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   新用戶註冊

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 / 物流，時效：出貨後2-4日

新書推薦： 《 DK威士忌大百科 》 售價：NT$ 1340.0 《 小白学编织 》 售價：NT$ 299.0 《 Android游戏开发从入门到精通 第2版 王玉芹 》 售價：NT$ 495.0 《 西班牙内战：秩序崩溃与激荡的世界格局：1936-1939 》 售價：NT$ 990.0 《 非对称创新：中国企业赶超战略 魏江 刘洋 》 售價：NT$ 495.0 《 潜能觉醒 》 售價：NT$ 395.0 《 初平：汉末群雄混战（190—195） 》 售價：NT$ 245.0 《 建安：官渡大决战（196—200） 》 售價：NT$ 245.0

建議一齊購買： + NT$ 90 《 空气动力学与飞行原理 》 + NT$ 357 《 高校学术研究论著丛刊（人文社科）— 青少年健康与生命教育探究 》 + NT$ 301 《 Creo三维建模与装配（7.0版） 》 + NT$ 301 《 汽车销售基础与实务 》 + NT$ 352 《 猪病防制 》 + NT$ 607 《 机器学习：从基础理论到典型算法（原书第2版） 》 編輯推薦： 介绍人工智能领域涉及的线性代数、矩阵理论、*优化、概率论、信息论以及多元统计分析等基础知识，聚焦人工智能需要的实用数学工具，从而实现对人工智能领域核心数学理论的快速掌握。配套电子课件、习题与解答、教案、试卷等资源，方便授课与自学。 內容簡介： 近年来，人工智能已经从科幻走入现实。要理解并运用人工智能技术，需要熟悉并掌握相关的数学基础知识。为此，本书整理了人工智能领域涉及的线性代数、矩阵理论、*优化、概率论、信息论以及多元统计分析等基础知识，读者可根据需求选取相应的章节进行学习。通常，有意深入了解人工智能的读者，往往已经具备微积分和线性代数等知识储备。鉴于此，区别于同类教材，本书不再赘述这些初级知识，而是聚焦人工智能需要的实用数学工具，从而实现对人工智能领域核心数学理论的快速掌握。本书可作为高等院校人工智能、工业智能、自动化与计算机等相关专业的本科生与研究生的教材或辅助参考书，也可作为从事相关领域的科研工作者和工程技术人员的数学基础参考书。 目錄： 出版说明前言第1章矩阵理论11线性空间111向量的运算112线性相关113基114直和12内积和投影121标准正交基122投影123格兰姆-施密特正交化方法124正交和13分块矩阵及其代数运算131分块矩阵的运算132分块矩阵的逆133初等变换下的标准形14特征根与特征向量141迹142哈密顿-凯莱定理143谱分解144幂等矩阵15对称矩阵的特征根与特征向量151对称矩阵的谱分解152对称矩阵的同时对角化153对称矩阵特征根的极值特性16半正定矩阵161同时对角化与相对特征根162相对特征根的极值特性163ATA与A，AT的关系164投影矩阵17矩阵的广义逆171A－172A+173线性方程组的解174投影18计算方法181(i，j）消去变换法182求对称矩阵的特征值、特征向量的雅可比法19矩阵微商110矩阵的标准形1101埃尔米特标准形1102正交、三角分解1103左正交分解1104Cholesky分解1105奇异值分解第2章优化的基础概念21引言22优化问题221优化问题的数学模型222优化问题举例23优化数学基础231序列的极限232梯度、黑塞矩阵和泰勒展开24凸集和凸函数241凸集242凸集分离定律243凸函数244凸规划第3章线性规划31线性规划问题的数学模型311线性规划模型的标准形312一般线性规划化为标准形32线性规划解的基本概念和性质321线性规划解的概念322线性规划解的性质33图解法34单纯形法341单纯形法原理342单纯形法的算法步骤35人工变量法351大M法352两阶段法36退化情形361循环现象362摄动法37修正单纯形法第4章线性规划对偶理论41对偶问题的提出42原问题与对偶问题的关系421对称形式的对偶问题422非对称形式的对偶问题423一般情形43对偶问题的基本定理44对偶单纯形法441基本对偶单纯形法442人工对偶单纯形法45灵敏度分析451改变系数向量c452改变右端向量b453改变约束矩阵A454增加新约束第5章优性条件51无约束问题的优性条件511无约束问题的必要条件512无约束问题的充分条件513无约束问题的充要条件52约束问题的优性条件521不等式约束问题的优性条件522一般约束问题的优性条件第6章算法61基本迭代公式62算法的收敛性问题621算法的收敛性622收敛速率623算法的二次终止性63算法的终止准则第7章二次规划71二次规划的概念与性质72等式约束二次规划721拉格朗日乘子法722直接消元法73有效集法731有效集法的基本步骤732有效集算法74Lemke方法第8章概率与信息论81概述82随机变量83概率分布831离散型随机变量和概率质量函数832连续型随机变量和概率密度函数84边缘概率85条件概率86条件概率的链式法则87独立性和条件独立性88期望、方差和协方差89常用概率分布891伯努力分布892多项式分布893高斯分布894指数分布