人工智能技術基礎 王科俊 盧桂萍 9787302664208 【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$350
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：人工智能技術基礎 ISBN：9787302664208 出版社：清華大學 著編譯者：王科俊 盧桂萍 叢書名：21世紀人工智慧創新與應用叢書 頁數：239 所在地：中國大陸 *此為代購商品 書號：1661393 可大量預訂，請先連絡。 內容簡介 人工智慧在人類社會各領域得到廣泛應用，已成為社會進步的核心技術。本書全面介紹當前人工智慧技術的基礎理論和方法，包括深度神經網路、知識圖譜、圖神經網路、生成式人工智慧和機器學習方法5部分內容。重點介紹深度神經網路基本原理、卷積神經網路、循環神經網路、注意力機制和Transformer，介紹知識圖譜、圖神經網路和生成式人工智慧的基本理論與方法，最後簡要介紹弱監督、自監督、遷移學習、深度強化學習、元學習和小樣本學習、持續學習等機器學習方法，還介紹了大語言模型中的機器學習方法。 本書是作者總結近年來的教學和科研成果，結合國內外人工智慧技術領域最新成果編寫而成的。全書內容體系新穎，具有先進性、系統性和實用性。本書可作為高等學校人工智慧技術課程的教材，也可供相關專業的工程技術人員參考。作者簡介 王科俊，教授，博導。中國人工智慧學會理事，黑龍江省人工智慧學會理事長，黑龍江省神經科學學會副理事長，北京理工大學珠海校區教授，哈爾濱工程大學教授，黑龍江大學兼職教授。主要從事深度學習與神經網路、智能監控和多模態生物特徵識別等方向的研究。完成科研項目30餘項，發表論文350餘篇，出版學術專著4部、教材3部，主審教材2部。獲得部級科技進步二等獎3項、三等獎4項，省高校科學技術一等獎1項、二等獎1項。獲得授權發明專利38項，國家版權局軟體著作權登記1項。1996年獲得中國船舶工業總公司「優秀青年科技工作者」稱號，1999年當選哈爾濱工程大學首屆十大傑出青年。黑龍江省傑出青年基金獲得者。目錄 第1章 人工智慧簡介1 1 人工智慧的定義及發展歷史 1 1 1 人工智慧的定義 1 1 2 人工智慧的發展歷史 1 2 人工智慧方法 1 3 人工智慧的應用 1 4 人工智慧的未來 1 4 1 近期發展目標 1 4 2 人工智慧的未來 1 5 小結 思考與練習 第2章 神經網路基礎 2 1 生物神經元與生物神經網路 2 1 1 生物神經元 2 1 2 生物神經網路 2 2 人工神經元與人工神經網路 2 2 1 人工神經元 2 2 2 激活函數 2 2 3 人工神經網路 2 3 前向神經網路 2 4 反向傳播演算法 2 4 1 鏈式法則 2 4 2 梯度下降法 2 4 3 反向傳播演算法 2 4 4 反向傳播演算法的改進演算法 2 5 處理數據和訓練模型的技巧 2 5 1 數據預處理——數據標準化 2 5 2 權重初始化 2 5 3 防止過擬合的常用方法 2 6 小結 思考與練習 第3章 卷積神經網路 3 1 卷積神經網路的特性 3 1 1 局部連接 3 1 2 權值共享 3 1 3 不變性 3 2 卷積神經網路結構和訓練 3 2 1 卷積層 3 2 2 池化層 3 2 3 全連接層 3 2 4 卷積神經網路的訓練 3 3 卷積神經網路經典模型 3 3 1 LeNet5網路 3 3 2 AlexNet網路 3 3 3 VGGNet網路 3 3 4 其他幾種經典網路的基本結構 3 4 小結 思考與練習 第4章 循環神經網路 4 1 循環神經網路的基本結構 4 2 循環神經網路的訓練方法 4 2 1 標準循環神經網路的前向輸出流程 4 2 2 循環神經網路的訓練方法——隨時間反向傳播 4 2 3 循環神經網路訓練過程中的梯度消失和梯度爆炸問題及解決方法 4 3 循環神經網路拓展模型 4 3 1 簡單循環網路 4 3 2 雙向循環網路 4 3 3 長短期記憶網路 4 3 4 門控循環單元網路 4 4 循環神經網路的應用結構 4 4 1 同步的序列到序列結構（N到N） 4 4 2 序列分類結構（N到1） 4 4 3 向量到序列結構（1到N） 4 4 4 非同步的序列到序列的模式（N到M） 4 5 小結 思考與練習 第5章 注意力機制 5 1 軟注意力機制的原理及計算過程 5 2 通道注意力和空間注意力 5 2 1 通道注意力 5 2 2 空間注意力 5 2 3 混合注意力 5 3 自注意力機制 5 3 1 自注意力機制的輸入方式及特性 5 3 2 自注意力機制與RNN的區別 5 3 3 自注意力機制在視覺領域的應用 5 4 互注意力機制 5 5 小結 思考與練習 第6章 Transformer 6 1 Transformer的結構和工作原理 6 1 1 Transformer的輸入 6 1 2 多頭自注意力機制 6 1 3 編碼器結構 6 1 4 解碼器結構 6 1 5 Transformer的訓練 6 1 6 Transformer的特點分析 6 2 Transformer在NLP中的應用 6 2 1 BERT的基本原理和訓練方法 6 2 2 GPT的基本原理和訓練方法 6 3 Transformer在視覺領域中的應用 6 3 1 視覺Transformer 6 3 2 其他視覺Transformer 6 3 3 受ViT啟發解決視覺問題的多層感知機 6 4 小結 思考與練習 第7章 知識圖譜 7 1 知識圖譜的起源 7 1 1 知識工程和專家系統 7 1 2 語義網路、語義網、鏈接數據和知識圖譜 7 1 3 知識圖譜的定義 7 2 知識圖譜的架構 7 2 1 邏輯架構 7 2 2 技術架構 7 3 知識抽取 7 3 1 非結構化數據的知識抽取 7 3 2 結構化數據的知識抽取 7 3 3 半結構化數據的知識抽取 7 4 知識融合 7 4 1 知識融合的基本技術流程 7 4 2 典型知識融合工具 7 4 3 實體鏈接 7 4 4 知識合併 7 5 知識加工 7 5 1 實體構建 7 5 2 知識推理 7 5 3 質量評估 7 5 4 知識更新 7 6 小結 思考與練習 第8章 圖神經網路 8 1 圖論基礎與圖譜理論 8 1 1 圖論基礎 8 1 2 圖譜理論 8 2 圖神經網路基本原理 8 2 1 圖神經網路的基本操作 8 2 2 多層GNN 8 2 3 GNN應用場景 8 3 圖神經網路分類 8 4 卷積圖神經網路 8 4 1 基於圖譜理論的ConvGNN 8 4 2 基於空間的ConvGNN 8 5 圖注意力網路 8 6 圖生成網路 8 7 圖時空網路 8 8 小結 思考與練習 第9章 生成式人工智慧模型 9 1 變分自編碼器 9 1 1 原理概念 9 1 2 訓練方法 9 1 3 應用方法 9 2 生成對抗網路 9 2 1 GAN的基本原理 9 2 2 GAN網路的幾種結構 9 2 3 GAN訓練中生成與訓練集之間的相似評價方法 9 3 流模型 9 3 1 流模型的工作原理 9 3 2 流模型的常見分類方法 9 3 3 常見的流模型轉換函數設計 9 4 擴散模型 9 4 1 去噪擴散概率模型DDPM 9 4 2 基於分數匹配的隨 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。 |
