欧美一级特黄aaaaaaa在线观看-欧美一级特黄aaaaaa在线看片-欧美一级特黄aa大片-欧美一级特黄刺激大片视频-深夜久久-深夜激情网站

熱門關鍵字:  聽力密碼  單詞密碼  新概念美語  巧用聽寫練聽力  零起點
圖書信息

人工智能導論

中國水利水電出版社
    【作 者】主編 王飛 潘立武 【I S B N 】978-7-5226-0456-5 【責任編輯】石永峰 【適用讀者群】本專通用 【出版時間】2022-03-31 【開 本】16開 【裝幀信息】平裝(光膜) 【版 次】第1版第1次印刷 【頁 數】248 【千字數】387 【印 張】15.5 【定 價】45 【叢 書】普通高等教育通識類課程規劃教材 【備注信息】
圖書詳情

    本書分為9章,包括緒論、知識表示與推理、圖搜索技術和問題求解、智能優化算法、機器學習、人工神經網絡與深度學習、專家系統、模式識別與機器視覺、強化學習與生成對抗網絡。

    本書力求在講解人工智能基礎的前提下,對應用型的人工智能前沿知識理論和科技成果進行展現,結構組織合理,理論與實踐相結合,對讀者的層次和理解能力進行了充分考慮,并提供了多種流行人工智能框架的實用案例。

    本書適合作為高等院校人工智能基礎課程的教材,也可以作為人工智能應用開發工程師及相關科技人員的參考用書。

    本書提供案例源代碼和電子課件,讀者可以從中國水利水電出版社網站(www.waterpub.com.cn)或萬水書苑網站(www.dgboyong.cn)免費下載。

    內容全面:涵蓋了人工智能體系相關的大部分理論和技術知識。

    實踐突出:書中提供了目前流行的多種人工智能框架實用案例。

    針對性強:面向應用型本科,文理兼顧,符合大學生認知水平。

    資源豐富:配套微課、課件、源碼等資源,方便讀者學習使用。

    人工智能是當今社會的熱點領域,它產生于20世紀前期,經過漫長的發展,隨著計算機硬件的高速迭代更新,2012年在深度學習應用的支撐下再次引起了人們的注意。其中,最為亮眼的是Hiton大師的課題組首次參加ImageNet圖像識別比賽,AlexNet先生就得到該項賽事的冠軍。

    新近出臺的《國家“十四五”發展綱要》也在人工智能領域留下了積極的發展信號,順應時代需求并為國家的發展不斷注入新的動力是中華兒女永遠不應背棄的追求。在這種新形勢和新周期的循環下,對大學生進行人工智能的理論和技術培養是一項任重而道遠的活動。由于深入研究并非一日之功,實際應用可能更平易近人,因此本書針對應用型本科學生和教師的特點,盡量在吸收前人對人工智能教育所做出的貢獻的基礎上,全面講述人工智能所涉及的基礎理論和它們的有趣應用,以培養大學生的人工智能素養。

    本書編者長期從事人工智能導論課程的教授及應用,市面上的人工智能導論類教材內容較深,對于應用型本科的學生來說學習梯度過于陡峭,而過于簡單的科普類人工智能導論教材對于本科生來說又過于淺顯。所以,編寫一本針對應用型本科、文理兼顧,同時又有一定的實踐性的教材是我們編寫本書的初衷。在遵循人工智能理論完整性和與經典教材一致的基礎上,本書編者結合當前跨時代大學生群體的認知能力和認知愛好,并根據學習的需求將本書分為9章。本書內容涵蓋人工智能當前流行的大部分理論和技術知識,并以實踐應用為特色。本書以滿足應用型本科的人工智能選修和必修課程教學需求為主,同時也期望可以為其他層次的高等教育進行人工智能的理論啟蒙。

    本書由河南牧業經濟學院王飛、潘立武任主編,河南牧業經濟學院王佳、河南省職工醫院朱彥霞、嘉興學院李端任副主編。編寫分工如下:第1章、第2章由王佳編寫,第3章和第9章由王飛編寫,第4~5章由朱彥霞編寫,第7~8章由潘立武編寫,第6章由李端編寫。全書由連衛民審稿,王飛統稿。

    在本書的編寫過程中我們得到了許多同行的幫助和支持,參閱了大量的相關資料,在此向各位同行和相關作者表示誠摯的感謝。其中,鄭州科技學院的秦亞紅、杜遠坤,河南牧業經濟學院的李丹、扈少華,鄭州棉麻工程研究所的夏彬,蘇州大學的高影俊,許昌學院的路凱等也參與了本書編寫工作,對書稿的細節提出了寶貴意見。

