解惑人工智能

定　價：￥45.00

作　者：	丁圣勇，樊勇兵著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115494023	出版時間：	2018-10-01	包裝：	平裝
開本：	小16開	頁數：	116	字數：

內容簡介

　　本書旨在為讀者提供相對系統(tǒng)的人工智能介紹，包括人工智能概念、發(fā)展歷程、涉及的數學背景、傳統(tǒng)的機器學習方法以及深度學習方法等，同時也談及一些政策、標準及產業(yè)方面的宏觀問題，試圖幫助讀者理清人工智能的現狀及未來。全書簡明扼要，揭示一些本質的技術但又不過于深入細節(jié)，以期為人工智能入門讀者提供相對系統(tǒng)的信息參考。本書適合從事人工智能相關工作的技術人員、管理人員以及對人工智能感興趣、希望快速了解人工智能技術的人員閱讀，也可作為高等院校相關專業(yè)學生的學習參考資料。

作者簡介

　　作者近年來研究深度學習及相關應用，對人工智能的概念、技術、應用都有深入的了解，在國內外期刊和會議都發(fā)表過多篇深度學習相關論文，擁有多項專利。

圖書目錄

第 1 章人工智能概述 1
Q1．什么是人工智能？　2
Q2．人工智能與其他學科的關系　3
Q3．人工智能經歷過哪些興衰？　4
Q4．人工智能有哪些學派？　5
Q5．人工智能為什么受追捧？　7
Q6．人工智能會在哪些行業(yè)引起變革？　8
Q7．深度學習是人工智能的最終方案嗎？　8
Q8．學習人工智能需要哪些基礎？　9
Q9．目前有哪些人工智能公司？　9
Q10．人工智能對人類發(fā)展有什么影響？　10
Q11．人工智能如何評估效果？　11
Q12．人工智能有哪些關鍵問題亟待解決？　11
Q13．人工智能與大數據有什么關系？　12
Q14．人工智能是否需要特殊硬件？　13
Q15．是否需要人工智能標準　14
Q16．人工智能為什么擅長處理圖像和語音信號？　15
Q17．人工智能未來在云端還是客戶端？　15
Q18．人工智能會變革產業(yè)鏈條嗎？　16
Q19．人工智能不再需要傳統(tǒng)算法嗎？　17
Q20．人工智能如何產生和使用？　18
Q21．通用人工智能能否實現？　18
第　2 章機器學習　19
Q22．機器學習需要哪些數學知識？　20
Q23．機器學習如何轉化為數學問題？　21
Q24．什么是局部最優(yōu)和全局最優(yōu)？　22
Q25．什么是梯度下降法？　23
Q26．什么是步長？　24
Q27．什么是機器學習？　25
Q28．機器學習基礎的理論是什么？　25
Q29．什么是有監(jiān)督學習？　26
Q30．什么是無監(jiān)督學習？　27
Q31．什么是弱監(jiān)督學習？　28
Q32．什么是參數模型和非參數模型？　29
Q33．為什么無監(jiān)督學習重要？　30
Q34．什么是遷移學習？　30
Q35．什么是強化學習？　31
Q36．什么是機器學習的特征？　32
Q37．什么是貝葉斯模型？　33
Q38．什么是決策樹？　35
Q39．什么是隨機森林？　38
Q40．什么是支持向量機？　39
Q41．什么是分布？　45
Q42．什么是最大似然估計？　46
Q43．什么是EM算法？　47
Q44．什么是集成學習？　48
Q45．什么是聚類？　50
第　3 章深度學習　53
Q46．什么是神經網絡？　54
Q47．什么是前向傳播？　57
Q48．什么是損失函數？　59
Q49．什么是Softmax？　60
Q50．什么是反向傳播？　63
Q51．什么是深度學習？　66
Q52．如何理解深度學習的低層特征和高層特征？　67
Q53．什么是梯度消失？　68
Q54．什么是卷積神經網絡？　69
Q55．怎樣來設計網絡結構？　71
Q56．什么是殘差網絡？　72
Q57．什么是特征圖？　74
Q58．什么是卷積？　74
Q59．什么是感受野？　76
Q60．什么是自編碼網絡？　77
Q61．什么是深度置信網絡？　80
Q62．什么是遞歸神經網絡？　81
Q63．什么是生成對抗網絡？　83
Q64．生成對抗網絡為什么難訓練？　86
Q65．對抗網絡有哪些改進？　86
Q66．生成對抗網絡有什么用？　87
Q67．神經網絡如何輕量化？　87
第　4 章人工智能應用　89
Q68．機器學習與應用系統(tǒng)的關系？　90
Q69．文本為什么需要處理成向量？　91
Q70．如何利用深度學習表示文本向量？　91
Q71．深度學習怎么實現機器翻譯？　92
Q72．圖像視頻如何表示？　93
Q73．有哪些關鍵的圖像任務？　94
Q74．圖像智能化的難點是什么？　95
Q75．圖像智能化的流程是什么？　96
Q76．深度學習如何識別圖像？　96
Q77．物體檢測的基本原理是什么？　98
Q78．人臉檢測怎么做？　99
Q79．人臉關鍵點定位怎么做？　100
Q80．人臉特征如何抽取？　101
Q81．什么是1：1人臉識別？　102
Q82．什么是1：　N人臉識別？　102
Q83．人臉識別效果如何評價？　103
Q84．人臉識別是否安全？　104
Q85．視頻識別怎么做？　104
Q86．什么是風格轉移？　105
Q87．風格轉移的原理是什么？　106
Q88．神經網絡如何做超分辨率重構？　106
Q89．什么是ImageNet？　107
Q90．什么是PASCAL數據集？　108
Q91．什么是LFW數據集？　108
第　5 章機器學習開源平臺　109
Q92．什么是機器學習開源平臺？　110
Q93．設計機器學習平臺需要考慮哪些因素？　110
Q94．為什么需要機器學習開源平臺？　112
Q95．什么是人工智能云服務？　112
Q96．為什么有多個開源機器學習平臺？　113
Q97．有哪些主要開源機器學習平臺？　114
Q98．如何選擇機器學習開源平臺？　114
Q99．公司需要自主開發(fā)機器學習平臺嗎？　115
Q100．機器學習開源平臺與其他開源平臺關系如何？　116