新書推薦：
《
不被定义的年龄：积极年龄观让我们更快乐、健康、长寿
》
售價：NT$
352.0
《
南方谈话：邓小平在1992
》
售價：NT$
367.0
《
纷纭万端 ： 近代中国的思想与社会
》
售價：NT$
500.0
《
中国古代文体形态研究（第四版）（中华当代学术著作辑要）
》
售價：NT$
765.0
《
朋党之争与北宋政治·大学问
》
售價：NT$
454.0
《
甲骨文丛书·波斯的中古时代（1040-1797年）
》
售價：NT$
403.0
《
以爱为名的支配
》
售價：NT$
286.0
《
台风天（大吴作品，每一种生活都有被看见的意义）
》
售價：NT$
245.0
|
| 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
11什么是人工智能
111关于智能
112人工智能的研究目标
12人工智能发展简史
13人工智能的研究方法
131人工智能的研究特点
132人工智能的研究途径
133人工智能研究资源
14人工智能研究及应用领域
141模式识别
142自然语言处理
143机器学习与数据挖掘
144人工神经网络与深度学习
145博弈
146多智能体
147专家系统
148计算机视觉
149自动定理证明
1410智能控制
1411机器人学
1412人工生命
15本章小结
习题
第2章知识工程
21概述
22知识表示方法
221经典逻辑表示法
222产生式表示法
223层次结构表示法
224网络结构表示法
225其他表示法
23知识获取与管理
231知识获取的任务
232知识获取的方式
233知识管理
234本体论
235知识图谱
24基于知识的系统
241什么是知识系统
242专家系统
243问答系统
244知识系统举例
25本章小结
习题
第3章确定性推理
31概述
311推理方式与分类
312推理控制策略
313知识匹配
32自然演绎推理
33归结演绎推理
331归结原理
332归结策略
333应用归结原理求解问题
34与或形演绎推理
341与或形正向演绎推理
342与或形逆向演绎推理
343与或形双向演绎推理
35本章小结
习题
第4章不确定性推理
41概述
42基本概率方法
43主观贝叶斯方法
431不确定性的表示
432不确定性的传递算法
433结论不确定性的合成算法
44可信度方法
441基本可信度模型
442带阈值限度的可信度模型
443加权的可信度模型
444前件带不确定性的可信度模型
45模糊推理
451模糊理论
452简单模糊推理
453模糊三段论推理
454多维模糊推理
455多重模糊推理
456带有可信度因子的模糊推理
46证据理论
461D-S理论
462基于证据理论的不确定性推理
47粗糙集理论
471粗糙集理论的基本概念
472粗糙集在知识发现中的应用
48本章小结
习题
第5章搜索与优化策略
51概述
511什么是搜索
512状态空间表示法
513与或树表示法
52状态空间搜索
521状态空间的一般搜索过程
522广度优先搜索
523深度优先搜索
524有界深度优先搜索
525启发式搜索
526A*算法
53与或树搜索
531与或树的一般搜索过程
532与或树的广度优先搜索
533与或树的深度优先搜索
534与或树的有序搜索
535博弈树的启发式搜索
536剪枝技术
537人机对弈与AlphaGo
54智能优化搜索
541NP问题
542优化问题
543遗传算法
544蚁群算法
545粒子群算法
546智能优化搜索应用案例
55本章小结
习题
第6章机器学习
61概述
611什么是机器学习
612机器学习方法分类
613机器学习的基本问题
614评估学习结果
62决策树学习
621决策树表示法
622ID3算法
623决策树学习的常见问题
624随机森林算法
625决策树学习应用案例
63贝叶斯学习
631贝叶斯法则
632朴素贝叶斯方法
633贝叶斯网络
634EM算法
635贝叶斯学习应用案例
64统计学习
641小样本统计学习理论
642支持向量机
643核函数
644支持向量机应用案例
65聚类
651聚类问题
652分层聚类方法
653划分聚类方法
654基于密度的聚类方法
655基于网格的聚类方法
656聚类算法应用案例
66特征选择与表示学习
661特征提取与选择
662常用的特征函数
663主成分分析
664表示学习
665表示学习应用案例
67其他学习方法
671k近邻算法
672强化学习
673隐马尔可夫模型
68本章小结
习题
第7章人工神经网络与深度学习
71概述
711人脑神经系统
712人工神经网络的研究内容与特点
713人工神经网络基本形态
714深度学习
72前馈神经网络
721感知器模型
722反向传播算法
723卷积神经网络
724前馈神经网络应用案例
73反馈神经网络
731循环神经网络
732长短期记忆网络
733双向循环神经网络
734反馈神经网络应用案例
74本章小结
习题
第8章人工智能的其他领域
81模式识别
811模式识别的基本问题
812图像识别
813人脸识别
82自然语言处理
821自然语言处理的基本问题
822信息检索
823机器翻译
824自动问答
83多智能体
831多智能体系统模型
832多智能体系统的学习与协作
833多智能体系统的主要研究内容
834多智能体系统应用案例
84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。
|
|
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
HOME
新書上架
