掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
人工智能導論(微課版) 版權信息
- ISBN：9787115652119
- 條形碼：9787115652119 ; 978-7-115-65211-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能導論(微課版) 本書特色
1.內容嚴謹，結構清晰
在全面考慮人工智能發展脈絡的基礎上，精心篩選知識點，突出導論課程的核心意義，著重關注重要的知識點，有利于教師在規劃課時內進行有效的課堂教學，同時也便于讀者自主學習。
2.案例豐富，有趣宜學
本書融合了與學生生活緊密相關的豐富教學案例，以通俗易懂的方式幫助讀者理解重要而難以理解的知識點，進而提升讀者的學習興趣。
3.緊跟前沿，著眼未來
編者著眼于*新的技術成果，在書中介紹了人工智能相關行業的發展趨勢和市場動態，在拓寬讀者認知邊界的同時，力求提高讀者的科學素養。
4.錄制微課，創新教學
本書提供針對重點、難點知識的微課視頻，助力打造新形態精品教材。讀者可以通過多種智能化展示方式和渠道隨時自學，*大程度提高自己的學習效率。
人工智能導論(微課版) 內容簡介
本書共12章，內容涵蓋傳統人工智能技術、現代人工智能技術及人工智能技術應用三大部分，旨在展示人工智能技術的發展歷程。在傳統人工智能技術部分，本書討論了問題求解與搜索技術、歸結推理、不確定性推理與專家系統，以及遺傳算法、蟻群算法、鳥群算法和粒子群算法等經典算法。在現代人工智能技術部分，本書介紹了機器學習中的監督學習和非監督學習，講解了經典的決策、分類、聚類、回歸、降維和關聯分析等問題，以及神經網絡和深度神經網絡等內容。在人工智能技術應用部分，本書講解了視覺感知與智能視覺、聽覺感知與智能聽覺、語言智能處理和智能機器等當前流行技術，以及未來人工智能的展望。在本書編寫過程中，編者著重介紹基本概念、基本原理和基本分析方法，旨在引導讀者分析問題和解決問題，力求基本概念準確、條理清晰、內容精練、重點突出、理論聯系實際。
本書可作為人工智能、計算機科學與技術、電子信息、遙感測繪、土木工程、機械工程等理工科專業的人工智能導論課程（或通識課程）教材，也可供相關領域的科技人員參考使用。
人工智能導論(微課版) 目錄
【章名目錄】第 1章 人工智能概述第 2章 問題求解與搜索技術第3章 歸結推理及其應用第4章 不確定性推理與專家系統第5章 演化搜索和群集智能第6章 機器學習【章名目錄】
第 1章 人工智能概述
第 2章 問題求解與搜索技術
第3章 歸結推理及其應用
第4章 不確定性推理與專家系統
第5章 演化搜索和群集智能
第6章 機器學習
第7章 神經生理基礎和神經網絡
第8章 視覺感知與智能視覺
第9章 聽覺感知與智能聽覺
第 10章 語言智能處理
第 11章 智能機器
第 12章 未來人工智能的展望【詳細目錄】
第 1章 人工智能概述 1
1.1 人類智能與人工智能 1
1.1.1 數據和信息的關系 2
1.1.2 人的認知過程 3
1.1.3 機器對人認知過程的模擬 4
1.1.4 知識、智力和智能之間的關系 6
1.2 人工智能的不同學派 7
1.2.1 符號主義學派 7
1.2.2 聯結主義學派 8
1.2.3 行為主義學派 8
1.3 人工智能的發展 9
1.3.1 人工智能的孕育期 9
1.3.2 人工智能的形成期 9
1.3.3 基于知識的系統 10
1.3.4 神經網絡的復興 10
1.3.5 機器學習大發展 11
1.4 人工智能的基本技術 12
1.4.1 搜索技術 12
1.4.2 知識表示 12
1.4.3 抽象、歸納和推理 13
1.4.4 計算神經理論 13
1.4.5 認知計算 13
1.4.6 知識工程 15
1.4.7 自然語言處理 15
1.4.8 智能機器人 15
習題 16第 2章 問題求解與搜索技術 17
2.1 問題的狀態和狀態空間 17
2.1.1 狀態空間的定義和一般搜索方法 17
2.1.2 問題特征分析 20
2.2 盲目搜索方法 23
2.3 啟發式搜索方法 25
