新書推薦:
![汉阙漫漫隐官道 : 东汉二百年政争与兵事](http://103.6.6.66/upload/mall/productImages/24/30/9787522206059.jpg)
《
汉阙漫漫隐官道 : 东汉二百年政争与兵事
》
售價:NT$
1030.0
![甲骨文丛书·魏玛共和国:1918~1933](http://103.6.6.66/upload/mall/productImages/24/30/9787522834030.jpg)
《
甲骨文丛书·魏玛共和国:1918~1933
》
售價:NT$
879.0
![中文版Photoshop数码照片处理全视频实践228例(溢彩版)](http://103.6.6.66/upload/mall/productImages/24/30/9787302665465.jpg)
《
中文版Photoshop数码照片处理全视频实践228例(溢彩版)
》
售價:NT$
614.0
![大乔小乔](http://103.6.6.66/upload/mall/productImages/24/29/9787542685162.jpg)
《
大乔小乔
》
售價:NT$
307.0
![文化遗产管理规划:场所及其意义](http://103.6.6.66/upload/mall/productImages/24/29/9787577209135.jpg)
《
文化遗产管理规划:场所及其意义
》
售價:NT$
458.0
![最后的奈良(一部日本土葬风俗消亡史,堪称日本土葬资源抢救工程的“世纪奇书”)](http://103.6.6.66/upload/mall/productImages/24/31/9787220135194.jpg)
《
最后的奈良(一部日本土葬风俗消亡史,堪称日本土葬资源抢救工程的“世纪奇书”)
》
售價:NT$
447.0
![古籍目录版本校勘文选(平装)](http://103.6.6.66/upload/mall/productImages/24/31/9787211090211.jpg)
《
古籍目录版本校勘文选(平装)
》
售價:NT$
406.0
![巴比伦怪物:魏玛共和国犯罪鉴证实录(“火与风”丛书)](http://103.6.6.66/upload/mall/productImages/24/30/9787532796397.jpg)
《
巴比伦怪物:魏玛共和国犯罪鉴证实录(“火与风”丛书)
》
售價:NT$
458.0
|
內容簡介: |
本书分为基础篇和实践篇,以人工智能与机器学习、机器学习的数学基础、传统机器学习算法和深度学习算法为理论基础,以文字识别、泰坦尼克号沉船幸存者预测、文本分类、视觉抄表系统和家电语音交互测试系统五个实际案例为实践对象,采用理论与实践相结合的方法介绍机器学习算法。其中,实践篇的案例实战部分以总体设计、运行环境、模块实现和测试结果方式进行内容组织。 本书语言简洁,深入浅出,通俗易懂,可作为高等院校人工智能、智能科学与技术、数据科学与大数据技术等专业本科生的学习教材,也可作为人工智能爱好者的参考用书,还可作为从事智能应用创新开发专业人员的技术参考书。
|
目錄:
|
基础篇
第1章 人工智能与机器学习
1.1 人工智能发展历史
1.2 机器学习概述
1.3 深度学习概述
1.4 人工智能发展前景
第2章 机器学习的数学基础
2.1 线性代数
2.1.1 向量与操作
2.1.2 逆矩阵
2.1.3 范数
2.1.4 特征分解
2.1.5 奇异值分解
2.1.6 Moore-Penrose伪逆
2.1.7 迹运算
2.2 概率
2.2.1 概率概念
2.2.2 概率特征
2.3 信息论
2.4 数值计算
第3章 传统机器学习算法
3.1 机器学习的任务
3.2 性能度量
3.2.1 基本方法
3.2.2 扩展方法
3.3 线性回归
3.4 逻辑回归
3.5 人工神经网络
3.6 决策树
3.6.1 生成决策树的算法
3.6.2 决策树的剪枝算法
3.6.3 CART模型
3.6.4 CART剪枝
3.7 贝叶斯分类
3.7.1 贝叶斯决策论与极大似然估计
3.7.2 贝叶斯分类器
3.7.3 贝叶斯网
3.8 支持向量机
3.8.1 线性可分支持向量机
3.8.2 线性支持向量机
3.8.3 非线性支持向量机
3.8.4 支持向量机在实际应用中的优缺点
3.9 集成学习
3.9.1 Boosting算法
3.9.2 Bagging算法
3.9.3 随机森林算法
3.10 构建机器学习算法
第4章 深度学习算法
4.1 深度学习的挑战
4.2 机器学习的应用
4.2.1 大规模深度学习
4.2.2 计算机视觉
4.2.3 语音识别
4.2.4 自然语言处理
4.2.5 其他应用
4.3 深度前馈网络
4.3.1 基本概念
4.3.2 发展历史
4.3.3 异或函数学习实例
4.3.4 基于梯度的学习
4.3.5 隐藏单元
4.3.6 架构设计
4.4 实践方法
4.4.1 性能度量
4.4.2 默认的基准模型
4.4.3 决定是否收集更多数据
4.4.4 选择超参数
4.4.5 调试策略
实践篇
第5章 文字识别案例
5.1 总体设计
5.2 运行环境
5.3 模块实现
5.3.1 常量定义
5.3.2 图片数据生成
5.3.3 标签向量化(稀疏矩阵)
5.3.4 读取数据
5.3.5 构建网络
5.3.6 能力封装
5.4 测试结果
第6章 泰坦尼克号沉船幸存者预测案例
6.1 总体设计
6.2 运行环境
6.3 模块实现
6.3.1 数据准备
6.3.2 数据预处理
6.3.3 变量转换
6.3.4 特征工程
6.3.5 模型训练
6.4 测试结果
6.4.1 绘制学习曲线
6.4.2 训练准确率
第7章 文本分类案例
7.1 总体设计
7.2 运行环境
7.3 模块实现
7.3.1 数据准备
7.3.2 数据预处理
7.3.3 词云分析
7.4 测试结果
7.4.1 采用神经网络实现语料预测
7.4.2 采用贝叶斯和神经网络实现语料预测
第8章 视觉抄表系统案例
8.1 总体设计
8.1.1 硬件设计
8.1.2 软件设计
8.2 运行环境
8.3 模块实现
8.3.1 图像采集
8.3.2 数据集构建
8.3.3 模型训练
8.3.4 结果判定
8.4 测试结果
第9章 家电语音交互测试系统案例
9.1 总体设计
9.1.1 硬件设计
9.1.2 软件设计
9.2 运行环境
9.2.1 硬件环境
9.2.2 软件环境
9.3 模块实现
9.3.1 语音识别
9.3.2 图像识别
9.4 测试结果
参考文献
|
|