新書推薦：
《
地理计算与R语言
》
售價：NT$
551.0
《
沈括的知识世界：一种闻见主义的实践（中华学术译丛）
》
售價：NT$
398.0
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：NT$
332.0
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
《
UE5虚幻引擎必修课（视频教学版）
》
售價：NT$
505.0
《
真需求
》
售價：NT$
505.0
《
阿勒泰的春天
》
售價：NT$
230.0
《
如见你
》
售價：NT$
234.0
|
| 編輯推薦： |
|
《人工智能基础与应用》全面系统地介绍了人工智能的理论体系，在内容编排上不仅注重基本理论的讲述，而且以发展的眼光设计各章知识点和习题，引导学生去思考人工智能理论知识的应用与实践，使得理论学习更加生动直观，便于培养此类学生对人工智能理论的理解和应用能力。
|
| 內容簡介： |
人工智能Artificial Intelligence，AI是研究、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技术科学。《人工智能基础与应用》以人工智能为主要研究对象，较全面地介绍人工智能的基本原理、常见算法和应用技术。全书共分为12章，主要内容包括绪论、知识与知识表示、自动推理与专家系统、搜索算法与智能计算、机器学习、深度学习、计算机视觉、自然语言与语音处理、智能机器人以及大数据与区块链、Python编程基础等。同时，为了便于读者自学，每章结尾附有小结与习题，便于读者进一步巩固所学知识。
《人工智能基础与应用》全面系统地介绍了人工智能的理论体系，在内容编排上不仅注重基本理论的讲述，而且以发展的眼光设计各章知识点和习题，引导学生去思考人工智能理论知识的应用与实践，使得理论学习更加生动直观，便于培养此类学生对人工智能理论的理解和应用能力。《人工智能基础与应用》面向高等院校管理学院的诸多专业，可作为高等院校经济管理类专业本科生人工智能课程要求重点掌握人工智能的基本理论知识、相关算法的初步实践操作以及Python编程基础的教材，也可作为成人教育和自学考试同名课程的参考教材，还可供从事人工智能领域研究、开发和应用的研究人员和工程技术人员阅读参考。
《人工智能基础与应用》配套的电子课件和课后习题参考答案可以到http：www.tupwk.com.cndownpage网站下载，也可以通过扫描前言中的二维码来下载。
|
| 目錄：
|
第1章 绪论 1
1.1 人工智能的概念 1
1.1.1 智能 1
1.1.2 人工智能 4
1.1.3 图灵测试 4
1.2 人工智能发展简史 5
1.2.1 孕育阶段 5
1.2.2 形成阶段 5
1.2.3 发展阶段 6
1.2.4 人工智能的学派 8
1.3 人工智能的研究及应用领域 12
1.4 人工智能的发展现状和趋势 18
1.5 本章小结 20
1.6 习题 20
参考文献 20
第2章 知识与知识表示 22
2.1 知识与知识表示的内涵 22
2.1.1 知识的概念 22
2.1.2 知识的特征 23
2.1.3 知识表示的概念 24
2.2 知识表示方法 24
2.2.1 一阶谓词逻辑表示法 24
2.2.2 产生式表示法 33
2.2.3 状态空间表示法 36
2.2.4 框架表示法 40
2.3 知识图谱及其应用 44
2.3.1 知识图谱概述 44
2.3.2 知识图谱应用示例 45
2.4 本章小结 47
2.5 习题 48
参考文献 48
第3章 自动推理与专家系统 50
3.1 自动推理基本知识 50
3.1.1 确定性推理 50
3.1.2 不确定性推理 59
3.2 专家系统 63
3.2.1 专家系统的内涵 63
3.2.2 专家系统的结构 63
3.2.3 专家系统的设计与实现 66
3.2.4 专家系统的应用与发展 71
3.3 本章小结 77
3.4 习题 78
参考文献 78
第4章 搜索算法与智能计算 80
4.1 搜索算法 80
4.1.1 盲目搜索策略 81
4.1.2 启发式搜索 83
4.1.3 博弈搜索策略 89
4.2 遗传算法 91
4.2.1 基本遗传算法 91
4.2.2 遗传算法的基本操作 93
4.2.3 遗传算法的一般步骤 99
4.2.4 遗传算法的应用 100
4.3 蚁群算法 100
4.3.1 蚁群算法的基本思想 101
4.3.2 基本的蚁群算法模型 101
4.3.3 蚁群算法的参数选择 103
4.3.4 蚁群算法的应用 103
4.4 粒子群优化算法 105
4.4.1 粒子群优化算法的基本原理 105
4.4.2 粒子群优化算法的流程 106
