新書推薦：
《
宋代冠服图志（详尽展示宋代各类冠服 精美插图 考据严谨 细节丰富）
》
售價：NT$
398.0
《
形似神异：什么是中日传统政治文化的结构性差异
》
售價：NT$
254.0
《
养育不好惹的小孩
》
售價：NT$
352.0
《
加加美高浩的手部绘画技法 II
》
售價：NT$
407.0
《
卡特里娜（“同一颗星球”丛书）
》
售價：NT$
398.0
《
伟大民族：从路易十五到拿破仑的法国史（方尖碑）
》
售價：NT$
857.0
《
古今“书画同源”论辨——中国书法与中国绘画的关系问题兼中国画笔墨研究
》
售價：NT$
602.0
《
《日本文学史序说》讲演录
》
售價：NT$
332.0
|
| 內容簡介： |
|
《人工智能基础》是一本全面介绍人工智能领域基础知识、基本原理的专业教材。*先介绍人工智能的基础知识，包括人工智能相关概念，以及人工智能的数学基础、基础模型和编程基础，然后介绍视觉、语言、语音三个领域中的人工智能原理、方法和技术应用，*后对人工智能的发展趋势进行总结。另外，《人工智能基础》还通过丰富的实践案例的介绍，帮助学生更深刻地理解和应用所学知识。
|
| 目錄：
|
|
目录第1章 人工智能概述 11.1 人工智能的概念 11.2 人工智能的意义和目标 21.2.1 人工智能的意义 21.2.2 人工智能的目标 21.3 人工智能的起源和发展 21.4 人工智能的方向和内容 61.4.1 机器学习 61.4.2 视觉信息处理 71.4.3 自然语言处理 81.4.4 语音信号处理 91.4.5 多模态信息处理 91.4.6 人工智能自动生成内容 10习题 10第2章 人工智能数学基础 112.1 线性代数 112.1.1 基本数学对象 112.1.2 向量运算 132.1.3 矩阵乘法 132.1.4 矩阵运算 142.1.5 向量组与向量空间 152.1.6 特征分解 172.1.7 奇异值分解 182.1.8 特殊的矩阵 192.1.9 范数 202.2 微积分 202.2.1 导数与微分 212.2.2 链式法则 222.2.3 函数极值 232.2.4 积分 232.2.5 矩阵微积分 242.2.6 泰勒公式 262.2.7 常用函数及其导数 262.3 概率与信息论 282.3.1 随机变量 282.3.2 概率分布 282.3.3 期望和方差 302.3.4 条件概率 322.3.5 贝叶斯定理 332.3.6 信息论与熵 332.3.7 交叉熵与散度 342.4 数值计算 352.4.1 *优化问题的基础模型 352.4.2 *优化问题分类 362.4.3 *小二乘法 372.4.4 梯度下降法 382.4.5 共轭梯度法 402.4.6 深度学习中常用的优化方法 42习题 47第3章 人工智能基础模型 483.1 卷积神经网络 483.1.1 卷积神经网络的背景介绍 493.1.2 卷积神经网络的基础结构 493.1.3 卷积神经网络的计算 513.1.4 典型卷积神经网络的应用 563.2 循环神经网络 583.2.1 循环神经网络的背景介绍 583.2.2 循环神经网络的基础结构 583.2.3 循环神经网络的计算 613.2.4 典型循环神经网络的应用 643.3 生成对抗网络 643.3.1 生成对抗网络的背景介绍 653.3.2 生成对抗网络的基础结构 653.3.3 生成对抗网络的计算 683.3.4 典型生成对抗网络的应用 693.4 扩散模型 713.4.1 扩散模型的背景介绍 713.4.2 扩散模型的基础结构 723.4.3 扩散模型的计算 733.4.4 典型扩散模型的应用 813.5 图神经网络 833.5.1 图神经网络的背景介绍 843.5.2 图神经网络的基础结构 863.5.3 图神经网络的计算 883.5.4 典型图神经网络的应用 913.6 Transformer 923.6.1 Transformer的背景介绍 923.6.2 Transformer的基础结构 943.6.3 Transformer的计算 983.6.4 典型Transformer的应用 99习题 101第4章 人工智能编程框架 1024.1 Python基础 1024.1.1 Python简介 1024.1.2 Python基本语法 1074.1.3 Python数据类型 1084.1.4 Python程序结构 1194.1.5 Python函数 1234.1.6 Python类 1244.1.7 Python库 1254.2 PyTorch框架 1304.2.1 环境配置 1314.2.2 模型实现示例 1354.3 其他人工智能框架 140习题 141第5章 视觉智能处理技术 1425.1 视觉智能处理基础知识 1425.1.1 图像表示与处理 1425.1.2 特征提取与描述 1465.1.3 视觉智能处理基本任务 1495.2 目标检测与图像分割技术 1515.2.1 目标检测与图像分割中的基础知识 1525.2.2 基于CNN的目标检测与图像分割 1575.2.3 结合Transformer的目标检测与图像分割 1615.3 三维视觉技术 1665.3.1 点云数据的表示 1665.3.2 点云物体分类与分割 1675.3.3 基于点云的生成技术 1745.4 视频理解和处理技术 1805.4.1 基本概念 1805.4.2 视频对象分割 1865.4.3 视频增强 193习题 201第6章 语言智能处理技术 2026.1 语言智能处理基础知识 2026.1.1 文本表示与嵌入 2026.1.2 句法分析 2076.1.3 关键词提取 2106.2 神经机器翻译 2126.2.1 神经机器翻译介绍 2136.2.2 基于深度神经网络的神经机器翻译模型 2166.2.3 BERT-fused模型 2206.2.4 mRASP模型 2246.3 共指解析技术 2266.3.1 共指解析的基本概念 2286.3.2 共指解析的评估标准 2296.3.3 端到端的共指解析模型 2326.4 智能问答技术 2376.4.1 智能问答系统发展历程 2386.4.2 智能问答系统架构 2386.4.3 智能问答基础 2396.4.4 大语言模型 2446.4.5 智能问答系统 247习题 248第7章 语音智能处理技术 2497.1 语音信号处理技术 2497.1.1 语音信号的特性与数字化表示 2497.1.2 语音信号的预处理 2517.1.3 语音信号的特征提取 2547.2 语音识别技术 2577.2.1 传统的语音识别技术 2587.2.2 端到端的语音识别技术 2587.3 语音合成及转换技术 2657.3.1 语音合成技术 2657.3.2 语音转换技术 2737.4 语音增强技术 2767.4.1 语音增强介绍 2767.4.2 冗余卷积编码器-解码器 2797.4.3 语音增强生成对抗网络 2817.4.4 用于语音增强的条件扩散模型 283习题 286第8章 人工智能的未来发展趋势 2878.1 生成式人工智能技术 2878.1.1 小波扩散模型 2888.1.2 偏移扩散模型 2908.1.3 对未来技术的思考和展望 2948.2 可解释人工智能技术 2948.2.1 PIP-Net模型 2958.2.2 LaBo模型 2988.2.3 对未来技术的思考和展望 3018.3 多模态人工智能技术 3028.3.1 Lynx模型 3028.3.2 BLIP-2模型 3048.3.3 对未来技术的思考和展望 3078.4 具身智能技术 3078.4.1 PaLM-E模型 3088.4.2 EmbodiedGPT模型 3118.4.3 对未来技术的思考和展望 314习题 315参考文献 316
|
|
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