    由于編者水平有限和人工智能技術發展迅速,書中難免存在疏漏之處,懇請廣大讀者批評和指正。

    編 者

    2022年1月

    第1章 緒論 1
    1.1 人工智能概論 1
    1.1.1 人工智能的定義 1
    1.1.2 人工智能的發展史及流派 3
    1.1.3 人工智能的研究目標和意義 7
    1.1.4 人工智能的研究途徑 8
    1.2 人工智能的現在和未來 9
    1.2.1 人工智能的研究領域 10
    1.2.2 人工智能的發展趨勢 13
    1.3 本章小結 14
    習題1 15
    第2章 知識表示與推理 17
    2.1 知識表示 17
    2.1.1 知識的概念 17
    2.1.2 知識的分類和特性 18
    2.1.3 產生式表示法 20
    2.1.4 框架表示法 23
    2.1.5 其他表示法 26
    2.2 知識推理 30
    2.2.1 不確定性推理的概念和分類 30
    2.2.2 概率推理 32
    2.2.3 主觀Bayes方法 35
    2.2.4 可信度方法 37
    2.2.5 模糊推理 40
    2.3 本章小結 46
    習題2 46
    第3章 圖搜索技術和問題求解 49
    3.1 搜索策略概述 49
    3.1.1 狀態空間表示法 50
    3.1.2 盲目搜索 50
    3.1.3 啟發式搜索 52
    3.1.4 博弈搜索 57
    3.2 狀態圖的搜索 60
    3.2.1 狀態圖搜索策略 61
    3.2.2 博弈樹搜索策略 64
    3.3 實戰—應用爬蟲爬取新聞報道 69
    3.4 本章小結 71
    習題3 72
    第4章 智能優化算法 74
    4.1 智能優化算法概述 74
    4.1.1 智能優化算法的相關概念 74
    4.1.2 智能優化算法的分類 76
    4.2 進化算法 80
    4.2.1 遺傳算法 80
    4.2.2 其他進化算法 85
    4.3 集群智能算法 86
    4.3.1 蟻群算法 86
    4.3.2 粒子群算法 90
    4.4 其他智能優化算法 93
    4.4.1 模擬退火算法 93
    4.4.2 禁忌搜索算法 96
    4.5 實戰—應用遺傳算法解決問題 100
    4.6 本章小結 106
    習題4 107
    第5章 機器學習 109
    5.1 機器學習概述 109
    5.1.1 機器學習的發展與分類 109
    5.1.2 監督學習 112
    5.1.3 無監督學習 117
    5.1.4 半監督學習 119
    5.1.5 強化學習 122
    5.2 符號學習 123
    5.2.1 記憶學習 123
    5.2.2 歸納學習 124
    5.2.3 演繹學習 134
    5.3 實戰—線性回歸與決策樹 134
    5.3.1 使用線性回歸預測房價 134
    5.3.2 使用決策樹預測房價 144
    5.4 本章小結 147
    習題5 148
    第6章 人工神經網絡與深度學習 150
    6.1 人工神經網絡 150
    6.1.1 神經元與神經網絡 150
    6.1.2 神經網絡的類型 154
    6.1.3 BP神經網絡 155
    6.2 深度學習 156
    6.2.1 深度學習與卷積網絡 156
    6.2.2 textCNN模型 166
    6.3 實戰—使用BP與CNN完成手寫數字識別 169
    6.3.1 BP網絡手寫數字識別 169
    6.3.2 CNN手寫數字識別 172
    6.4 本章小結 175
    習題6 176
    第7章 專家系統 177
    7.1 專家系統概述 177
    7.1.1 專家系統的發展 177
    7.1.2 專家系統的定義與特點 179
    7.1.3 專家系統的分類 180
    7.2 專家系統的原理 181
    7.2.1 專家系統的一般結構 182
    7.2.2 專家系統的基本工作原理 183
    7.3 專家系統的開發過程 184
    7.3.1 知識獲取和知識工程 184
    7.3.2 專家系統的開發步驟 185
    7.3.3 專家系統開發工具 188
    7.4 專家系統實例 189
    7.5 本章小結 193
    習題7 193
    第8章 模式識別與機器視覺 195
    8.1 模式識別 195
    8.1.1 模式識別的基本概念 195
    8.1.2 模式識別的方法 196
    8.1.3 模式識別過程 196
    8.1.4 模式識別應用 198
    8.2 機器視覺 199
    8.2.1 機器視覺的定義和構成 199
    8.2.2 機器視覺的分類和應用 202
    8.2.3 圖像識別 204
    8.2.4 人臉識別 206
    8.3 實戰—人臉表情識別 209
    8.3.1 人臉表情識別的常用方法 209
    8.3.2 實戰—基于深度學習的人臉
    表情識別系統 210
    8.4 本章小結 215
    習題8 215
    第9章 強化學習與生成對抗網絡 217
    9.1 強化學習概述 217
    9.1.1 強化學習基礎 218
    9.1.2 強化學習分類 221
    9.1.3 強化學習的應用 223
    9.2 生成對抗網絡概述 225
    9.2.1 生成對抗模型 225
    9.2.2 生成對抗模型的數學原理 229
    9.2.3 生成對抗網絡的實際應用 232
    9.3 實戰—基于StyleGAN-v2實現顏值融合 235
    9.4 本章小結 238
    習題9 239
    參考文獻 241
最新評論共有 0 位網友發表了評論
發表評論
評論內容:不能超過250字,需審核,請自覺遵守互聯網相關政策法規。
用戶名: 密碼:
匿名?
注冊
主站蜘蛛池模板: 制服丝袜怡红院| 亚洲不卡影院| 日本一区二区日本免费| 国产黄频在线观看高清免费| 亚洲图区综合网| 黄篇网站在线观看| 亚洲综合色婷婷中文字幕| 很黄很色视频| 亚洲国产精品久久婷婷| 国产精品四虎在线观看免费| 视频二区中文字幕| 成人伊人网| 美女很黄很黄是免费的·无遮挡网站| 日本精品久久| v视界成人影院在线视频| 视频国产91| 97精品伊人久久大香线蕉| 美女扒开双腿让男人爽透视频 | 国产综合视频在线观看一区| 亚洲综合色网站| 国产精品福利一区| 女人张腿给男人桶视频免费版 | 一区二区三区四区日韩| 国产综合成人观看在线| 色网站在线视频| 91免费国产| 精品一区二区三区四区| 亚洲国产韩国一区二区| 99视频在线精品免费| 久久国内视频| 亚洲精品久中文字幕| 成人精品视频在线观看| 久久精品综合网| 亚洲人成小说| 99ri国产在线| 韩国美女免费网站视频| 色鬼综合| 伊人久久中文字幕| swag系列国产精品| 狠狠做久久深爱婷婷97动漫| 日本理论片在线播放|