新書推薦：
《
股权控制战略：如何实现公司控制和有效激励（第2版）
》
售價：NT$
449.0
《
成吉思汗传：看历代帝王将相谋略 修炼安身成事之根本
》
售價：NT$
280.0
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
《
人生解忧：佛学入门四十讲
》
售價：NT$
490.0
《
浪潮将至
》
售價：NT$
395.0
《
在虚无时代：与马克斯·韦伯共同思考
》
售價：NT$
260.0
《
日内交易与波段交易的资金风险管理
》
售價：NT$
390.0
《
自然信息图：一目了然的万物奇观
》
售價：NT$
640.0
|
| 編輯推薦： |
本书由历史简介、数学基础、线性回归、支持向量机、神经网络、卷积神经网络、循环神经网络、分类与聚类和实际应用组成，排版条理清晰，内容深入浅出，并配有典型例题和习题详解，有助于读者学习人工智能的基本理论，可以作为高等院校本科生或研究生的教学参考书或试用教材。
【本书特色】
（1） 体现工程教育专业认证的理念，注重对学生解决复杂工程问题能力的培养，将人工智能的相关理论系统化。
（2） 以基本数学知识为基础，按照机器学习、神经网络、深度学习的顺序进行编排，内容由浅入深，循序渐进，帮助初学者进行科学高效的学习。
（3） 每章配有相应的习题和详解，便于读者及时总结和回顾，加深对重点知识的理解，掌握人工智能的重要基础知识。
（4） 结合仿真程序，将基础理论应用到实际的经典案例中，力求学以致用，培养读者的工程实践能力。
（5） 新形态教材，关注语音识别、自然语言处理和计算机视觉等人工智能研究的热点问题。
|
| 內容簡介： |
|
书特色主要有： 1、注重实例的一本教材 尽可能简化繁琐的数学推导和定理证明，将重点放在解决问题的原理和思路上，并介绍一些经典有趣的实例。 2、适合不同专业层次的教材选择 结合教学、科研及应用需求，注重概念清晰、既有深度又有广度、理论性较强的教材，着力于内容的体系化，适合不同层次专业选用。 3、注重能力评价的考核方式 注重能力评价的考核方式，有关内容既是对相关知识的学习和掌握，更重要的是对学生独立思考、创新意识和解决问题能力的锻炼、培养及检验。
|
| 關於作者： |
|
宋永端，教授博导，IEEE Fellow, 国际欧亚科学院院士，国家千人计划 专家（首批），注册职业工程师（美国），美国教师名人录，中国自动化学会常务理事，重庆大学自动化学院院长。1992 年获美国田纳西理工大学电气及计算机工程博士学位，长期从事控制理论及应用，机器人及智能系统方面的研究，著有中英文著作8部。
|
| 目錄：
|
第1章人工智能简介
1.1人工智能定义
1.2人工智能发展历史与三大学派
1.2.1人工智能发展历史
1.2.2三大学派
1.3国内外发展现状、挑战与未来趋势
1.3.1国内外发展现状
1.3.2面临的问题
1.3.3未来发展趋势
习题
参考文献
第2章数学基础
2.1矩阵及其运算
2.1.1向量
2.1.2矩阵
2.1.3矩阵运算
2.1.4范数
2.2导数与微分
2.2.1导数
2.2.2微分
2.2.3偏导数
2.3泰勒展开式
2.4梯度及其运算
2.4.1梯度
2.4.2梯度下降
2.5概率论相关知识
2.5.1概率
2.5.2条件概率
2.5.3随机变量的分布函数
2.5.4数学期望
习题
参考文献
第3章机器学习的起点： 线性回归
3.1线性回归模型建立
3.1.1机器学习角度
3.1.2统计学角度
3.2线性回归原理
习题
参考文献
第4章支持向量机
4.1线性可分支持向量机
4.1.1线性可分支持向量机的定义
4.1.2函数间隔与几何间隔
4.1.3间隔最大化
4.1.4线性可分支持向量机学习的对偶算法
4.2线性支持向量机
4.2.1线性支持向量机的定义
4.2.2线性支持向量机学习的对偶算法
4.2.3支持向量
4.2.4合页损失函数
4.3非线性支持向量机
4.3.1核技巧
4.3.2常见的核函数
4.3.3非线性支持向量机
习题
参考文献
第5章神经网络及基本结构
