登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　運費計算　 |　聯絡我們　 |　幫助中心　|　 加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書

『簡體書』人工智能基础：算法与编程

書城自編碼： 3969167
分類：簡體書→大陸圖書→教材→研究生/本科/专科教材
作者： 王洪元、张继
國際書號(ISBN)： 9787302652076
出版社： 清华大学出版社
出版日期： 2024-02-01

頁數/字數： /
書度/開本： 16开 釘裝： 平装

售價：HK$ 70.8

我要買 件

 

** 我創建的書架 **
未登入.

新書推薦：
李白传（20世纪文史学家李长之经典传记）
《 李白传（20世纪文史学家李长之经典传记） 》
售價：HK$ 45.8
津轻：日本无赖派文学代表太宰治自传性随笔集
《 津轻：日本无赖派文学代表太宰治自传性随笔集 》
售價：HK$ 66.7
河流之齿
《 河流之齿 》
售價：HK$ 59.8
新经济史革命：计量学派与新制度学派
《 新经济史革命：计量学派与新制度学派 》
售價：HK$ 89.7
盗墓笔记之秦岭神树4
《 盗墓笔记之秦岭神树4 》
售價：HK$ 57.3
战胜人格障碍
《 战胜人格障碍 》
售價：HK$ 66.7
逃不开的科技创新战争
《 逃不开的科技创新战争 》
售價：HK$ 103.3
漫画三国一百年
《 漫画三国一百年 》
售價：HK$ 55.2

