人工智能 韋巍 9787111754688 【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$432
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：202407*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 ISBN：9787111754688 出版社：機械工業 著編譯者：韋巍 頁數：327 所在地：中國大陸 *此為代購商品 書號：1661394 可大量預訂，請先連絡。 編輯推薦 教材結合電氣工程及其自動化、自動化等專業特點，考慮到智能控制技術等課程的差異性，重點把人工智慧的傳統理論與方法和最新研究成果（包括國家自然科學聯合基金和國家重點研發計劃等高水平研究項目支撐）結合起來。 教材選材新穎、內容深入淺出，配有豐富的實例和應用程序，特別適合初學者學習；也配有思考討論題和上機操作題。 為讀者提供寬廣的人工智慧基礎知識，涵蓋兩大類內容：符號主義和聯接主義，重點闡述了人工智慧經典理論和方法；又補充完善了豐富的人工智慧新技術如機器學習、強化學習、自然語言處理等。 可作為高等院校自動化、電氣工程及其自動化、電子信息、人工智慧等專業高年級本科生和碩士研究生的教材，可同時滿足少學時或長學時的教學需求；也適合於從事電氣工程與自動化領域的工程技術人員閱讀和參考。內容簡介 人工智慧就是用計算機來模擬人的智能，其涉及的領域十分廣泛。本教材總結了人工智慧的發展歷程和取得的階段性成果，涵蓋了人工智慧主要的兩大類內容：符號主義和連接主義，重點闡述了人工智慧經典理論和方法，補充完善了豐富的人工智慧新技術。本教材的主要內容包括：緒論、知識表示和邏輯推理、搜索技術、進化演算法和群智能演算法等傳統的人工智慧範疇，以及機器學習、強化學習、自然語言處理等人工智慧的新技術。本教材為讀者提供了較寬廣的人工智慧基礎知識以及初學者的應用示例。 教材選材新穎、內容深入淺出，配有豐富的實例和應用程序，特別適合初學者學習；也配有思考討論題。本教材可作為高等院校自動化、電氣工程及其自動化、電子信息、人工智慧等專業高年級本科生和碩士研究生的教材，也適合於從事電氣工程與自動化領域的工程技術人員閱讀和參考。作者簡介 潘樹文，博士，畢業於美國加州大學爾灣分校（UCI）。現任浙大城市學院信息與電氣工程學院電氣系教授、碩士生導師。浙江省自動化學會理事。主要從事機器人感測與控制、系統辨識等研究。主持國家自然科學基金、省部級科技計劃項目等多項，發表學術論文30餘篇。目錄 序前言 第1章 緒論 1 1 人工智慧的定義和歷史 1 1 1 人工智慧的定義 1 1 2 人工智慧的歷史 1 2 人工智慧的研究範疇 1 3 人工智慧研究的應用領域 1 4 人工智慧研究進展和展望 參考文獻 第2章 知識表示和邏輯推理 2 1 知識與推理的關係 2 1 1 什麼是知識 2 1 2 知識的特性 2 1 3 知識的分類 2 1 4 知識的表示 2 1 5 什麼是推理 2 1 6 推理方式及其分類 2 2 一階謂詞邏輯表示法 2 2 1 一階謂詞邏輯表示的邏輯基礎 2 2 2 一階謂詞邏輯表示方法實例 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 產生式系統的分類 2 3 4 產生式表示法的特點 2 4 框架表示法 2 4 1 框架 2 4 2 框架網路 2 4 3 框架中槽的設置與組織 2 4 4 框架系統中求解問題的基本過程 2 4 5 框架表示法的特點 2 5 語義網路表示法 2 5 1 語義網路的概念 2 5 2 知識的語義網路表示 2 5 3 常用的語義聯繫 2 5 4 語義網路系統中求解問題的基本過程 2 5 5 語義網路表示法的特點 2 6 自然演繹推理 