登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　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分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 不要相信你所想的一切：如何停止过度思考，克服焦虑、自我怀疑和自我破坏 》 售價：NT$ 235.0 《 万历四大征（全两册） 》 售價：NT$ 549.0 《 凝望：我的摄影与人生 》 售價：NT$ 605.0 《 工业机器人从基础到实战 》 售價：NT$ 717.0 《 重症产科.1 》 售價：NT$ 335.0 《 财之道丛书·表层的真理：当代经济学与社会 》 售價：NT$ 493.0 《 世界服饰艺术史 》 售價：NT$ 1445.0 《 海外中国研究·卿本著者：明清女性的性别身份、能动主体和文学书写 》 售價：NT$ 381.0

編輯推薦： 全面地反映了人工智能研究领域的发展，并根据人工智能的发展动向对一些传统内容做了取舍。 对各章内容进行了适当更新和改写，以反映*近十年来人工智能的新进展。 重点介绍一些基本原理和基本方法，让读者对人工智能有一个基本认识。 內容簡介： 《人工智能导论 第2版》系统地阐述了人工智能的基本理论、基本技术、研究方法和应用领域，全面地反映了人工智能研究领域的发展，并根据人工智能的发展动向对一些传统内容做了取舍，如详细介绍了机器学习方面的内容。《人工智能导论 第2版》共分为8章，内容涉及人工智能的基本概念、知识工程、确定性推理和不确定性推理、搜索与优化策略、机器学习、人工神经网络与深度学习，以及模式识别、自然语言处理和多智能体等。每章后面附有习题，以供读者练习。 《人工智能导论 第2版》充分考虑到人工智能领域的发展动态，注重系统性、新颖性、实用性和可读性，内容由浅入深、循序渐进、条理清晰。 《人工智能导论 第2版》适合作为计算机专业本科生和其他相关专业本科生、研究生的教材，也可作为有关科技人员的参考书。 目錄： 前言 第1章绪论 11什么是人工智能 111关于智能 112人工智能的研究目标 12人工智能发展简史 13人工智能的研究方法 131人工智能的研究特点 132人工智能的研究途径 133人工智能研究资源 14人工智能研究及应用领域 141模式识别 142自然语言处理 143机器学习与数据挖掘 144人工神经网络与深度学习 145博弈 146多智能体 147专家系统 148计算机视觉 149自动定理证明 1410智能控制 1411机器人学 1412人工生命 15本章小结 习题 第2章知识工程 21概述 22知识表示方法 221经典逻辑表示法 222产生式表示法 223层次结构表示法 224网络结构表示法 225其他表示法 23知识获取与管理 231知识获取的任务 232知识获取的方式 233知识管理 234本体论 235知识图谱 24基于知识的系统 241什么是知识系统 242专家系统 243问答系统 244知识系统举例 25本章小结 习题 第3章确定性推理 31概述 311推理方式与分类 312推理控制策略 313知识匹配 32自然演绎推理 33归结演绎推理 331归结原理 332归结策略 333应用归结原理求解问题 34与或形演绎推理 341与或形正向演绎推理 342与或形逆向演绎推理 343与或形双向演绎推理 35本章小结 习题 第4章不确定性推理 41概述 42基本概率方法 43主观贝叶斯方法 431不确定性的表示 432不确定性的传递算法 433结论不确定性的合成算法 44可信度方法 441基本可信度模型 442带阈值限度的可信度模型 443加权的可信度模型 444前件带不确定性的可信度模型 45模糊推理 451模糊理论 452简单模糊推理 453模糊三段论推理 454多维模糊推理 455多重模糊推理 456带有可信度因子的模糊推理 46证据理论 461D-S理论 462基于证据理论的不确定性推理 47粗糙集理论 471粗糙集理论的基本概念 472粗糙集在知识发现中的应用 48本章小结 习题 第5章搜索与优化策略 51概述 511什么是搜索 512状态空间表示法 513与或树表示法 52状态空间搜索 521状态空间的一般搜索过程 522广度优先搜索 523深度优先搜索 524有界深度优先搜索 525启发式搜索 526A*算法 53与或树搜索 531与或树的一般搜索过程 532与或树的广度优先搜索 533与或树的深度优先搜索 534与或树的有序搜索 535博弈树的启发式搜索 536剪枝技术 537人机对弈与AlphaGo 54智能优化搜索 541NP问题 542优化问题 543遗传算法 544蚁群算法 545粒子群算法 546智能优化搜索应用案例 55本章小结 习题 第6章机器学习 61概述 611什么是机器学习 612机器学习方法分类 613机器学习的基本问题 