 
建議一齊購買：

+

HK$ 85.0
《土壤肥料学（第3版）》		 +

HK$ 53.1
《学前教师专业发展（21世纪学前教师教育系列教材）》		 +

HK$ 59.8
《经济学思维与观察》		 +

HK$ 75.0
《实验空气动力学》		 +

HK$ 68.2
《高等数学 第八版 上册》		 +

HK$ 66.7
《海事英语阅读（新视界大学英语系列教材）》
編輯推薦：
u 教材适应互联网时代学生的学习习惯，集算法思想阐述、配套案例实战演示、编程操作视频演示与实操、案例详解于一体，构建了一套图、文、声、像完整的立体化教学资源库，将教学内容以数字化的形式呈现在学习者面前，打造一本富媒体性、交互性、移动性的移动交互式数字化教材。
u 为每个算法精心配套了实验案例，形成了“教、学、做、评”四位一体教材模式，可为不同专业、不同学习基础和不同发展需求的学生学习人工智能提供适宜的内容，增强了教材的普适性。
u 教材编者团队多元化，由高校老中青教师及企业（行业）一线技术人员组成，将多年来科研成果和真实工程项目改造为教学项目写入教材，教材内容充分体现了前沿性和应用性。
內容簡介：
人工智能是一门发展极其迅速且内容十分丰富的学科。本书以人工智能理论算法及其编程实现为核心，按照人工智能经典方法到现代算法顺次进行内容编排，全书共7章，第1章人工智能概论，第2章逻辑与推理，第3章搜索求解，第4章机器学习: 监督学习，第5章机器学习: 无监督学习，第6章神经网络与深度学习，第7章强化学习。本书还将矩阵运算、最优化方法、概率论等数学知识作为附录。书中每章都附有习题。
本书可作为地方高校人工智能专业和计算机大类专业的本科生或研究生学习人工智能的教材。由于书中各章内容相对独立，教师可以根据不同专业不同学生的需要选择讲授内容。
目錄：
第1章人工智能概论1
1.1人工智能定义1
1.1.1生物智能与人类智能1
1.1.2智能与人工智能2
1.2人工智能的历史2
1.3人工智能研究的不同学派6
1.3.1符号主义6
1.3.2连接主义7
1.3.3行为主义7
1.4人工智能主要应用领域8
习题11
第2章逻辑与推理12
2.1逻辑12
2.1.1知识表示12
2.1.2逻辑的基本概念13
2.2命题逻辑13
2.2.1命题的基本概念14
2.2.2命题逻辑推理15
2.3谓词逻辑18
2.3.1谓词的基本概念19
2.3.2谓词逻辑推理21
2.4知识图谱26
2.4.1知识图谱的基本概念27
2.4.2知识图谱推理27
习题34
第3章搜索求解36
3.1搜索概述363.1.1搜索的基本问题与主要过程36
3.1.2搜索算法分类37
3.2状态空间表示法37
3.2.1状态空间表示的基本概念37
3.2.2状态空间的图描述38
3.3盲目搜索39
3.3.1盲目搜索概述39
3.3.2深度优先搜索算法39
3.3.3宽度优先搜索算法40
3.3.4盲目搜索算法的Python实现42
3.4启发式搜索43
3.4.1启发式搜索概述43
3.4.2启发信息和估价函数43
3.4.3A算法44
3.4.4A搜索算法46
3.4.5A算法的Python实现47
3.5对抗搜索48
3.5.1博弈概述48
3.5.2极大极小过程49
3.5.3AlphaBeta剪枝50
3.5.4对抗搜索算法的Python实现52
3.6蒙特卡罗搜索53
3.6.1蒙特卡罗方法54
3.6.2蒙特卡罗树搜索算法54
3.6.3蒙特卡罗树搜索算法的Python实现57
习题59
目录〖3〗第4章机器学习: 监督学习62
4.1机器学习概述62
4.1.1引言62
4.1.2机器学习的发展历史62
4.1.3机器学习的基本概念64
4.1.4机器学习主要研究领域65
4.2回归分析66
4.2.1线性回归分析原理66
4.2.2非线性回归分析原理72
4.2.3回归分析Python实例74
4.3线性判别分析79
4.3.1线性判别分析算法原理79
4.3.2线性判别分析Python实例83
4.3.3线性判别分析在人脸识别中的应用84
4.4K最近邻算法85
4.4.1K最近邻算法原理85
4.4.2K最近邻算法Python实例86
4.5AdaBoosting89
4.5.1AdaBoosting算法原理89
4.5.2AdaBoosting算法Python实例93
4.6支持向量机95
4.6.1支持向量机原理95
4.6.2支持向量机Python实例103
4.7决策树106
4.7.1决策树原理106
4.7.2决策树算法Python实例111
习题113
第5章机器学习: 无监督学习115
5.1Kmeans聚类115
5.1.1Kmeans聚类原理115
5.1.2Kmeans聚类算法115
5.1.3Kmeans聚类算法特点118
5.1.4Kmeans聚类算法的改进119
5.1.5Kmeans聚类算法的Python实现121
5.2主成分分析122
5.2.1主成分分析原理122
5.2.2主成分分析降维方法125
5.2.3主成分分析特点128
5.2.4主成分分析的Python实现128
5.3特征脸方法129
5.3.1特征脸原理130
5.3.2奇异值分解130
5.3.3特征脸方法步骤131
5.3.4特征脸方法特点133
5.3.5特征脸方法的Python实现134
5.4局部线性嵌入136
5.4.1局部线性嵌入原理136
5.4.2局部线性嵌入算法138
5.4.3局部线性嵌入算法特点140
5.4.4局部线性嵌入算法的一些改进算法141
5.4.5局部线性嵌入算法的Python实现142
5.5独立成分分析144