2.3.1 啟發式信息的表示 25
2.3.2 啟發式函數設計的原則 26
2.4 “弱搜索”方法 30
2.4.1 生成測試法 31
2.4.2 爬山算法 31
2.4.3 *佳優先搜索算法 32
2.4.4 模擬退火算法 33
2.5 博弈與搜索 34
2.5.1 有關博弈的問題 34
2.5.2 極小極大搜索算法 35
2.5.3 α-β剪枝算法 39
習題 43第3章 歸結推理及其應用 45
3.1 邏輯表示法 45
3.1.1 一階謂詞邏輯 45
3.1.2 邏輯表示法的特點 48
3.2 命題演算的歸結方法 48
3.2.1 基本概念 48
3.2.2 命題演算的歸結步驟 49
3.3 謂詞演算的歸結方法 50
3.3.1 謂詞演算的基本問題 50
3.3.2 將謂詞公式化成子句的步驟 50
3.3.3 合一算法 52
3.3.4 變量分離標準化 54
3.3.5 謂詞演算的歸結算法 55
習題 55第4章 不確定性推理與專家系統 57
4.1 不確定性推理 57
4.1.1 不確定性推理形成的原因 57
4.1.2 不確定性推理方法 58
4.2 專家系統 61
4.2.1 專家系統的定義 62
4.2.2 專家系統的特征 63
4.2.3 專家系統的分類 64
4.2.4 專家系統的結構 66
4.2.5 專家系統的優缺點 67
4.3 MYCIN專家系統 68
4.3.1 MYCIN系統概況 68
4.3.2 MYCIN系統組成 68
4.3.3 知識庫構造 69
4.3.4 推理機制 70
習題 72第5章 演化搜索和群集智能 74
5.1 遺傳算法 74
5.1.1 遺傳算法的發展背景 74
5.1.2 遺傳學與遺傳算法的基本思想 75
5.1.3 遺傳算法常用術語介紹 76
5.1.4 遺傳算法的步驟 77
5.1.5 遺傳算法應用舉例 83
5.2 蟻群算法 85
5.2.1 蟻群算法的模擬實驗和理論 85
5.2.2 基本蟻群算法及流程 88
5.3 鳥群算法 90
5.4 粒子群算法 92
5.4.1 粒子群算法的發展背景 92
5.4.2 粒子群算法的基本思想 92
5.4.3 粒子群算法的基本流程 94
5.4.4 粒子群算法和遺傳算法的比較 94
習題 95第6章 機器學習 97
6.1 機器學習與監督學習 97
6.2 K近鄰算法 101
6.2.1 KNN算法介紹 101
6.2.2 距離計算 101
6.2.3 K值選擇 103
6.2.4 KNN算法的特點 103
6.2.5 KNN算法的應用舉例 104
6.3 決策樹 105
6.3.1 決策樹的基本理論 105
6.3.2 ID3算法 107
6.3.3 C4.5算法 110
6.3.4 CART算法 112
6.3.5 三種決策樹算法的對比 114
6.4 樸素貝葉斯 114
6.4.1 樸素貝葉斯算法的核心思想 115
6.4.2 貝葉斯公式與條件獨立假設 116
6.4.3 樸素貝葉斯分類實例 118
6.4.4 樸素貝葉斯與連續值特征 119
6.5 支持向量機 120
6.5.1 支持向量的概念 121
6.5.2 支持向量機優化 124
6.5.3 軟間隔 125
6.5.4 核函數 127
6.5.5 支持向量機的優缺點分析 128
6.6 聚類算法 128
6.6.1 K均值算法 129
6.6.2 DBSCAN聚類算法 131
6.6.3 均值漂移聚類算法 134
6.7 回歸分析 136
6.7.1 線性回歸 137
6.7.2 邏輯回歸 137
6.7.3 多項式回歸 139
6.8 降維模型 140
6.8.1 PCA算法簡介 140
6.8.2 PCA算法的原理 141
6.8.3 PCA算法的應用實例 147
6.9 關聯分析 147
6.9.1 關聯分析的原理 148
6.9.2 Apriori算法 150
6.10 PageRank算法 153
6.10.1 PageRank算法的定義和推導 153
6.10.2 PageRank算法的矩陣化分析 155
6.11 馬爾可夫模型 157
6.11.1 馬爾可夫模型的原理和概念 157
