輕松入門機器學習，理論實戰(zhàn)并重，適合零基礎學習者。
電子書
編輯推薦
本書系統(tǒng)地闡述了人工智能的基本理論、基本技術、研究方法和應用領域。
內(nèi)容簡介
全書共分為8章，內(nèi)容涉及人工智能的基本概念、知識工程、確定性推理和不確定性推理、搜索與優(yōu)化策略、機器學習、人工神經(jīng)網(wǎng)絡與深度學習，以及模式識別、自然語言處理和多智能體等。
章節(jié)目錄
- 封面
- 書名頁
- 版權頁
- 前言
- 目錄
- 第1章 緒論
- 1.1 什么是人工智能
- 1.1.1 關于智能
- 1.1.2 人工智能的研究目標
- 1.2 人工智能發(fā)展簡史
- 1.3 人工智能的研究方法
- 1.3.1 人工智能的研究特點
- 1.3.2 人工智能的研究途徑
- 1.3.3 人工智能研究資源
- 1.4 人工智能研究及應用領域
- 1.4.1 模式識別
- 1.4.2 自然語言處理
- 1.4.3 機器學習與數(shù)據(jù)挖掘
- 1.4.4 人工神經(jīng)網(wǎng)絡與深度學習
- 1.4.5 博弈
- 1.4.6 多智能體
- 1.4.7 專家系統(tǒng)
- 1.4.8 計算機視覺
- 1.4.9 自動定理證明
- 1.4.10 智能控制
- 1.4.11 機器人學
- 1.4.12 人工生命
- 1.5 本章小結
- 習題
- 第2章 知識工程
- 2.1 概述
- 2.2 知識表示方法
- 2.2.1 經(jīng)典邏輯表示法
- 2.2.2 產(chǎn)生式表示法
- 2.2.3 層次結構表示法
- 2.2.4 網(wǎng)絡結構表示法
- 2.2.5 其他表示法
- 2.3 知識獲取與管理
- 2.3.1 知識獲取的任務
- 2.3.2 知識獲取的方式
- 2.3.3 知識管理
- 2.3.4 本體論
- 2.3.5 知識圖譜
- 2.4 基于知識的系統(tǒng)
- 2.4.1 什么是知識系統(tǒng)
- 2.4.2 專家系統(tǒng)
- 2.4.3 問答系統(tǒng)
- 2.4.4 知識系統(tǒng)舉例
- 2.5 本章小結
- 習題
- 第3章 確定性推理
- 3.1 概述
- 3.1.1 推理方式與分類
- 3.1.2 推理控制策略
- 3.1.3 知識匹配
- 3.2 自然演繹推理
- 3.3 歸結演繹推理
- 3.3.1 歸結原理
- 3.3.2 歸結策略
- 3.3.3 應用歸結原理求解問題
- 3.4 與或形演繹推理
- 3.4.1 與或形正向演繹推理
- 3.4.2 與或形逆向演繹推理
- 3.4.3 與或形雙向演繹推理
- 3.5 本章小結
- 習題
- 第4章 不確定性推理
- 4.1 概述
- 4.2 基本概率方法
- 4.3 主觀貝葉斯方法
- 4.3.1 不確定性的表示
- 4.3.2 不確定性的傳遞算法
- 4.3.3 結論不確定性的合成算法
- 4.4 可信度方法
- 4.4.1 基本可信度模型
- 4.4.2 帶閾值限度的可信度模型
- 4.4.3 加權的可信度模型
- 4.4.4 前件帶不確定性的可信度模型
- 4.5 模糊推理
- 4.5.1 模糊理論
- 4.5.2 簡單模糊推理
- 4.5.3 模糊三段論推理
- 4.5.4 多維模糊推理
- 4.5.5 多重模糊推理
- 4.5.6 帶有可信度因子的模糊推理
- 4.6 證據(jù)理論
- 4.6.1 D-S理論
- 4.6.2 基于證據(jù)理論的不確定性推理
- 4.7 粗糙集理論
- 4.7.1 粗糙集理論的基本概念
- 4.7.2 粗糙集在知識發(fā)現(xiàn)中的應用
- 4.8 本章小結
- 習題
- 第5章 搜索與優(yōu)化策略
- 5.1 概述
- 5.1.1 什么是搜索
- 5.1.2 狀態(tài)空間表示法
- 5.1.3 與或樹表示法
- 5.2 狀態(tài)空間搜索
- 5.2.1 狀態(tài)空間的一般搜索過程
- 5.2.2 廣度優(yōu)先搜索
- 5.2.3 深度優(yōu)先搜索
- 5.2.4 有界深度優(yōu)先搜索
- 5.2.5 啟發(fā)式搜索
- 5.2.6 A?算法
- 5.3 與或樹搜索
- 5.3.1 與或樹的一般搜索過程
- 5.3.2 與或樹的廣度優(yōu)先搜索
- 5.3.3 與或樹的深度優(yōu)先搜索
- 5.3.4 與或樹的有序搜索
- 5.3.5 博弈樹的啟發(fā)式搜索
- 5.3.6 剪枝技術
- 5.3.7 人機對弈與AlphaGo
- 5.4 智能優(yōu)化搜索
- 5.4.1 NP問題
- 5.4.2 優(yōu)化問題
- 5.4.3 遺傳算法
- 5.4.4 蟻群算法