4.4.3 粒子群优化算法的参数分析 107
4.4.4 粒子群优化算法的应用 108
4.5 本章小结 110
4.6 习题 110
参考文献 112
第5章 机器学习 113
5.1 机器学习的概念与类型 113
5.1.1 机器学习的概念 113
5.1.2 机器学习的类型 114
5.2 机器学习的流程 119
5.2.1 模型 119
5.2.2 训练 120
5.3 模型性能度量 122
5.3.1 模型精度 122
5.3.2 查准率、查全率与F值 122
5.3.3 ROC与AUC 123
5.4 常见分类方法 124
5.4.1 逻辑回归与Softmax回归 124
5.4.2 KNN 126
5.4.3 朴素贝叶斯 129
5.4.4 决策树 130
5.4.5 支持向量机 132
5.5 常见聚类方法 137
5.5.1 原型聚类 137
5.5.2 密度聚类 138
5.5.3 层次聚类 141
5.6 集成学习 142
5.7 本章小结 143
5.8 习题 143
参考文献 144
第6章 深度学习1 145
6.1 神经元与神经网络 145
6.1.1 神经元模型 146
6.1.2 神经网络的结构 147
6.1.3 神经网络的优化算法 148
6.1.4 神经网络的发展历程 151
6.2 BP神经网络 152
6.2.1 BP神经网络的结构 152
6.2.2 BP神经网络的基本原理 153
6.2.3 BP学习算法 153
6.2.4 BP神经网络在模式识别中的应用 155
6.3 卷积神经网络 156
6.3.1 卷积神经网络的结构 157
6.3.2 卷积神经网络的模型实例 162
6.3.3 几种典型的卷积神经网络 163
6.4 循环神经网络 164
6.4.1 循环神经网络的结构 165
6.4.2 BPTT学习算法 166
6.4.3 梯度消失和梯度爆炸 167
6.4.4 基于门控机制的循环神经网络 167
6.5 贝叶斯深度学习 170
6.5.1 贝叶斯公式 170
6.5.2 贝叶斯深度学习 171
6.5.3 基于贝叶斯深度学习的预测和训练 172
6.5.4 贝叶斯深度学习框架 173
6.6 本章小结 174
6.7 习题 174
参考文献 176
第7章 深度学习2 177
7.1 注意力与记忆机制 177
7.1.1 注意力 177
7.1.2 注意力机制 178
7.1.3 常见的记忆方式 180
7.1.4 典型的记忆网络 183
7.1.5 典型场景应用 184
7.2 自编码器 185
7.2.1 传统自编码器 185
7.2.2 改进的自编码器 186
7.2.3 自编码器的应用 192
7.3 强化学习 194
7.3.1 强化学习的基本原理 194
7.3.2 强化学习的分类及任务 195
7.3.3 强化学习算法 195
7.3.4 强化学习的主要应用 197
7.4 对抗学习 198
7.4.1 GAN的提出背景 198
7.4.2 GAN的核心原理 200
7.4.3 GAN的学习方法 201
7.4.4 GAN的衍生模型 202
7.4.5 GAN的应用领域 203
7.4.6 GAN的思考与展望 204
7.5 联邦学习 207
7.5.1 联邦学习的提出背景 207
7.5.2 联邦学习的基本内涵 207
7.5.3 联邦学习的应用探索 209
7.6 本章小结 210
7.7 习题 211
参考文献 211
第8章 计算机视觉 213
8.1 计算机视觉概述 213
8.2 图像的分析和理解 215
8.2.1 基于浅层模型的方法 216
8.2.2 基于深度模型的方法 219
8.3 计算机视觉的典型应用 222
8.3.1 模式识别 222
8.3.2 动态行为分析 225
8.3.3 机器视觉 226
8.4 本章小结 227
8.5 习题 228
参考文献 228
第9章 自然语言处理与语音处理 229
9.1 自然语言处理 229
9.1.1 自然语言处理概述 229
9.1.2 情感分类 233
9.1.3 机器翻译 244
9.1.4 自然语言人机交互 246
9.2 语音处理 256
9.2.1 语音识别 256
9.2.2 语音合成 261
9.2.3 语音转换 265
9.3 本章小结 266
9.4 习题 267
参考文献 267
第10章 机器人 269
10.1 机器人概述 269
10.1.1 机器人的定义 269
10.1.2 机器人的分类 270
10.1.3 机器人的特性 271
10.1.4 机器人三原则 271
10.1.5 智能机器人的发展历程 271
10.2 机器人的基本构成 272
10.3 机器人的工作原理 273
10.4 人工智能技术在机器人中的应用 274