和拉普拉斯分布895Dirac分布和经验分布896分布的混合810几个关键函数811贝叶斯规则812连续型随机变量的技术细节813信息论814结构化概率模型第9章多元正态分布91多元分布的基本概念911随机向量912分布函数与密度函数913多元变量的独立性914随机向量的数字特征92统计距离93多元正态分布的定义和性质931多元正态分布的定义932多元正态分布的性质933条件分布和独立性94均值向量和协方差矩阵的估计95常用分布及抽样分布951χ2分布与威沙特分布952t分布与T2分布953中心F分布与Wilks分布第10章均值向量与协方差矩阵的检验101均值向量的检验1011一个指标检验的回顾1012多元均值检验1013两总体均值的比较1014多总体均值的检验102协方差矩阵的检验1021检验Σ=Σ01022检验Σ1=Σ2=..=Σr第11章聚类分析111聚类分析的基本思想1111概述1112聚类的目的112相似性度量113类和类的特征114系统聚类法1141短距离法和长距离法1142重心法和类平均法1143离差平方和法（或称Ward方法）1144分类数的确定1145系统聚类法的统一115模糊聚类分析1151模糊聚类的几个基本概念1152模糊分类关系1153模糊聚类分析计算步骤第12章判别分析121判别分析的基本思想122距离判别1221两总体情况1222多总体情况123贝叶斯判别124费希尔判别第13章主成分分析131主成分分析的基本原理1311主成分分析的基本思想1312主成分分析的基本理论1313主成分分析的几何意义132总体主成分及其性质1321从协方差矩阵出发求解主成分1322主成分的性质1323从相关矩阵出发求解主成分1324由相关矩阵求主成分时主成分性质的简单形式133样本主成分的导出134有关问题的讨论1341关于由协方差矩阵或相关矩阵出发求解主成分1342主成分分析不要求数据来自正态总体1343主成分分析与重叠信息135主成分分析步骤及框图1351主成分分析步骤1352主成分分析的逻辑框图第14章因子分析141因子分析的基本理论1411因子分析的基本思想1412因子分析的基本理论及模型142因子载荷的求解1421主成分法1422主轴因子法1423极大似然法1424因子旋转1425因子得分1426主成分分析与因子分析的区别143因子分析的步骤与逻辑框图1431因子分析的步骤1432因子分析的逻辑框图第15章对应分析151列联表及列联表分析152对应分析的基本理论1521有关概念1522R型因子分析与Q型因子分析的对等关系1523对应分析应用于定量变量的情况1524需要注意的问题153对应分析的步骤及逻辑框图1531对应分析的步骤1532对应分析的逻辑框图第16章典型相关分析161典型相关分析的基本理论1611典型相关分析的统计思想1612典型相关分析的基本理论及方法162典型相关分析的步骤及逻辑框图参考文献 內容試閱： 当今人类社会已经开启并走进人工智能（Artificial Intelligence，AI）时代，智能家居、智能通信、智能电网、人机对弈、无人驾驶、人脸识别、语音识别、刷码支付等，这些新生事物层出不穷，耳濡目染之下，已经或正在改变我们的生活方式。科学家钱学森先生曾经指出：现代自然科学的基础学科是数学和物理，其他自然科学的分支，是从这两个基础学科分化衍生出来的。所以，我们说，在炫目的人工智能时代，钱学森先生的论断依然完全适用，这也是我们理解上述两个问题的基础依据。对于什么是人工智能，从不同角度出发，会有不同的理解。但一般认为，人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。编者浅见：去繁就简之后，人工智能从理论的角度，可以归结为（大量的甚至巨量的）计算以及基于计算的模式判别，或者说是if-then，而后者也可以理解为广义的计算。联系人机对弈和人脸识别的通俗例子，我们很容易理解这一点，也再次印证了钱学森先生的论断。把各种不同背景的人工智能在理论上归结为狭义的计算或广义的计算，但通常是大量的计算之后，计算的效率也就成了关键的问题。一个显而易见的事实是，即便目前芯片的计算能力和数据的存储能力进步很快，但永远赶不上人们的主客观需求！这也衬托出计算效率的重要地位。计算效率依赖于合理的算法，而合理的算法，自然要基于相关数学知识的组合运用。人工智能往往涉及大量数据，从基础的表达方式来看，向量和矩阵当仁不让；如何从数据中通过计算、分析、判别来获取有价值的信息，概率论、信息论、统计分析这些分支也就自然而然走上前台。通常，有意深入了解人工智能的读者，往往已经具备微积分和线性代数等知识储备。鉴于此，区别于同类教材，本书不再赘述这些初级知识，而是聚焦人工智能需要的实用数学工具，从而实现对人工智能领域核心数学理论的快速掌握。全书各章节由董久祥教授和石海彬副教授编写，部分选取整合了矩阵理论、概率论、信息论、数理统计、多元统计分析的有关传统内容，作为人工智能的数学基础知识；既关注知识的典型性，又在知识的基础和难度之间做了折中。本书参考了涉及以上知识领域的有关著作，在此向其作者一并表示敬意和衷心的感谢！由于编著水平有限，书中难免出现疏漏，敬请广大读者批评指正。

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