掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能 版權信息
- ISBN：9787302612797
- 條形碼：9787302612797 ; 978-7-302-61279-7
- 裝幀：80g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能 本書特色
系統梳理人工智能的知識體系，詳盡介紹人工智能的核心基礎和原理，人工智能的必讀之作。 本書主編為圖靈獎得主姚期智院士，系統梳理人工智能知識體系并介紹核心基礎和原理。
人工智能 內容簡介
《人工智能》選取人工智能的9個核心方向，包括搜索、機器學習、線性回歸、決策樹、集成學習、神經網絡、計算機視覺、自然語言處理與強化學習，系統梳理關鍵知識點，并詳細介紹基礎原理與重要算法，同時，加入了對前沿知識的介紹與對核心成果的分析和說明。同時，書中的每一章均配備作業題與編程練習，讓讀者們在練習當中加深對算法與原理的理解。本書內容的選取建立在對大學人工智能教育知識體系的完整梳理之上；章節中對原理與具體的算法均進行了詳盡的介紹。
人工智能 目錄
目錄
第0章緒論
第1章數學基礎
1.1導數
1.1.1導數的定義
1.1.2高階導數與偏導數
1.1.3導數與函數極值
1.2概率論基礎
1.2.1事件與概率
1.2.2隨機變量與概率分布
1.2.3期望、方差與協方差
1.3矩陣基礎
習題
第2章搜索
引言
2.1搜索問題的定義
2.2搜索算法基礎
2.3盲目搜索
2.3.1圖搜索
2.3.2深度優先搜索
2.3.3寬度優先搜索
2.3.4復雜度分析及算法改進
2.4啟發式搜索
2.4.1貪婪搜索
2.4.2A*搜索算法
2.4.3A*搜索算法的*優性
2.4.4啟發函數的設計
2.4.5雙向搜索
2.5局部搜索
2.5.1爬山法
2.5.2模擬退火
2.5.3遺傳算法
2.6對抗搜索
2.6.1極小極大搜索
2.6.2AlphaBeta剪枝搜索
2.6.3蒙特卡羅樹搜索
本章總結
歷史回顧
習題
第3章機器學習
引言
3.1監督學習的概念
3.2數據集與損失函數
3.3泛化
3.4過擬合與欠擬合
3.5創建數據集
3.6無監督學習與半監督學習
3.6.1K平均算法
3.6.2譜聚類算法
本章總結
歷史回顧
習題
參考文獻
第4章線性回歸
引言
4.1線性回歸
4.2優化方法
4.3二分類問題
4.4多分類問題
4.5嶺回歸
4.6套索回歸
4.7支持向量機算法
本章總結
習題
第5章決策樹模型
引言
5.1決策樹的例子
5.2決策樹的定義
5.3決策樹的訓練算法
5.3.1葉子預測值的計算
5.3.2分割條件的選取
5.3.3決策樹結構的選擇
5.3.4防止過擬合
5.3.5偽代碼
5.3.6缺失值處理
5.3.7離散型特征處理方法與特征工程
本章總結
歷史回顧
習題
參考文獻
第6章集成學習
引言
6.1集成學習
6.1.1一個理想化模型
6.1.2引導聚集方法
6.1.3提升算法
6.2隨機森林
6.2.1隨機森林的算法描述
6.2.2關于隨機性的探討
6.3梯度提升
6.3.1梯度提升的概念
6.3.2梯度提升樹
6.3.3GBDT中的防過擬合方法
6.3.4GBDT的高效開源實現
本章總結
歷史回顧
習題
參考文獻
第7章神經網絡初步
引言
7.1深度線性網絡
7.2非線性神經網絡
7.3反向傳播計算導數
7.4優化器
7.5權值初始化
7.5.1Xavier初始化
7.5.2Kaiming初始化
7.6權值衰減
7.7權值共享與卷積
7.8循環神經網絡
本章總結
歷史回顧
習題
第8章計算機視覺
引言
8.1什么是計算機視覺
8.2圖像的形成
8.2.1小孔相機模型
8.2.2數字圖像
8.3線性濾波器
8.4邊緣檢測
8.5立體視覺
8.6卷積神經網絡
8.7物體檢測
8.8語義分割
本章總結
歷史回顧
習題
參考文獻
第9章自然語言處理
引言
9.1語言模型
9.1.1為什么需要語言模型？什么是語言模型？
9.1.2ngram模型
9.1.3*大似然估計
9.1.4困惑度
9.1.5實用技巧
9.1.6語言模型的應用
9.1.7字模型與詞模型
9.1.8中文與英文的差別
9.2向量語義
9.2.1語義
9.2.2詞向量
9.2.3Word2vec
9.2.4可視化示例
9.3基于神經網絡的語言模型處理
9.3.1基于神經網絡的bigram模型
9.3.2訓練神經網絡
9.3.3基于神經網絡的ngram模型
9.3.4基于LSTM的語言模型
9.4基于神經網絡的機器翻譯
9.4.1Seq2Seq模型
9.4.2生成*佳的輸出語句： Beam Search
9.4.3基于注意力機制的Seq2Seq模型
9.4.4Transformer模型
9.5語言模型預訓練
9.5.1GPT： generative pretrained Transformer
9.5.2BERT: bidirectional encoder representations from
Transformers
9.5.3判別式與生成式建模方式的討論
本章總結
歷史回顧
習題
第10章馬爾可夫決策過程與強化學習
引言
10.1馬爾可夫鏈
10.1.1例子
10.1.2馬爾可夫鏈定義
10.1.3馬爾可夫鏈穩態分布
10.2馬爾可夫決策過程
10.2.1路線規劃
10.2.2馬爾可夫決策過程的定義
10.3馬爾可夫決策過程的求解算法及分析
10.3.1馬爾可夫決策過程算法
10.3.2算法收斂性分析
10.4強化學習
10.4.1QLearning
10.4.2深度強化學習
本章總結
歷史回顧
參考文獻
習題
附錄A數學基礎
A.1導數
A.2概率
A.3矩陣
展開全部
人工智能 作者簡介
姚期智，中國科學院院士，2000年獲得計算機科學領域z高獎圖靈獎。現任清華大學交叉信息研究院院長、教授，清華學堂計算機科學實驗班（姚班）首席教授，主要研究方向為算法、密碼學、量子計算、人工智能。
書友推薦
- >
唐代進士錄
- >
月亮虎
- >
伊索寓言-世界文學名著典藏-全譯本
- >
回憶愛瑪儂
- >
姑媽的寶刀
- >
朝聞道
- >
經典常談
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