2 6 1 推理所需邏輯基礎 2 6 2 自然演繹推理的形式 2 6 3 自然演繹推理的特點 2 7 歸結演繹推理 2 7 1 子句 2 7 2 海伯倫理論 2 7 3 魯賓遜歸結原理 2 7 4 歸結策略 2 7 5 歸結演繹推理的特點 2 8 與/或形演繹推理 2 8 1 與/或形正向演繹推理 2 8 2 與/或形逆向演繹推理 2 8 3 與/或形雙向演繹推理 2 8 4 與/或形演繹推理的特點 2 9 主觀貝葉斯推理 2 9 1 簡單不確定性推理 2 9 2 知識不確定性的表示 2 9 3 證據不確定性的表示 2 9 4 組合證據不確定性的演算法 2 9 5 不確定性的傳遞演算法 2 9 6 主觀貝葉斯推理的特點 2 10 證據理論 2 10 1 證據理論的表示 2 10 2 證據理論的推理模型 2 10 3 知識不確定性的表示 2 10 4 證據不確定性的表示 2 10 5 組合證據不確定性的演算法 2 10 6 不確定性的傳遞演算法 2 10 7 證據理論的特點 2 11 其他推理方法 2 11 1 模糊推理 2 11 2 非單調推理 思考討論題 參考文獻 第3章 搜索技術 3 1 搜索概述 3 1 1 搜索的分類 3 1 2 基於搜索的問題求解 3 1 3 問題的狀態空間表示 3 1 4 問題的與/或樹表示 3 2 無信息搜索基本策略 3 2 1 狀態空間的圖搜索 3 2 2 寬度優先搜索 3 2 3 深度優先搜索 3 3 啟髮式搜索基本策略 3 3 1 啟髮式搜索的幾個重要概念 3 3 2 A搜索演算法 3 3 3 A*搜索演算法 3 3 4 與/或樹的有序搜索 3 4 博弈搜索基本策略 3 4 1 博弈樹 3 4 2 極大極小值演算法 3 4 3 alpha-beta剪枝演算法 3 5 禁忌搜索演算法 3 5 1 局部搜索與最優化 3 5 2 禁忌搜索演算法理論 3 5 3 改進禁忌搜索 3 5 4 禁忌搜索演算法流程 3 5 5 禁忌搜索演算法的參數設置 3 5 6 禁忌搜索實例 思考討論題 參考文獻 第4章 進化演算法和群智能演算法 4 1 概述 4 2 遺傳演算法 4 2 1 基本GA演算法 4 2 2 遺傳演算法的參數設置 4 2 3 改進遺傳演算法 4 2 4 遺傳演算法優化實例 4 3 差分進化演算法 4 3 1 標準DE演算法 4 3 2 差分進化演算法的參數設置 4 3 3 改進DE演算法 4 3 4 差分進化演算法優化實例 4 4 粒子群演算法 4 4 1 基本PSO演算法 4 4 2 粒子群優化演算法的參數設置 4 4 3 改進粒子群優化演算法 4 4 4 粒子群優化算例 4 5 蟻群演算法 4 5 1 基本蟻群演算法 4 5 2 蟻群演算法的參數設置 4 5 3 改進蟻群演算法 4 5 4 蟻群演算法的優化實例 思考討論題 參考文獻 第5章 機器學習 5 1 機器學習基礎 5 1 1 機器學習的基本概念 5 1 2 機器學習的研究歷史 5 1 3 機器學習的分類 5 2 神經網路 5 2 1 神經網路的基本特點 5 2 2 激活函數 5 2 3 神經網路的學習機理 5 2 4 線性分類器 5 3 深度神經網路 5 3 1 神經網路的結構 5 3 2 前饋神經網路——卷積神經網路 5 3 3 前饋神經網路——圖神經網路 5 3 4 反饋神經網路 5 4 學習技巧 5 4 1 自監督學習 5 4 2 半監督訓練 5 4 3 特徵嵌入 5 4 4 多任務學習 5 4 5 集成學習 5 4 6 聯邦學習 5 4 7 自動化機器學習 5 5 機器學習在電力工程中的應用 5 5 1 新能源出力預測 5 5 2 用電異常診斷 思考討論題 參考文獻 第6章 強化學習 6 1 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。 |