5.5.1独立成分分析的发展144
5.5.2独立成分分析的基本定义145
5.5.3独立成分分析与其他统计方法的关系148
5.5.4独立成分分析的Python实现149
习题152
第6章神经网络与深度学习153
6.1神经网络的起源与发展153
6.1.1第一代神经网络153
6.1.2第二代神经网络155
6.1.3第三代神经网络156
6.2人工神经网络156
6.2.1生物神经网络156
6.2.2人工神经元与人工神经网络157
6.2.3BP神经网络158
6.2.4神经网络Python实例163
6.3卷积神经网络167
6.3.1卷积神经网络的结构167
6.3.2卷积神经网络的基本操作167
6.3.3卷积神经网络的关键技术171
6.3.4卷积神经网络的训练过程174
6.3.5几种经典的卷积神经网络模型178
6.3.6卷积神经网络的应用190
6.3.7卷积神经网络Python实例191
6.4循环神经网络194
6.4.1循环神经网络195
6.4.2长短时记忆网络196
6.4.3循环神经网络的应用197
6.4.4循环神经网络Python实例197
习题203
第7章强化学习205
7.1强化学习问题205
7.1.1马尔可夫决策过程206
7.1.2强化学习问题208
7.2基于价值的强化学习210
7.2.1策略迭代210
7.2.2基于价值的强化学习算法214
7.2.3QLearning的Python实例216
7.3深度强化学习219
7.3.1深度强化学习算法219
7.3.2深度强化学习的应用221
7.3.3深度强化学习的Python实例222
习题225
附录A数学基础226
A.1矩阵运算226
A.1.1向量226
A.1.2向量的加法和数乘227
A.1.3矩阵的定义227
A.2最优化方法238
A.2.1基本概念238
A.2.2一阶优化算法239
A.2.3凸优化问题243
A.2.4带约束的优化问题245
A.3概率论246
A.3.1概率论的基本概念246
A.3.2随机变量数字特征249
A.3.3基本概率分布模型252
A.3.4二维随机变量255
参考文献258
內容試閱：
人工智能是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门综合学科，其涉及领域十分广泛。
20世纪90年代初，常州大学借助国内外优质资源，开始人工智能教学工作，并着手培养师资。借此，笔者有幸先后师从浙江大学钱积新教授、南京理工大学夏德深教授，开始从事人工智能有关领域的理论学习与应用研究。2002年开始在常州大学给计算机本科生和自动化本科生讲授“人工智能基础（神经网络技术）”专业课程，2007年开始给计算机硕士研究生讲授“人工智能”学位课程，2016年开始给全校理工类本科生讲授“人工智能导论”公选课程，2020年开始给人工智能专业本科生讲授“人工智能导论”专业基础课程。经过多年的教学实践，笔者强烈感觉到需要一部适合于地方高校使用的人工智能教材，该教材应该既能比较完整地反映人工智能理论方法发展至今的全貌，又强调人工智能理论算法的编程实现。基于这样的考虑，笔者于2020年年初开始着手本教材的编写工作，经过3年的边编写边教学，于2023年春完成主体编写工作。
本教材以人工智能理论算法及其编程实现为核心，按照经典方法到现代算法顺次进行内容编排，具体如下: 第1章人工智能概论，介绍人工智能的定义、发展历程、现状、研究和应用领域；第2章介绍命题逻辑、谓词逻辑、知识图谱；第3章介绍经典和现代搜索策略，包括盲目搜索策略、启发式搜索策略、AlphaBeta剪枝算法和蒙特卡罗搜索算法及它们的编程实现；第4章介绍有监督机器学习方法，包括回归分析、线性判别分析、AdaBoosting、支持向量机、决策树及它们的编程实现；第5章介绍无监督机器学习方法，包括Kmeans聚类、主成分分析、特征脸方法、局部线性嵌入、独立成分分析及它们的编程实现；第6章介绍BP前馈神经网络模型、经典卷积神经网络模型、若干新型卷积神经模型、循环神经网络模型及它们的编程实现；第7章介绍强化学习，包括马尔可夫决策过程与强化学习问题、策略优化与策略评估、基于价值的强化学习（Q学习）、Q学习的编程实现。为适应不同读者需要，本书还通过附录形式，介绍了与本书内容相关的数学基础知识，包括矩阵运算、最优化方法、概率论。
本书可作为国内地方高校的人工智能、智能科学与技术、计算机大类及自动化等专业的“人工智能导论”和“人工智能基础”课程的本科生或研究生教材。由于各章内容相对独立，所以教师可根据需要选择内容讲授。本书对应课程的教学时数一般为48～64学时。
特别感谢浙江工业大学王万良教授、南京大学周志华教授、浙江大学吴飞教授、清华大学马少平教授，在笔者从事人工智能教学和编写本书的过程中，得到了他们的大力支持与帮助。
感谢常州大学计算机与人工智能学院的张继副教授、丁宗元讲师、毕卉讲师、倪彤光副教授、顾晓清副教授、肖宇副教授、刘锁兰副教授、王军讲师、程起才讲师，他们认真参与了本教材的编写工作和算法编程调试工作。
感谢常州大学、清华大学出版社、全国高校计算机教学研究会等单位对本书编写与出版的大力支持。
目前人工智能各个子领域发展迅速，尽管笔者在整个教材编写过程中时刻保持学习、严谨、仔细认真的态度，但由于水平及时间所限，书中内容一定会存在不足，真诚欢迎读者朋友批评指正。
王洪元2023年12月

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　大陸用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.