10.4.1 智能感知 275
10.4.2 智能导航与规划 277
10.4.3 智能控制与操作 279
10.4.4 智能交互 280
10.5 机器人的应用 282
10.5.1 机器人的典型应用场景 282
10.5.2 智能机器人的发展展望 287
10.6 本章小结 289
10.7 习题 289
参考文献 289
第11章 大数据与区块链 291
11.1 大数据 291
11.1.1 大数据的基本概念与特征 291
11.1.2 大数据的应用 293
11.1.3 大数据的关键技术 297
11.1.4 大数据与云计算、物联网的关系 303
11.1.5 大数据与人工智能应用探讨 303
11.2 区块链 306
11.2.1 区块链概述 306
11.2.2 区块链的技术基础 308
11.2.3 区块链与人工智能 310
11.2.4 区块链的应用探讨与展望 314
11.3 大数据与区块链的关系 316
11.4 本章小结 317
11.5 习题 318
参考文献 318
第12章 Python编程基础 319
12.1 Python编程语言 319
12.2 Python解释器 320
12.3 安装Python 321
12.4 使用Python 321
12.4.1 Python shell 321
12.4.2 运行完整的Python程序 322
12.4.3 使用IDE编写代码 322
12.4.4 与Python交互 322
12.5 编写Python代码 322
12.5.1 Python基础语法 322
12.5.2 数学运算 325
12.5.3 导入新的库和函数 326
12.5.4 函数式编程 328
12.6 PyPI软件仓库Python包索引 329
12.7 NumPy库 330
12.7.1 NumPy简史 330
12.7.2 安装NumPy 330
12.7.3 ndarray对象 331
12.7.4 基本操作 335
12.8 Pandas库 338
12.8.1 Pandas：Python数据 分析库 338
12.8.2 安装Pandas 338
12.8.3 测试Pandas是否安装成功 339
12.8.4 Pandas数据结构简介 339
12.9 matplotlib库 347
12.9.1 安装matplotlib 348
12.9.2 pyplot模块 348
12.9.3 为图表添加更多元素 353
12.10 本章小结 357
12.11 习题 357
参考文献 358
|
| 內容試閱：
|
人工智能已经成为推动经济社会发展的新引擎。数字经济下，人工智能成为人类认知世界、改造世界的新切入点，人工智能技术逐步成为科技未来发展的趋势，对各行各业产生巨大影响。当前人工智能已经广泛应用于教育、医疗、交通、零售、物流、安防等领域，成为人们生活和工作中不可或缺的应用技术，在未来世界的发展中，人工智能技术已经成为不可或缺的发展要素之一。2018年4月，教育部制定了《高等学校人工智能创新行动计划》，其核心目标之一是推动高校人工智能领域人才培养体系的完善。越来越多的高校参与到人工智能课程建设中来，不断地进行探索与革新，对于培养掌握人工智能技术的管理类人才愈发重视。
作为一门深刻改变世界、有远大发展前途的前沿学科，人工智能覆盖面广、包容性强、应用需求空间巨大的学科特点，有利于更好地培养学生的技术创新思维与能力。《中国新一代人工智能发展报告2019》于2019年5月在上海发布，报告显示我国在人工智能领域的多个方面取得了快速进步，但随之而来的是市场对人工智能领域专业人才需求的迫切性仍在持续。对于管理类人才来说，通过对知识表示、搜索算法与智能计算、机器学习、深度学习、计算机视觉、自然语言与语音处理、大数据与区块链等核心内容的深入学习，不断将人工智能技术与管理知识结合起来，提高解决实际问题的能力，对学生未来职业生涯的发展有着重要作用。
《人工智能基础与应用》将理论知识与实践应用联系起来，每章除了对人工智能基础理论、算法进行讲解以外，还包括各类算法的实践应用与习题巩固环节。此外，随着大数据与人工智能的兴起，我国不少大学以及世界知名大学均已意识到编程能力对于未来的重要性，因此，《人工智能基础与应用》最后增设对Python编程基础的讲解，培养读者采用Python解决人工智能相关问题的能力。
