新書推薦：
《
史铁生：听风八百遍，才知是人间（2）
》
售價：NT$
254.0
《
量子网络的构建与应用
》
售價：NT$
500.0
《
拍电影的热知识：126部影片里的创作技巧（全彩插图版）
》
售價：NT$
500.0
《
大唐名城：长安风华冠天下
》
售價：NT$
398.0
《
情绪传染（当代西方社会心理学名著译丛）
》
售價：NT$
403.0
《
中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版
》
售價：NT$
1100.0
《
革命与反革命：社会文化视野下的民国政治（近世中国丛书）
》
售價：NT$
435.0
《
画楼：《北洋画报》忆旧（年轮丛书）
》
售價：NT$
1573.0
|
| 編輯推薦： |
人工智能技术作为一种基础性支撑技术，我们每个人都要学习掌握。而本书这正是这样一本关于人工智能的同时性图书，对于建立知识体系，厘清逻辑结构有着非常有效的帮助。通过本书你将学习到以下内容：
人工智能的基础知识，包括人工智能的定义、基本原理、发展历程、主要分支、应用领域、发展趋势等。
?人工智能的知识表达、推理方法和智能计算等技术的基本原理，以及人工智能表示和处理知识的方式、进行逻辑推理和优化求解的方法等。
?人工智能技术中核心算法的原理和实践，包括机器学习、神经网络、强化学习，以及新兴的深度学习、联邦学习等。
?人工智能技术必需的理论知识和基本实践方法，能够利用人工智能技术完成从数据中学习规律、构建复杂的神经网络模型、解决高级认知问题、进行自主控制和决策、实现分布式协同学习等。
在这个数据驱动的时代，人工智能（AI）正成为推动技术革新和社会发展的关键力量。《现代人工智能技术》是一本全面深入探讨AI领域的专业著作，它不仅为读者揭开了AI技术的神秘面纱，还提供了实际应用的宝贵指导。
核心亮点：
全面覆盖：从基础的机器学习算法到复杂的深度学习网络，本书全面介绍了AI的核心原理和技术。
实践导向
|
| 內容簡介： |
《现代人工智能技术》对现代人工智能的理论、算法、框架及应用进行了全面、系统的论述，剖析了人工智能研究领域的前沿学术成果，涵盖了机器学习、深度学习、强化学习以及联邦学习等诸多方向。读者通过学习本书，能够掌握人工智能的基本知识，并能了解人工智能研究的一些前沿内容，为进一步学习人工智能理论与应用奠定基础。全书共分为9章，分别为绪论、知识表达、推理方法、智能算法、机器学习、神经网络、深度学习、强化学习、联邦学习。
本书可作为计算机类、自动化类、电气类、电子信息类专业的本科生、研究生学习人工智能课程的参考用书，也可供高等院校的教师、研究机构的研究人员，以及相关法律法规制定者和政府监管部门参考。
|
| 關於作者： |
|
李远征，现任华中科技大学人工智能与自动化学院副教授，主要研究领域为人工智能及其在智能电网中的应用，深度学习，强化学习，大数据分析，运筹优化等。主持了国家自然科学基金面上和青年项目、国家电网总部科技项目课题、腾讯科技项目。
|
| 目錄：
|
目录
前言
第1章绪论
1.1人工智能的基本概念
1.1.1智能的概念
1.1.2智能的特征
1.1.3人工智能
1.2人工智能发展简史
1.2.1孕育
1.2.2形成
1.2.3发展
1.3人工智能的基本原理及方法
1.3.1知识表示
1.3.2机器感知
1.3.3机器思维
1.3.4机器学习
1.4人工智能的主要研究及应用领域
1.4.1自动定理证明
1.4.2博弈
1.4.3模式识别
1.4.4机器视觉
1.4.5自然语言理解
1.4.6智能信息检索
1.4.7数据挖掘
1.4.8专家系统
1.4.9机器人
1.4.10组合优化
1.4.11人工神经网络
1.4.12分布式人工智能与多智能体
1.5小结
思考题
第2章知识表达
