书籍详情
![《人工智能入门朱福喜人工智能基础知识书籍》[40M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/3331c3a2f4f62df9.png)
人工智能入门朱福喜人工智能基础知识书籍
- 出版社:华文乐章图书专营店
- 热度:11303
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
ISBN编号: 9787302571902
书名: 人工智能入门
作者: 朱福喜, 朱丽达 主编
定价: 49.80元
出版社名称: 清华大学出版社
本书是人工智能入门和普及基础知识的读物。作者从事人工智能教学多年，先后撰写了十余本人工智能教材和习题解答及相关著作，本书在此基础上，精炼和加工，使其通俗化、形象化，并加入人工智能的研究新进展和热门研究课题，如AlphaGo下棋的搜索原理、卷积神经网络、深度学习、大数据和云计算以及当前流行的人工智能开源工具等，全面地反映了国内外人工智能研究领域的新进展和发展方向，并深入浅出进行讲解，是了解人工智能的基础知识的实用工具书。
1章概述
1．1什么是人工智能
1．1．1人工智能的定义
1．1．2人工智能的分级
1．2人工智能的产生背景及主要学派
1．3图灵测试
1．4人工智能的发展历程
1．5无处不在的人工智能
1．6人工智能的技术特征
1．7新一代人工智能的研究
1．8未来人工智能展望
习题1
2章用搜索实现问题求解
2．1搜索求解问题的基本思路
2．2实现搜索过程的三大要素
2．2．1搜索对象
2．2．2扩展规则
2．2．3目标测试
2．3实现搜索的基本步骤
2．4搜索的几种基本策略
2．4．1盲目的搜索方法
2．4．2启发式搜索
习题2
3章图搜索算法
3．1或图搜索
3．1．1或图搜索算法
3．1．2A算法与A*算法
3．2与/或图搜索
3．2．1问题归约求解方法和“与/或图”
3．2．2与/或图的构造方法
3．2．3与/或图的搜索过程
3．2．4与/或图搜索算法AO*
3．2．5用AO*算法求解一个智力问题
习题3
4章博弈与搜索
4．1博弈问题
4．2极小极大搜索算法
4．2．1极小极大搜索的思想
4．2．2极小极大搜索算法的具体内容
4．2．3算法分析与举例
4．3αβ剪枝算法
4．4AlphaGo搜索策略
4．4．1围棋博弈程序的发展
4．4．2AlphaGo博弈树搜索算法的改进
4．4．3MCTS算法的个基本步骤
习题4
5章演化计算与遗传算法
5．1演化计算与演化算法
5．1．1演化算法的基本结构
5．1．2演化算法的设计
5．1．3演化算法的特点
5．2遗传算法
5．2．1遗传算法的基本结构
5．2．2遗传算法的实现
5．2．3遗传算法举例
5．3遗传算法的应用领域
习题5
6章集智能
6．1粒子优化算法
6．1．1粒子优化算法的基本描述
6．1．2粒子优化算法的实现
6．1．3粒子优化算法应用实例
6．2蚁优化算法
6．2．1蚁优化的原理
6．2．2蚁优化算法的实现
6．2．3蚁优化算法应用实例
习题6
7章经典逻辑知识表示和推理
7．1产生式知识表示及推理
7．1．1产生式系统的组成
7．1．2产生式系统的知识表示
7．1．3产生式系统的推理方式
7．1．4产生式规则的选择与匹配
7．1．5产生式知识表示的特点
7．2命题知识表示及推理方法
7．2．1基本概念
7．2．2命题演算的归结方法
7．3谓词逻辑知识表示及推理
7．3．1知识的谓词逻辑表示法
7．3．2谓词逻辑自动推理的基本问题
7．3．3将公式化成标准子句形式的步骤
7．3．4合一算法
7．3．5谓词逻辑的归结算法
7．3．6推理中的相等意义的转换策略
7．4一个推理实例
习题7
8章非经典逻辑知识的表示与推理
8．1非单调推理
