求解旅行商問題 4 12 性能評價問題 4 13 模擬退火演算法與遺傳演算法的對比 4 14 總結 第5篇 統計機器學習方法是如何實現分類與聚類的 5 1 統計學習方法 5 2 樸素貝葉斯方法 5 3 決策樹 5 3 1 決策樹演算法——ID3演算法 5 3 2決策樹 演算法 5 3 3 過擬合問題與剪枝 5 3 4 隨機森林演算法 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均值聚類演算法 5 7 層次聚類演算法 5 8 DBSCAN聚類演算法 5 9 驗證與測試問題 5 10 特徵抽取問題 5 11 總結 第6篇 專家系統是如何實現的 6 1 什麼是專家系統 6 2 推理方法 6 3 一個簡單的專家系統 6 4 非確定性推理 6 4 1 事實的表示 6 4 2 規則的表示 6 4 3 邏輯運算 6 4 4 規則運算 6 4 5 規則合成 6 4 6 置信度方法的理論根據 6 5 黑板模型 6 6 知識的結構化表示 6 6 1 語義網路 6 6 2 框架 6 7 專家系統工具 6 8 專家系統的應用 6 9 專家系統的局限性 6 10 總結 附錄A BP演算法 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 對於隱含層的神經元 A 5 BP演算法——隨機梯度下降版 附錄B 序列最小最優化（SMO）演算法 B 1 SMO演算法的基本思想 B 2 SMO演算法的詳細計算過程 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。 |
