現代人工智能技術 李遠征 曾志剛 劉智偉 9787111750536 【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：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$502
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：202404*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：現代人工智能技術 ISBN：9787111750536 出版社：機械工業 著編譯者：李遠征 曾志剛 劉智偉 頁數：224 所在地：中國大陸 *此為代購商品 書號：1638091 可大量預訂，請先連絡。 內容簡介 本書對現代人工智慧的理論、演算法、框架及應用進行了全面、系統的論述，剖析了人工智慧研究領域的前沿學術成果，涵蓋了機器學習、深度學習、強化學習以及聯邦學習等諸多方向。讀者通過學習本書，能夠掌握人工智慧的基本知識，並能了解人工智慧研究的一些前沿內容，為進一步學習人工智慧理論與應用奠定基礎。全書共分為9章，分別為緒論、知識表達、推理方法、智能演算法、機器學習、神經網路、深度學習、強化學習、聯邦學習。 本書可作為計算機類、自動化類、電氣類、電子信息類專業的本科生、研究生學習人工智慧課程的參考用書，也可供高等院校的教師、研究機構的研究人員，以及相關法律法規制定者和政府監管部門參考。目錄 前言第1章 緒論 1 1 人工智慧的基本概念 1 1 1 智能的概念 1 1 2 智能的特徵 1 1 3 人工智慧 1 2 人工智慧發展簡史 1 2 1 孕育 1 2 2 形成 1 2 3 發展 1 3 人工智慧的基本原理及方法 1 3 1 知識表示 1 3 2 機器感知 1 3 3 機器思維 1 3 4 機器學習 1 4 人工智慧的主要研究及應用領域 1 4 1 自動定理證明 1 4 2 博弈 1 4 3 模式識別 1 4 4 機器視覺 1 4 5 自然語言理解 1 4 6 智能信息檢索 1 4 7 數據挖掘 1 4 8 專家系統 1 4 9 機器人 1 4 10 組合優化 1 4 11 人工神經網路 1 4 12 分散式人工智慧與多智能體 1 5 小結 思考題 第2章 知識表達 2 1 知識與知識表達的概念 2 1 1 知識的概念 2 1 2 知識的特徵 2 1 3 知識的表示 2 2 一階謂詞邏輯表示法 2 2 1 命題 2 2 2 謂詞 2 2 3 謂詞公式 2 2 4 謂詞公式的性質 2 2 5 一階謂詞邏輯知識表示法 2 2 6 一階謂詞邏輯表示法的特點 2 3 產生式表示法 2 3 1 產生式 2 3 2 產生式系統 2 3 3 產生式系統的例子——動物識別系統 2 3 4 產生式表示法的特點 2 4 框架表示法 2 4 1 框架的一般結構 2 4 2 用框架表示知識的例子 2 4 3 框架表示法的特點 2 5 小結 思考題 第3章 確定性推理方法 3 1 推理的基本概念 3 1 1 推理的定義 3 1 2 推理方式及其分類 3 1 3 推理的方向 3 1 4 衝突消解策略 3 2 自然演繹推理 3 3 謂詞公式化為子句集的方法 3 4 魯濱遜歸結原理 3 5 歸結反演 3 6 小結 思考題 第4章 智能演算法及其應用 4 1 進化演算法的產生與發展 4 1 1 進化演算法的概念 4 1 2 進化演算法的生物背景 4 1 3 進化演算法的設計原則 4 2 遺傳演算法 4 2 1 遺傳演算法的基本思想 4 2 2 遺傳演算法的發展歷史 4 2 3 編碼 4 2 4 實數編碼和浮點數編碼 4 2 5 群體設定 4 2 6 適應度函數 4 2 7 選擇 4 2 8 交叉 4 2 9 變異 4 2 10 遺傳演算法的一般步驟 4 2 11 遺傳演算法的特點 4 3 遺傳演算法的改進演算法 4 3 1 改進演算法 4 3 2 雙種群遺傳演算法 4 3 3 自適應遺傳演算法 4 4 粒子群優化演算法 4 4 1 粒子群優化演算法的基本原理 4 4 2 粒子群優化演算法的參數分析 4 5 蟻群演算法 4 5 1 基本蟻群演算法模型 4 5 2 蟻群演算法的參數選擇 4 6 小結 思考題 第5章 機器學習 5 1 機器學習簡介 5 1 1 專業術語 5 1 2 分類 5 2 特徵工程 5 2 1 目的與基本流程 5 2 2 數據獲取 5 2 3 特徵處理 5 2 4 特徵選擇 5 2 5 特徵提取和數據降維 5 3 模型評估 5 3 1 評估方法 5 3 2 調參与最終模型 5 3 3 性能度量 5 3 4 比較檢驗 5 3 5 偏差與方差 5 4 有監督學習 5 4 1 線性回歸 5 4 2 線性對數幾率回歸 5 4 3 貝葉斯分類 5 4 4 決策樹 5 4 5 支持向量機 5 5 無監督學習 5 5 1 基本模型 5 5 2 K均值 5 5 3 高斯混合聚類 5 5 4 密度聚類 5 5 5 層次聚類 5 6 小結 思考題 第6章 神經網路 6 1 神經元和神經網路 6 1 1 生物神經元和人工神經元 6 1 2 神經網路簡介 6 2 線性神經網路和全連接神經網路 6 2 1 線性神經網路 6 2 2 全連接神經網路 6 3 BP神經網路 6 3 1 標準BP神經網路演算法和流程 6 3 2 標準BP神經網路分析和改進 6 4 卷積神經網路 6 4 1 卷積的基本知識 6 4 2 卷積神經網路的產生動機 6 4 3 卷積神經網路的結構 6 5 循環神經網路 6 5 1 導師驅動過程 6 5 2 計算循環神經網路的梯度 6 5 3 雙向循環神經網路 6 6 生成對抗神經網路 6 7 小結 思考題 第7章 深度學習 7 1 深度學習的概念 7 1 1 深度學習的簡介 7 1 2 深度學習的特點 7 1 3 深度學習的發展 7 2 深度卷積神經網路 7 2 1 深度卷積神經網路的簡介 7 2 2 深度卷積神經網路的結構 7 3 深度殘差網路 7 3 1 深度殘差網路的簡介 7 3 2 深度殘差網路的結構 7 4 深度循環神經網路 7 4 1 深度循環神經網路的簡介 7 4 2 深度循環神經網路的結構 7 5 門控循環單元 7 5 1 門控循環單元的簡介 7 5 2 門控循環單元的結構 7 6 長短期記憶網路 7 6 1 長短期記憶網路的簡介 7 6 2 長短期記憶網路的結構 7 7 注意力機制 7 7 1 注意力機制的簡介 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。 |