6.11.2 遞推公式的改進 159
習題 160第7章 神經生理基礎和神經網絡 164
7.1 腦系統 164
7.2 神經系統和突觸傳遞 166
7.2.1 神經系統 166
7.2.2 突觸傳遞 167
7.3 人工神經網絡 167
7.3.1 人工神經網絡的概念 167
7.3.2 人工神經網絡的發展 168
7.3.3 人工神經網絡的特點 170
7.3.4 人工神經網絡的結構 172
7.4 反向傳播算法 176
7.4.1 反向傳播算法概述 176
7.4.2 反向傳播算法的優缺點 180
7.5 卷積神經網絡 181
7.5.1 卷積神經網絡的結構 181
7.5.2 輸入層 181
7.5.3 卷積層 182
7.5.4 激活層 188
7.5.5 池化層 189
7.5.6 全連接層 191
7.5.7 二維卷積與三維卷積 191
7.5.8 反卷積 192
7.5.9 卷積神經網絡凸顯共性的方法 193
7.5.10 局部卷積 194
7.5.11 卷積神經網絡的參數設置 196
7.5.12 卷積神經網絡的泛化提升 196
7.6 常見的深度卷積神經網絡模型 197
7.6.1 LeNet5模型 197
7.6.2 AlexNet模型 198
7.6.3 VGG模型 199
7.6.4 GoogleNet模型 201
7.6.5 ResNet模型 203
習題 205第8章 視覺感知與智能視覺 207
8.1 視覺感知 207
8.1.1 人眼視覺的起源 207
8.1.2 人眼的結構 208
8.1.3 光感受器和人眼的光譜靈敏度 209
8.1.4 人眼視覺的適應性 211
8.1.5 圖像的數字化 213
8.1.6 人眼的視覺顏色空間 216
8.2 智能視覺 218
8.2.1 基于內容的圖像檢索 218
8.2.2 行人重識別 226
8.2.3 目標檢測 228
8.2.4 圖像超分辨率重建 239
8.2.5 圖像分割 242
習題 245第9章 聽覺感知與智能聽覺 246
9.1 聽覺感知 246
9.1.1 聲音的特性 246
9.1.2 語音的特性 248
9.1.3 聽覺系統 250
9.1.4 語音編碼 255
9.1.5 空間音頻 257
9.2 智能聽覺 259
9.2.1 語音增強技術 260
9.2.2 近端聽音增強 263
習題 267第 10章 語言智能處理 268
10.1 自然語言處理的發展歷程 268
10.2 基于規則的自然語言處理 269
10.3 語言處理的統計模型 272
10.3.1 統計語言模型 273
10.3.2 隱馬爾可夫模型 274
10.3.3 *大熵模型 275
10.4 自然語言處理的深度學習模型 276
習題 281第 11章 智能機器 282
11.1 機器人 282
11.2 無人機 284
11.3 無人車 285
11.3.1 無人車的研究發展階段 285
11.3.2 無人車的組成和關鍵技術 287
11.4 類腦智能 288
11.4.1 類腦智能簡介 288
11.4.2 類腦智能的研究目標和挑戰 289
11.4.3 類腦智能的發展思路和腦科學計劃 289
11.4.4 類腦智能技術的體系 290
11.5 混合智能 292
習題 294第 12章 未來人工智能的展望 295
12.1 人工智能的發展現狀總結 295
12.2 未來的人工智能 297
習題 304
展開全部
人工智能導論(微課版) 作者簡介
劉華俊: 博士，武漢大學副教授，2011年12月畢業于武漢大學計算機應用系，主要從事人工智能、計算機視覺等方面的研究。2019年度高校計算機專業優秀教師獎勵計劃獲獎者，CCF計算機專業名師工作坊“計算機導論”課程組組長，武漢大學通識課程崗位351人才計劃珞珈青年學者。
書友推薦
- >
李白與唐代文化
- >
羅曼·羅蘭讀書隨筆-精裝
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
- >
羅庸西南聯大授課錄
- >
伯納黛特,你要去哪(2021新版)
- >
推拿
- >
自卑與超越
本類暢銷