5.1神经元介绍
5.2感知机
5.3神经网络的基本结构
5.4反向传播
5.5梯度下降算法
习题
参考文献
第6章卷积神经网络
6.1卷积神经网络发展历史
6.2卷积神经网络结构
6.2.1卷积层
6.2.2池化层
6.2.3softmax分类函数
6.3卷积神经网络常用的损失函数
6.4卷积神经网络常用的训练算法
6.4.1随机梯度下降算法
6.4.2RMSProp优化算法
6.4.3Adam优化算法
习题
参考文献
第7章循环神经网络
7.1循环神经网络原理
7.1.1RNN的基本结构
7.1.2RNN的前向传播
7.1.3RNN的反向传播
7.1.4双向RNN
7.1.5基于编码解码的序列到序列架构
7.2长期依赖问题及优化
7.3基于门结构的RNN
7.3.1门结构
7.3.2LSTM
7.3.3GRU
7.4注意力机制
7.4.1NLP中注意力机制的起源
7.4.2注意力机制的标准形式
7.4.3注意力机制的变形
习题
参考文献
第8章分类与聚类
8.1基于判别函数的分类方法
8.1.1广义判别函数法
8.1.2分段线性判别函数法
8.2基于已知样本类别的分类方法
8.2.1参数估计法
8.2.2非参数估计
8.3基于未知样本类别的聚类方法
8.3.1基于距离阈值的聚类算法
8.3.2层次聚类法
8.3.3动态聚类算法
习题
参考文献
第9章应用实例
9.1MATLAB基础
9.1.1常量
9.1.2变量
9.1.3数组
9.1.4矩阵
9.1.5函数
9.1.6循环语句
9.1.7条件语句
9.2几个典型案例
9.2.1房价预测
9.2.2支持向量机的二分类应用
9.2.3豆瓣读书评价分析
9.2.4手写数字识别
9.2.5基于循环神经网络的情感分类
9.2.6国民健康状况研究
参考文献
参考答案
|
| 內容試閱：
|
人工智能经历了三起两落之后，近几年又进入飞速发展时期。特别是在2016年，阿尔法狗（AlphaGo）以4∶1的战绩战胜世界围棋冠军李世石后，人工智能瞬间吸引了人们的目光。国际互联网公司纷纷开展与人工智能相关的研究，新兴人工智能研究机构如雨后春笋般出现。同时，世界各国也相继针对人工智能的发展制定相应政策，并有大量资金投入，极大促进了人工智能在不同行业领域的应用，特别是在与语音识别、自然语言处理和计算机视觉相关的领域得到较大发展。伴随人工智能空前繁荣期的到来，人类也进入了人工智能时代。
人工智能的发展前景值得期待。一方面，产业互联网的发展带动了人工智能的发展； 另一方面，智能化是未来的发展趋势。因此，人工智能技术将成为职场人的必备技能之一，特别是对于有志在人工智能领域发展的年轻人来说更是如此。不言而喻，要想学好人工智能技术，需要打好基础，但对初学者而言，面对如此繁多的人工智能技术相关资料难以取舍。为了让初学者有一本相对系统全面的人工智能教材，编者在参考相关文献专著的基础上，结合自己多年的教学和实践经验，将入门人工智能必备基础知识汇于此书，希望对人工智能基础理论初学者有一定帮助和启发。
本书以浅显易懂的语言，简洁清晰的公式，配合生动有趣的案例，介绍人工智能学习所需的基本知识，包括机器学习、神经网络、深度学习等基础内容，以帮助读者了解人工智能，并为进一步研究打下基础。就目前而言，人工智能的发展还处于弱人工智能阶段，离人们所期待的强人工智能还相差甚远。编者希望本书能引起更多学者对人工智能的兴趣，共同推动人工智能技术的发展。
本书编写得到国家自然科学基金项目的资助。在策划与编写过程中，以下教师和同学提供了大量帮助： 喻薇、何鎏、崔福伟、曹晔、周淑燕、曹岚、刘剑、时天源、李泽强等，在此一并致谢。本书的编写还得到重庆市智慧无人系统重点实验室的大力支持，有关内容还得益于国内外人工智能领域专家学者的相关论文和专著，编者在此深表谢意。
人工智能技术和应用发展迅速，可谓日新月异。由于编者水平所限，书中疏漏、不当甚至错误之处在所难免，恳请读者批评指正！
宋永端
2021年1月于重庆
课件
|
|
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
