人工智能基礎教程

定　價：￥22.00

作　者：	孫元強，羅繼秋著
出版社：	山東大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥22.00)

ISBN：	9787560764207	出版時間：	2019-08-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《人工智能基礎教程》簡要介紹了當今人工智能的主要技術，可粗略反映人工智能發(fā)展的軌跡。其中前七章主要介紹了感知機、支持向量機、樸素貝葉斯分類器、決策樹、聚類、文本處理等人工智能的基礎知識，側(cè)重充實貝葉斯統(tǒng)計推斷和馬爾可夫鏈；第八章“推理和計算”承前啟后，內(nèi)容是經(jīng)典的，思想源于法國吉爾·多維克著的《計算進化史改變數(shù)學的命運》一書；后三章介紹了強化學習、分形幾何、生成式對抗網(wǎng)絡、器類等當代人工智能的前沿知識。《人工智能基礎教程》嘗試以數(shù)理邏輯、信息論、博弈論作為人工智能的基礎理論?！度斯ぶ悄芑A教程》可作為應用型本科、高職院校學生的學習用書，也適合用作培訓教材和自學者的參考用書。

作者簡介

暫缺《人工智能基礎教程》作者簡介

圖書目錄

第一章人工智能緣起
1．1 新公民索菲亞
1．2 人工智能（AI）簡史
1．2．1 機器與智能（1956年之前）
1．2．2 人工智能的形成與發(fā)展（1956年～20世紀末）
1．2．3 人工智能+時代（進入21世紀）
1．3 通用圖靈機
習題一
第二章線性分類器
2．1 感知機
2．1．1 數(shù)學知識回顧
2．1．2 樣本數(shù)據(jù)預備
2．1．3 感知機模型
2．1．4 感知機學習算法
2．1．5 感知機訓練
2．2 支持向量機
2．2．1 數(shù)學知識回顧
2．2．2 線性支持向量機
2．2．3 損失函數(shù)
實驗實訓一訓練線性分類器
習題二
第三章深度學習
3．1 由生物神經(jīng)元到M-P模型
3．1．1 神經(jīng)元模型
3．1．2 感知機重述
3．1．3 多層感知機
3．1．4 反向傳播算法
3．2 卷積神經(jīng)網(wǎng)絡
3．2．1 卷積層
3．2．2 非線性激活層ReLU
3．2．3 池化層
3．2．4 全連接層
3．2．5 Softmax歸一化指數(shù)層
3．2．6 AlexNet的網(wǎng)絡架構
3．3 循環(huán)神經(jīng)網(wǎng)絡
附錄反向傳播算法
實驗實訓二人臉識別
習題三
第四章貝葉斯分類器
4．1 貝葉斯概率
4．1．1 可列集
4．1．2 貝葉斯概率
4．1．3 條件概率和獨立性
4．1．4 期望值
4．2 信息與熵
4．2．1 自信息和互信息
4．2．2 信息熵
4．2．3 貝葉斯法則
……