人工智能基礎-模型與演算法 周長兵 9787030743428 【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$394
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：202307*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-模型與演算法 ISBN：9787030743428 出版社：科學 著編譯者：周長兵 叢書名：普通高等教育一流本科專業建設系列教材 頁數：271 所在地：中國大陸 *此為代購商品 書號：1561053 可大量預訂，請先連絡。 內容簡介 理論和實踐的緊密結合是人工智慧領域的顯著特點。為了降低初學者的學習門檻，引導初學者了解人工智慧的基本概念，以實際應用促進感性認知，作者編寫了本書。本書旨在打造一本體系完整、演算法突出和教學資源豐富的人工智慧教材，可幫助讀者掌握人工智慧知識的脈絡體系，從演算法和模型等方面了解人工智慧具能、使能和賦能的原理。全書共8章，書中附有習題和編程題目。 本書緊跟人工智慧技術動態，選取了人工智慧中的典型應用案例，兼顧通識與技能，具有很強的可操作性和實用性。本書既可作為人工智慧專業和計算機類相關專業本科生的基礎導論課程教材，也可作為其他學科研究人員學習人工智慧技術的參考用書。目錄 第1章 緒論1 1 人工智慧的基本概念和特徵 1 2 人工智慧的發展歷史 1 3 人工智慧的三大流派及其發展 本章小結 習題 第2章 知識表示 2 1 知識與知識表示的概念 2 1 1 知識 2 1 2 知識表示 2 2 一階謂詞邏輯表示法 2 2 1 命題 2 2 2 知識的謂詞邏輯表示法 2 2 3 一階謂詞邏輯表示法的特點 2 3 產生式表示法 2 3 1 產生式的基本形式 2 3 2 產生式系統 2 3 3 產生式系統推理 2 3 4 產生式表示法評價 2 4 框架表示法 2 4 1 框架結構 2 4 2 常用的槽名 2 4 3 框架系統的推理 2 4 4 框架表示法的特點 2 5 腳本表示法 2 5 1 概念依存理論 2 5 2 腳本的結構 2 5 3 腳本的推理 2 5 4 腳本表示法的特點 2 6 過程表示法 2 6 1 知識表示方法及過程規則 2 6 2 過程表示的問題求解過程 2 6 3 過程表示法的特點 2 6 4 過程性與說明性表示方法的比較 2 7 語義網路表示法 2 7 1 語義網路結構及基本的語義關係 2 7 2 語義網路的推理過程 2 7 3 語義網路表示法的特點 本章小結 習題 第3章 搜索策略 3 1 搜索概述 3 2 一般圖搜索 3 2 1 圖搜索的基本概念 3 2 2 狀態空間搜索 3 2 3 一般圖搜索過程 3 3 盲目搜索 3 3 1 寬度優先搜索 3 3 2 深度優先搜索 3 3 3 有界深度搜索和迭代加深搜索 3 3 4 搜索最優策略的比較 3 4 啟髮式搜索 3 4 1 啟發性信息和評估函數 3 4 2 啟髮式搜索A演算法 3 4 3 實現啟髮式搜索的關鍵因素 3 4 4 A*演算法 3 4 5 迭代加深A*演算法 3 5 爬山法和回溯策略 3 5 1 爬山法 3 5 2 回溯策略 3 6 問題規約 3 7 與/或圖搜索 3 7 1 與/或圖表示 3 7 2 與/或圖的啟髮式搜索 3 8 博弈 3 8 1 極大極小過程 3 8 2 ? -? 過程 本章小結 習題 第4章 知識推理與確定性推理 4 1 知識推理 4 1 1 推理的定義 4 1 2 推理的方式及分類 4 1 3 推理的方向 4 1 4 衝突消解策略 4 1 5 推理系統 4 2 確定性推理 4 2 1 命題邏輯 4 2 2 謂詞邏輯 4 2 3 自然演繹推理方法 4 2 4 歸結推理方法 本章小結 習題 第5章 不確定性推理 5 1 不確定性推理表示、問題與分類 5 1 1 不確定性推理的表示 5 1 2 不確定性的語義問題 5 1 3 不確定性的計算問題 5 1 4 不確定性推理方法的分類 5 2 不確定性推理方法 5 2 1 概率方法 5 2 2 主觀貝葉斯方法 5 2 3 可信度方法 5 2 4 證據理論方法 5 2 5 模糊推理方法 本章小結 習題 第6章 計算智能 6 1 計算智能簡介 6 1 1 計算智能的發展與現狀 6 1 2 計算智能的特徵與應用 6 2 進化計算 6 2 1 遺傳演算法 6 2 2 蟻群優化演算法 6 2 3 免疫演算法 6 2 4 分佈估計演算法 6 2 5 粒子群優化演算法 6 2 6 進化規劃 6 3 單點搜索 6 3 1 禁忌搜索演算法 6 3 2 模擬退火演算法 本章小結 習題 第7章 人工神經網路 7 1 神經元 7 1 1 生物神經元的結構 7 1 2 人工神經元數學模型 7 2 神經網路的學習方法 7 2 1 學習與機器學習 7 2 2 學習系統 7 2 3 神經網路的結構與工作方式 7 2 4 神經網路的學習規則 7 3 感知器 7 3 1 感知器模型 7 3 2 感知器學習策略 7 3 3 感知器學習演算法 7 4 BP神經網路 7 4 1 BP神經網路的結構 7 4 2 BP學習演算法 7 4 3 BP神經網路的應用 7 5 Hopfield神經網路 7 5 1 離散型Hopfield神經網路 7 5 2 連續型Hopfield神經網路 7 5 3 隨機神經網路 7 5 4 Hopfield神經網路的應用 7 5 5 Hopfield神經網路優化方法 本章小結 習題 第8章 機器學習 8 1 機器學習的類型與應用 8 1 1 機器學習的分類 8 1 2 機器學習的應用和研究目標 8 2 基於規則的機器學習 8 2 1 決策樹學習 8 2 2 隨機森林 8 2 3 規則學習 8 3 基於數據統計的機器學習 8 3 1 支持向量機 8 3 2 淺層神經網路 8 3 3 貝葉斯分類器 本章小結 習題 參考文獻 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。 |
