人工智能基礎教程

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
……