- 5.4.5 粒子群算法
- 5.4.6 智能優(yōu)化搜索應用案例
- 5.5 本章小結
- 習題
- 第6章 機器學習
- 6.1 概述
- 6.1.1 什么是機器學習
- 6.1.2 機器學習方法分類
- 6.1.3 機器學習的基本問題
- 6.1.4 評估學習結果
- 6.2 決策樹學習
- 6.2.1 決策樹表示法
- 6.2.2 ID3算法
- 6.2.3 決策樹學習的常見問題
- 6.2.4 隨機森林算法
- 6.2.5 決策樹學習應用案例
- 6.3 貝葉斯學習
- 6.3.1 貝葉斯法則
- 6.3.2 樸素貝葉斯方法
- 6.3.3 貝葉斯網(wǎng)絡
- 6.3.4 EM算法
- 6.3.5 貝葉斯學習應用案例
- 6.4 統(tǒng)計學習
- 6.4.1 小樣本統(tǒng)計學習理論
- 6.4.2 支持向量機
- 6.4.3 核函數(shù)
- 6.4.4 支持向量機應用案例
- 6.5 聚類
- 6.5.1 聚類問題
- 6.5.2 分層聚類方法
- 6.5.3 劃分聚類方法
- 6.5.4 基于密度的聚類方法
- 6.5.5 基于網(wǎng)格的聚類方法
- 6.5.6 聚類算法應用案例
- 6.6 特征選擇與表示學習
- 6.6.1 特征提取與選擇
- 6.6.2 常用的特征函數(shù)
- 6.6.3 主成分分析
- 6.6.4 表示學習
- 6.6.5 表示學習應用案例
- 6.7 其他學習方法
- 6.7.1 k近鄰算法
- 6.7.2 強化學習
- 6.7.3 隱馬爾可夫模型
- 6.8 本章小結
- 習題
- 第7章 人工神經(jīng)網(wǎng)絡與深度學習
- 7.1 概述
- 7.1.1 人腦神經(jīng)系統(tǒng)
- 7.1.2 人工神經(jīng)網(wǎng)絡的研究內(nèi)容與特點
- 7.1.3 人工神經(jīng)網(wǎng)絡基本形態(tài)
- 7.1.4 深度學習
- 7.2 前饋神經(jīng)網(wǎng)絡
- 7.2.1 感知器模型
- 7.2.2 反向傳播算法
- 7.2.3 卷積神經(jīng)網(wǎng)絡
- 7.2.4 前饋神經(jīng)網(wǎng)絡應用案例
- 7.3 反饋神經(jīng)網(wǎng)絡
- 7.3.1 循環(huán)神經(jīng)網(wǎng)絡
- 7.3.2 長短期記憶網(wǎng)絡
- 7.3.3 雙向循環(huán)神經(jīng)網(wǎng)絡
- 7.3.4 反饋神經(jīng)網(wǎng)絡應用案例
- 7.4 本章小結
- 習題
- 第8章 人工智能的其他領域
- 8.1 模式識別
- 8.1.1 模式識別的基本問題
- 8.1.2 圖像識別
- 8.1.3 人臉識別
- 8.2 自然語言處理
- 8.2.1 自然語言處理的基本問題
- 8.2.2 信息檢索
- 8.2.3 機器翻譯
- 8.2.4 自動問答
- 8.3 多智能體
- 8.3.1 多智能體系統(tǒng)模型
- 8.3.2 多智能體系統(tǒng)的學習與協(xié)作
- 8.3.3 多智能體系統(tǒng)的主要研究內(nèi)容
- 8.3.4 多智能體系統(tǒng)應用案例
- 8.4 本章小結
- 習題
- 參考文獻
- 封底
展開全部
人工智能導論（第2版）是2020年由機械工業(yè)出版社出版,作者鮑軍鵬。
溫馨提示：
1.本電子書已獲得正版授權，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費之后概不接收任何理由退款。電子書內(nèi)容僅支持在線閱讀，不支持下載。
3.您在本站購買的閱讀使用權僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關后果本平臺保留向您追償索賠的權利！版權所有，后果自負！
得書感謝您對《人工智能導論（第2版）》關注和支持，如本書內(nèi)容有不良信息或侵權等情形的，請聯(lián)系本網(wǎng)站。
電子書
電子書
電子書
電子書
電子書
電子書
一本寫給青少年看的人工智能科普圖書，目的是幫助小讀者們啟蒙科學素養(yǎng)，開闊科學視野，培養(yǎng)科學思維，鍛煉動手能力，讓小讀者們了解人工智能的過去、現(xiàn)在和未來，從而更好地融入人工智能時代。
電子書
電子書
本教材共分9章：第1章計算機技術與計算思維基礎、第2章計算機中信息表示、第3章計算機系統(tǒng)基本組成和基本工作原理、第4章互聯(lián)網(wǎng)與物聯(lián)網(wǎng)、第5章計算機新技術、第6章計算機求解問題基礎、第7章人工智能概述、第8章搜索與博弈和第9章機器學習。
