*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:202304*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 ISBN:9787576322590 出版社:北京理工大學 著編譯者:周志強 繆玲娟 頁數:281 所在地:中國大陸 *此為代購商品 書號:1586710 可大量預訂,請先連絡。 內容簡介 本書在內容組織上依據上述人工智慧發展脈絡,分別關注不同歷史時期人工智慧重點解決的問題以及不同類型的機器推理和問題求解方法。除第1章對人工智慧進行總體概述外,第2章至第7章的具體內容分別為機器自動邏輯推理、知識表示與推理、問題的搜索求解策略、機器學習理論與方法、仿生智能計算、神經網路與深度學習。每部分都精選一些具有代表性的基礎方法和技術進行介紹,透過它們掌握和理解各類人工智慧方法的基本原理和技術路線。其中部分內容雖然屬於較為傳統的人工智慧範疇 但它們具有基礎性、經典性等特徵,相關思想或方法在現實中仍有應用 或後續方法發展是建立在它們基礎之上。特別地,通過這些內容可以更好地了解人工智慧逐步發展的過程,培養分析和解決人工智慧領域問題的思維能力。本書也在第1章概述部分重點介紹和梳理了人工智慧發展簡史,加深讀者對人工智慧發展過程全貌和不同技術路線的理解,有利於後面章節具體內容的學習。目錄 第1章 人工智慧概述1 1 人工智慧的基礎概念 1 1 1 人工智慧的概念和定義 1 1 2 檢驗機器智能的標準 1 2 人工智慧研究的基本內容 1 2 1 人類智能的基本特徵 1 2 2 人工智慧的研究內容 1 3 人工智慧發展簡史 1 3 1 人工智慧的孕育 1 3 2 人工智慧的誕生 1 3 3 早期的成就 1 3 4 以知識為中心的時代 1 3 5 神經網路短暫的復興 1 3 6 機器學習興起及AI的綜合發展 1 3 7 深度學習與大數據時代 1 4 人工智慧發展中的不同學派 1 4 1 符號主義 1 4 2 連接主義 1 4 3 行為主義 1 5 人工智慧的主要研究和應用領域 1 5 1 計算機視覺 1 5 2 自然語言處理 1 5 3 邏輯推理與自動定理證明 1 5 4 計算機博弈 1 5 5 智能體與智能機器人 1 5 6 知識發現與數據挖掘 1 5 7 智能調度與指揮 1 5 8 分散式人工智慧與多智能體 第2章 機器自動邏輯推理 2 1 一個簡單例子:wumpus世界 2 2 邏輯表示和推理 2 3 命題邏輯 2 3 1 命題邏輯的語句 2 3 2 複合語句的真值 2 3 3 命題邏輯知識庫構建 2 4 邏輯推理與證明 2 4 1 相關概念及原理 2 4 2 推理規則 2 4 3 歸結原理 2 5 一階謂詞邏輯 2 5 1 謂詞基本概念 2 5 2 全稱和存在量詞 2 5 3 消除量詞 2 5 4 置換與合一 2 6 歸結方法 2 6 1 歸結證明 2 6 2 基於歸結的問題求解 2 6 3 歸結過程式控制制策略 第3章 知識表示與推理 3 1 相關基本概念 3 1 1 知識表示 3 1 2 基於知識的推理 3 2 產生式系統 3 2 1 產生式表示法 3 2 2 產生式系統的結構和推理過程 3 2 3 產生式表示的特點 3 3 框架系統 3 3 1 框架的基本結構 3 3 2 框架系統的推理 3 3 3 框架表示的特點 3 4 語義網路 3 4 1 語義網路的基本結構 3 4 2 語義網路中的基本語義關係 3 4 3 語義網路的知識表示 3 4 4 語義網路的推理過程 3 4 5 語義網路表示的特點 3 5 知識工程與專家系統 3 5 1 知識工程 3 5 2 專家系統 3 6 知識圖譜 3 6 1 知識圖譜的提出 3 6 2 知識圖譜的表示 3 6 3 知識圖譜的構建 3 6 4 知識圖譜的應用 3 7 不確定性推理 3 7 1 不確定性概述 3 7 2 不確定性的概率表示和推理 3 8 貝葉斯網路 3 8 1 相關定理和概念 3 8 2 貝葉斯網路的概念及理論 3 8 3 貝葉斯網路推理 第4章 問題的搜索求解策略 4 1 人工智慧中的搜索策略 4 2 問題的狀態空間表示 4 3 盲目圖搜索 4 3 1 寬度優先搜索 4 3 2 深度優先搜索 4 4 啟髮式圖搜索 4 4 1 啟發性信息和估價函數 4 4 2 A搜索演算法 4 4 3 A*搜索演算法 4 4 4 A*搜索演算法特性的證明 4 5 與或圖表示和搜索 4 5 1 問題的與或圖表示 4 5 2 與或圖的啟髮式搜索 4 6 博弈搜索 4 6 1 博弈概述 4 6 2 極小極大搜索 4 6 3 α-β剪枝 4 6 4 α-β剪枝應用實例 第5章 機器學習理論與方法 5 1 機器學習概述 5 1 1 機器學習的概念 5 1 2 機器學習的發展 5 1 3 機器學習的主要類型 5 2 基礎概念與相關知識 5 2 1 模型選擇與過擬合 5 2 2 分類與回歸 5 2 3 訓練誤差與測試誤差 5 2 4 相關概率知識 5 3 概率模型擬合 5 3 1 最大似然法 5 3 2 最大后驗法 5 3 3 貝葉斯方法 5 4 判別模型與生成模型 5 4 1 判別模型 5 4 2 生成模型 5 5 回歸問題的概率模型 5 5 1 線性回歸 5 5 2 貝葉斯線性回歸 5 5 3 非線性回歸 5 5 4 核技巧 5 5 5 高斯過程回歸 5 6 分類問題的概率模型 5 6 1 邏輯回歸 5 6 2 貝葉斯邏輯回歸 5 6 3 非線性邏輯回歸 5 6 4 對偶邏輯回歸 5 6 5 核邏輯回歸 5 7 支持向量機 5 7 1 支持向量機模型 5 7 2 支持向量機的學習演算法 5 7 3 非線性支持向量機 5 7 4 軟間隔最大化 5 8 決策樹 5 8 1 決策樹模型 5 8 2 決策樹學習 5 8 3 剪枝處理 第6章 仿生智能計算 6 1 進化計算 6 2 遺傳演算法 6 2 1 遺傳演算法基本原理 6 2 2 遺傳演算法一般流程 6 2 3 遺傳演算法的主要操作 6 2 4 遺傳演算法應用簡例 6 2 5 其他改進遺傳演算法 6 3 人工免疫演算法 6 3 1 人工免疫演算法原理 6 3 2 人工免疫演算法流程 6 3 3 人工免疫演算法主要運算元 6 3 4 人工免疫演算法應用實例 6 4 群體智能 6 4 1 粒子群演算法起源 6 4 2 粒子群演算法原理 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。 |