2.1知识与知识表达的概念
2.1.1知识的概念
2.1.2知识的特征
2.1.3知识的表示
2.2一阶谓词逻辑表示法
2.2.1命题
2.2.2谓词
2.2.3谓词公式
2.2.4谓词公式的性质
2.2.5一阶谓词逻辑知识表示法
2.2.6一阶谓词逻辑表示法的特点
2.3产生式表示法
2.3.1产生式
2.3.2产生式系统
2.3.3产生式系统的例子——动物识别系统
2.3.4产生式表示法的特点
2.4框架表示法
2.4.1框架的一般结构
2.4.2用框架表示知识的例子
2.4.3框架表示法的特点
2.5小结
思考题
第3章确定性推理方法
3.1推理的基本概念
3.1.1推理的定义
3.1.2推理方式及其分类
3.1.3推理的方向
3.1.4冲突消解策略
3.2自然演绎推理
3.3谓词公式化为子句集的方法
3.4鲁滨逊归结原理
3.5归结反演
3.6小结
思考题
第4章智能算法及其应用
4.1进化算法的产生与发展
4.1.1进化算法的概念
4.1.2进化算法的生物背景
4.1.3进化算法的设计原则
4.2遗传算法
4.2.1遗传算法的基本思想
4.2.2遗传算法的发展历史
4.2.3编码
4.2.4实数编码和浮点数编码
4.2.5群体设定
4.2.6适应度函数
4.2.7选择
4.2.8交叉
4.2.9变异
4.2.10遗传算法的一般步骤
4.2.11遗传算法的特点
4.3遗传算法的改进算法
4.3.1改进算法
4.3.2双种群遗传算法
4.3.3自适应遗传算法
4.4粒子群优化算法
4.4.1粒子群优化算法的基本原理
4.4.2粒子群优化算法的参数分析
4.5蚁群算法
4.5.1基本蚁群算法模型
4.5.2蚁群算法的参数选择
4.6小结
思考题
第5章机器学习
5.1机器学习简介
5.1.1专业术语
5.1.2分类
5.2特征工程
5.2.1目的与基本流程
5.2.2数据获取
5.2.3特征处理
5.2.4特征选择
5.2.5特征提取和数据降维
5.3模型评估
5.3.1评估方法
5.3.2调参与最终模型
5.3.3性能度量
5.3.4比较检验
5.3.5偏差与方差
5.4有监督学习
5.4.1线性回归
5.4.2线性对数几率回归
5.4.3贝叶斯分类
5.4.4决策树
5.4.5支持向量机
5.5无监督学习
5.5.1基本模型
5.5.2K均值
5.5.3高斯混合聚类
5.5.4密度聚类
5.5.5层次聚类
5.6小结
思考题
第6章神经网络
6.1神经元和神经网络
6.1.1生物神经元和人工神经元
6.1.2神经网络简介
6.2线性神经网络和全连接神经网络
6.2.1线性神经网络
6.2.2全连接神经网络
6.3BP神经网络
6.3.1标准BP神经网络算法和流程
6.3.2标准BP神经网络分析和改进
6.4卷积神经网络
6.4.1卷积的基本知识
6.4.2卷积神经网络的产生动机
6.4.3卷积神经网络的结构
6.5循环神经网络
6.5.1导师驱动过程
6.5.2计算循环神经网络的梯度
6.5.3双向循环神经网络
6.6生成对抗神经网络
6.7小结
思考题
第7章深度学习
7.1深度学习的概念
7.1.1深度学习的简介
7.1.2深度学习的特点
7.1.3深度学习的发展
7.2深度卷积神经网络
7.2.1深度卷积神经网络的简介
7.2.2深度卷积神经网络的结构
7.3深度残差网络
7.3.1深度残差网络的简介
7.3.2深度残差网络的结构
7.4深度循环神经网络
7.4.1深度循环神经网络的简介
7.4.2深度循环神经网络的结构
7.5门控循环单元
7.5.1门控循环单元的简介
7.5.2门控循环单元的结构
7.6长短期记忆网络
7.6.1长短期记忆网络的简介
7.6.2长短期记忆网络的结构
7.7注意力机制
7.7.1注意力机制的简介
