123,123,123

內(nèi)容簡(jiǎn)介

　　《人工智能基礎(chǔ)教程》簡(jiǎn)要介紹了當(dāng)今人工智能的主要技術(shù)，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(jī)、支持向量機(jī)、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(chǔ)知識(shí)，側(cè)重充實(shí)貝葉斯統(tǒng)計(jì)推斷和馬爾可夫鏈；第八章“推理和計(jì)算”承前啟后，內(nèi)容是經(jīng)典的，思想源于法國(guó)吉爾·多維克著的《計(jì)算進(jìn)化史改變數(shù)學(xué)的命運(yùn)》一書；后三章介紹了強(qiáng)化學(xué)習(xí)、分形幾何、生成式對(duì)抗網(wǎng)絡(luò)、器類等當(dāng)代人工智能的前沿知識(shí)?！度斯ぶ悄芑A(chǔ)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(chǔ)理論?！度斯ぶ悄芑A(chǔ)教程》可作為應(yīng)用型本科、高職院校學(xué)生的學(xué)習(xí)用書，也適合用作培訓(xùn)教材和自學(xué)者的參考用書。

作者簡(jiǎn)介

暫缺《人工智能基礎(chǔ)教程》作者簡(jiǎn)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(jiǎn)史
1．2．1 機(jī)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(jì)末）
1．2．3 人工智能+時(shí)代（進(jìn)入21世紀(jì)）
1．3 通用圖靈機(jī)
習(xí)題一
第二章線性分類器
2．1 感知機(jī)
2．1．1 數(shù)學(xué)知識(shí)回顧
2．1．2 樣本數(shù)據(jù)預(yù)備
2．1．3 感知機(jī)模型
2．1．4 感知機(jī)學(xué)習(xí)算法
2．1．5 感知機(jī)訓(xùn)練
2．2 支持向量機(jī)
2．2．1 數(shù)學(xué)知識(shí)回顧
2．2．2 線性支持向量機(jī)
2．2．3 損失函數(shù)
實(shí)驗(yàn)實(shí)訓(xùn)一訓(xùn)練線性分類器
習(xí)題二
第三章深度學(xué)習(xí)
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(jī)重述
3．1．3 多層感知機(jī)
3．1．4 反向傳播算法
3．2 卷積神經(jīng)網(wǎng)絡(luò)
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(luò)架構(gòu)
3．3 循環(huán)神經(jīng)網(wǎng)絡(luò)
附錄反向傳播算法
實(shí)驗(yàn)實(shí)訓(xùn)二人臉識(shí)別
習(xí)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(dú)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
……