8．1．1单调推理与非单调推理的概念
8．1．2默认逻辑
8．2证据理论
8．2．1识别框架
8．2．2基本概率分配函数
8．2．3置信函数
8．2．4置信区间
8．2．5证据的组合函数
8．2．6DS证据理论的评价
8．3不确定性推理
8．3．1不确定性
8．3．2主观概率贝叶斯方法
8．4模糊推理
8．4．1模糊推理的基本理论
8．4．2Fuzzy逻辑
习题8
9章神经网络与卷积神经网络
9．1人工神经网络的基本概念
9．1．1人工神经网络的定义
9．1．2人工神经网络的基本原理
9．1．3人工神经网络互连结构
9．1．4神经网络模型分类
9．2几种典型的神经网络简介
9．2．1单层前向网络
9．2．2多层前向网络及BP学习算法
9．2．3Hopfield神经网络
9．3卷积神经网络
9．3．1卷积神经网络的结构
9．3．2参数减少与权值共享
9．3．3池化
9．3．4全连接层
9．4神经网络的应用领域
习题9
10章机器学习与深度学习
10．1概述
10．1．1机器学习的定义和意义
10．1．2机器学习的研究简史
10．1．3机器学习方法的分类
10．1．4机器学习中的推理方法
10．2归纳学习
10．2．1归纳概念学习的定义
10．2．2归纳概念学习算法的一般步骤
10．2．3归纳概念学习的基本技术
10．3基于类比的学习
10．3．1类比学习的一般原理
10．3．2类比学习的表示
10．3．3类比学习的求解
10．4深度学习
10．4．1什么是深度学习
10．4．2特征提取
10．4．3自动特征提取
10．4．4深度学习直观理解
习题10
11章数据挖掘与Web挖掘
11．1一般数据挖掘方法
11．1．1数据挖掘的定义
11．1．2数据挖掘研究的主要内容
11．1．3数据挖掘的任务
11．1．4数据挖掘的特点
11．1．5数据挖掘常用的技术
11．1．6数据挖掘过程
11．2关联规则挖掘
11．2．1问题的形式化描述
11．2．2挖掘步骤
11．2．3Apriori算法
11．2．4实例与分析
11．3聚类分析
11．3．1聚类分析的定义
11．3．2聚类分析的主要步骤
11．3．3聚类分析的几种主要的算法
11．3．4聚类分析的应用领域
11．4Web挖掘
11．4．1Web挖掘概述
11．4．2Web内容挖掘
11．4．3Web结构挖掘
11．4．4Web使用挖掘
习题11
12章大数据与云计算
12．1从理论维度认识大数据
12．1．1大数据的定义
12．1．2大数据的特征
12．1．3大数据的价值
12．1．4大数据的发展趋势
12．2从技术的维度认识大数据
12．2．1云计算的定义以及要解决的问题
12．2．2云计算与虚拟化
12．2．3云存储与云网络
12．2．4私有云、公有云与云平台
12．2．5云计算的服务模式
12．2．6用大数据技术实现人工智能
12．3从应用的维度认识大数据
12．3．1从大数据走向大知识
12．3．2从大数据走向大智慧
12．3．3从大数据走向大财富
12.3.4大数据——企业竞争力的关键
12．3．5大数据及人工智能全面渗透人类生活
习题12
13章专家系统与人工智能工具
13．1专家系统
13．1．1专家系统概述
13．1．2专家系统中的知识获取
13．1．3专家系统的解释机制
13．1．4专家系统开发
13．1．5专家系统开发实例
13．2专家系统开发工具与环境
13．2．1专家系统开发工具与环境简介
13．2．2生成工具
13．2．3辅助工具
13．2．4专家系统工具JESS
13．3人工智能开源工具
13．3．1TensorFlow
13．3．2Apache SystemML
13．3．3Caffe
13．3．4Apache Mahout
13．3．5Torch
13．3．6Neuroph
习题13