7.7.2注意力机制的原理
7.7.3注意力机制的种类
7.8小结
思考题
第8章强化学习
8.1强化学习的概念
8.1.1序贯决策问题
8.1.2强化学习
8.2马尔可夫过程
8.2.1随机过程与马尔可夫性质
8.2.2马尔可夫过程
8.2.3马尔可夫奖励过程
8.2.4马尔可夫决策过程
8.2.5最优策略
8.2.6策略迭代
8.3基于价值的强化学习
8.3.1时序差分算法
8.3.2SARSA算法
8.3.3Q-Learning算法
8.3.4On-policy算法与Off-policy算法
8.4基于策略的强化学习
8.4.1策略梯度
8.4.2REINFORCE算法
8.4.3值函数近似
8.4.4Actor-Critic算法
8.5深度强化学习
8.5.1深度Q网络
8.5.2信任区域策略优化算法
8.5.3近端策略优化算法
8.5.4深度确定性策略梯度算法
8.6模仿强化学习
8.6.1行为克隆
8.6.2逆向强化学习
8.6.3生成式对抗模仿学习
8.7集成强化学习
8.7.1Bootstrapped DQN
8.7.2SUNRISE
8.8总结
思考题
第9章联邦学习
9.1联邦学习的概念
9.1.1人工智能面临的挑战
9.1.2联邦学习的定义
9.1.3联邦学习的分类
9.2隐私保护技术
9.2.1联邦学习面临的隐私泄露风险
9.2.2差分隐私
9.2.3安全多方计算
9.3激励机制
9.3.1联邦
|
| 內容試閱：
|
前 言
人工智能是一门跨学科的科学，它涉及计算机科学、数学、统计学、物理学、生物学、心理学等多个领域，旨在研究如何让机器具有智能的行为和能力。人工智能的研究始于20世纪50年代，经历了多次兴衰和变革，如今已经成为当今科技界最热门和最具影响力的领域之一。经过多年的演进，现代人工智能出现了一些新特点，它不但以更高水平接近人的智能形态存在，而且以提高人的智力能力为主要目标来融入人们的日常生活，比如跨媒体智能、大数据智能、自主智能系统等。在越来越多的一些专门领域，人工智能的博弈、识别、控制、预测甚至超过人脑的能力，比如人脸识别技术等。现代人工智能技术正在引发链式突破，推动经济社会从数字化、网络化向智能化加速跃进。
在此背景下，本书从人工智能的基础知识开始，逐步深入至相应技术原理，并对现代人工智能技术中热门前沿的研究方向进行了分析讲解。本书从基础知识到前沿技术，从理论分析到算法实现，涵盖了现代人工智能技术的多个方面和层次，能够让读者从不同的角度和维度去认识和掌握现代人工智能技术。
在本书中，读者可以学习到以下几个方面的内容:
人工智能的基础知识:本书第1章介绍了人工智能的基本概念、发展简史、基本原理及方法、主要研究及应用领域等内容，为后续的深入学习打下基础。
人工智能的技术原理:本书第2～4章介绍了人工智能中涉及的知识表达、推理方法和智能算法等技术原理，可使读者快速理解人工智能是如何表示和处理知识、如何进行逻辑推理和优化求解等问题。
现代人工智能技术的核心算法:本书第5～9章介绍了现代人工智能技术中最重要也是最热门的机器学习、神经网络、深度学习、强化学习和联邦学习等核心算法，让读者能够掌握人工智能是如何从数据中学习规律、如何构建复杂的神经网络模型、如何利用深度学习解决高级认知任务、如何通过强化学习实现自主决策和控制、如何通过联邦学习实现分布式协同学习等问题。
总之，本书是一本内容丰富、结构清晰、语言通俗的人工智能技术学习用书，它不仅可以帮助读者学习人工智能的基本知识，还能让读者了解现代人工智能技术的前沿内容，为进一步学习和研究人工智能理论与应用奠定基础。衷心地希望本书能够成为读者学习人工智能的好伴侣，探索现代人工智能技术的好导师。
|
|
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