614评估学习结果 62决策树学习 621决策树表示法 622ID3算法 623决策树学习的常见问题 624随机森林算法 625决策树学习应用案例 63贝叶斯学习 631贝叶斯法则 632朴素贝叶斯方法 633贝叶斯网络 634EM算法 635贝叶斯学习应用案例 64统计学习 641小样本统计学习理论 642支持向量机 643核函数 644支持向量机应用案例 65聚类 651聚类问题 652分层聚类方法 653划分聚类方法 654基于密度的聚类方法 655基于网格的聚类方法 656聚类算法应用案例 66特征选择与表示学习 661特征提取与选择 662常用的特征函数 663主成分分析 664表示学习 665表示学习应用案例 67其他学习方法 671k近邻算法 672强化学习 673隐马尔可夫模型 68本章小结 习题 第7章人工神经网络与深度学习 71概述 711人脑神经系统 712人工神经网络的研究内容与特点 713人工神经网络基本形态 714深度学习 72前馈神经网络 721感知器模型 722反向传播算法 723卷积神经网络 724前馈神经网络应用案例 73反馈神经网络 731循环神经网络 732长短期记忆网络 733双向循环神经网络 734反馈神经网络应用案例 74本章小结 习题 第8章人工智能的其他领域 81模式识别 811模式识别的基本问题 812图像识别 813人脸识别 82自然语言处理 821自然语言处理的基本问题 822信息检索 823机器翻译 824自动问答 83多智能体 831多智能体系统模型 832多智能体系统的学习与协作 833多智能体系统的主要研究内容 834多智能体系统应用案例 84本章小结 习题 参考文献 內容試閱： 最近十年来，深度学习的出现和极速发展促使人工智能技术产生了质的飞跃，在全世界掀起了一股新技术浪潮。2017年7月，国务院印发了《新一代人工智能发展规划》，指出人工智能发展进入新阶段，是引领未来的战略性技术，是新一轮产业变革的核心驱动力。在这样的新时代大背景下，本书对第1版进行了修订，更新了部分内容，以满足广大读者对人工智能新技术的求知欲。 本次修订仍然以“导论”为基本原则，尽量避免深奥的数学推导，更多的是讲述方法思想和动机。 人工智能是一个涉及众多方面的综合性交叉科学领域。人工智能的具体技术和理论非常庞杂，它的应用已深入到人类社会的方方面面。所以，本书并不是把人工智能的每一个子领域、每一个应用都详细剖析，而是重点介绍一些基本原理和基本方法，让读者对人工智能有一个基本认识。本次修订在每章习题里面增加了很多需要读者调研文献的内容，希望以此引导读者更加深入地了解和思考人工智能在某个具体问题上的解决办法。 第2版的总体框架与第1版基本相同，仍然分成8章，每章主题也基本相同。但是，对各章内容进行了适当更新和改写，以反映最近十年来人工智能的新进展。第1章是绪论，介绍一些关于人工智能的基本观点、研究途径和主要研究内容，更新了一些内容。第2章是知识工程，主要介绍关于知识表示和知识获取与管理的问题，增加了对知识图谱的介绍。第3章和第4章介绍确定性推理和不确定性推理，都是关于如何运用知识，即推理的问题。因为近几年关于符号推理方面没有太多新进展，本次改版对这两章内容进行了精简。第5章在介绍搜索策略的基础上增加了智能优化策略的内容。搜索的关键其实就是优化问题。第6章是机器学习，介绍了当前机器学习中的一些基本问题、基本方法和基本思路，增加了随机森林、表示学习、k近邻算法等内容。第7章有较大变化，从介绍传统人工神经网络改为主要介绍当前深度学习的基本模型和内容。第8章也进行了较大更改，虽然还是模式识别、自然语言处理、多智能体等当前人工智能研究和应用的一些热点，但是主要反映了深度学习带来的一些变化。 人工智能技术的发展是螺旋式上升的发展，中间经历了多次起伏。在人工智能发展的初期，人们曾经对其有过盲目乐观的态度，后来明斯基等人的批评导致人工智能研究陷入低谷。从专家系统、模糊逻辑、知识工程到BP网络、支持向量机，再到深度学习，大致体现了人工智能发展的主要热点。可以看出，符号主义和联结主义始终是人工智能研究的基本方法，两者之间的研究热度此消彼长。近年来，深度学习的兴起使得联结主义研究方法占据了人工智能的主导地位。但是目前的深度学习方法太依赖大数据，并且其学习泛化能力也与人类的学习能力相去甚远。对深度学习方法的各种批评无疑也在推进着人工智能技术的发展。人工智能的未来也许还会进入一个平静期甚至是又一个低谷，但是随着众多学者坚持不懈的努力，人工智能技术不会停滞不前，人工智能必定会给人类社会带来一场深刻的革命。 本书第5章由张选平副教授撰写，其余各章由鲍军鹏副教授撰写。 由于作者学识有限，书中难免出现错误，恳请广大读者不吝指教。

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　|　海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.