全书共12章，包括以下内容：第1章是绪论，主要介绍人工智能的概念以及发展简史、当前人工智能的发展现状及未来趋势等内容。第2章主要介绍知识与知识表示，包含知识与知识表示的相关概念特征、表示方法、知识图谱及其应用等内容。第3章主要介绍自动推理与专家系统，包含自动推理的基本知识以及专家系统的概念、结构、设计与实现、应用与发展等内容。第4章主要介绍搜索算法与智能计算，包含搜索算法、遗传算法、蚁群算法以及粒子群优化算法的相关内容。第5章主要介绍机器学习，包含机器学习的概念与类型、机器学习的流程、模型选择、常见分类方法、常见聚类方法以及集成学习等内容。第6和7章主要介绍深度学习，其中第6章包含神经元与神经网络、BP神经网络、卷积神经网络、循环神经网络、贝叶斯深度学习等内容，第7章包含注意力与记忆机制、自编码器、强化学习、对抗学习等内容。第8章主要介绍计算机视觉，包含计算机视觉概述、图像分析和理解、计算机视觉应用等内容。第9章主要介绍自然语言与语音处理，包含情感分类、机器翻译、自然语言人机交互，还包含语音识别、合成、转换等内容。第10章主要介绍智能机器人，包含机器人概述、机器人组织结构、工作原理以及机器人的应用等内容。第11章主要介绍大数据与区块链，包含大数据的基本概念、应用、关键技术以及区块链的技术基础与应用、区块链与人工智能等相关内容。第12章主要介绍Python编程基础知识，包含Python的安装、版本、使用方法、代码编写、IPython、Python的各种库等内容。《人工智能基础与应用》作为高等院校人工智能课程的教材以32~48学时为宜。
《人工智能基础与应用》的编写分工为：樊重俊、杨云鹏、熊红林、刘臣、朱玥、樊鸿飞、王雅琼负责编写全书的大纲和框架，并负责全书的组织、审校，他们还对各章分别进行了修改。李璟轩、施柏州、樊重俊撰写第1章，鞠晓玲、施柏州、樊重俊撰写第2章，臧悦悦、施柏州、樊重俊撰写第3章，安艾芝、施柏州、樊重俊撰写第4章，余莹、尹裴、樊重俊撰写第5章，黄耐、尹裴、樊重俊撰写第6章，安艾芝、尹裴、樊重俊撰写第7章，鞠晓玲、施柏州、樊重俊撰写第8章，鞠晓玲、尹裴、樊重俊撰写第9章，臧悦悦、施柏州、樊重俊撰写第10章，蒋雨桥、尹裴、樊重俊撰写第11章，李璟轩、尹裴、樊重俊撰写第12章。关晓飞、杨云鹏参与第4~7章、第11和12章的撰写。熊红林、刘臣、施柏州、尹裴对全部内容进行了修改。徐佩参与全部章节的协调工作与部分章节的撰写。杨云鹏现为上海交通大学博士后，关晓飞现为同济大学副教授，樊鸿飞博士为金山云架构师，其他编写人员工作单位均为上海理工大学。
平台经济专家、中国管理科学与工程学会副理事长、上海市人民政府参事、《系统管理学报》主编、上海交通大学行业研究院副院长陈宏民教授对《人工智能基础与应用》给予了大量支持，提出了很多修改建议，并在百忙之中为《人工智能基础与应用》撰写了序，特此致谢！
笔者近年来专注于人工智能、大数据、电子商务、互联网 等领域的研究、教学与咨询。《人工智能基础与应用》有些内容是我们团队在为企业做咨询服务时的一些思考与知识积累。上海财经大学常务副校长徐飞教授，信息安全专家、全国高等学校计算机教育研究会常务理事、复旦大学计算机科学技术学院原副院长赵一鸣，上海机场集团有限公司技术中心总经理冉祥来博士，原中国电子商务协会副理事长、中国出入境检验检疫协会唐生副会长，中国出入境检验检疫协会段小红秘书长，数字经济专家、国家创新与发展战略研究会副理事长吕本富教授，国家创新与发展战略研究会副会长兼秘书长王博永博士，产业互联网CIP模式创始人张勇军博士，著名管理咨询与数字经济专家、中驰车福董事长兼CEO、联想集团原全球副总裁张后启博士，东方钢铁电子商务有限公司张春前总经理，上海市民政局信息研究中心黄爱国主任，北京大学信息科学技术学院数字媒体研究所贾惠柱副所长，同济大学博士生导师张建同教授、王洪伟教授，华东理工大学博士生导师李英教授，均在《人工智能基础与应用》写作过程中不同程度地给予了一些有益的建议，在此一并感谢。
上海理工大学党委副书记、上海市高等学校信息技术水平考试委员会副主任、教育部大学计算机课程教学指导委员会委员顾春华教授；上海理工大学管理学院院长赵来军教授、管理科学与工程博士后流动站站长马良教授、朱小栋副教授、刘勇副教授、张宝明副教授、倪静副教授、张惠珍副教授、刘宇熹博士、刘雅雅博士、赵敬华博士对《人工智能基础与应用》提出了很多有益的建议。《人工智能基础与应用》获得上海高校课程思政领航计划支持，在此一并感谢。
在《人工智能基础与应用》的编写过程中，力求跟踪人工智能学科最新的技术水平和发展方向，引入新的技术和方法。由于笔者的水平有限和人工智能快速发展的特性，书中难免有不尽如人意之处，甚至是错漏，敬请诸位专家、读者批评指正。我们的电话是010-62796045，信箱是huchenhao@263.net。
《人工智能基础与应用》配套的电子课件和课后习题参考答案可以到http：www.tupwk.com.cndownpage网站下载，也可以通过扫描下方的二维码来下载。
樊重俊
于上海理工大学
2020年5月
|
|
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
