人工智慧基礎教程(2019年山東大學出版社出版的圖書)

內容簡介

　　《人工智慧基礎教程》簡要介紹了當今人工智慧的主要技術，可粗略反映人工智慧發展的軌跡。其中前七章主要介紹了感知機、支持向量機、樸素貝葉斯分類器、決策樹、聚類、文本處理等人工智慧的基礎知識，側重充實貝葉斯統計推斷和馬爾可夫鏈；第八章“推理和計算”承前啟後，內容是經典的，思想源於法國吉爾·多維克著的《計算進化史改變數學的命運》一書；後三章介紹了強化學習、分形幾何、生成式對抗網路、器類等當代人工智慧的前沿知識。《人工智慧基礎教程》嘗試以數理邏輯、資訊理論、博弈論作為人工智慧的基礎理論。《人工智慧基礎教程》可作為套用型本科、高職院校學生的學習用書，也適合用作培訓教材和自學者的參考用書。

圖書目錄

第一章人工智慧緣起

1．1 新公民索菲亞

1．2 人工智慧（AI）簡史

1．2．1 機器與智慧型（1956年之前）

1．2．2 人工智慧的形成與發展（1956年～20世紀末）

1．2．3 人工智慧+時代（進入21世紀）

1．3 通用圖靈機

習題一

第二章線性分類器

2．1 感知機

2．1．1 數學知識回顧

2．1．2 樣本數據預備

2．1．3 感知機模型

2．1．4 感知機學習算法

2．1．5 感知機訓練

2．2 支持向量機

2．2．1 數學知識回顧

2．2．2 線性支持向量機

2．2．3 損失函式

實驗實訓一訓練線性分類器

習題二

第三章深度學習

3．1 由生物神經元到M-P模型

3．1．1 神經元模型

3．1．2 感知機重述

3．1．3 多層感知機

3．1．4 反向傳播算法

3．2 卷積神經網路

3．2．1 卷積層

3．2．2 非線性激活層ReLU

3．2．3 池化層

3．2．4 全連線層

3．2．5 Softmax歸一化指數層

3．2．6 AlexNet的網路架構

3．3 循環神經網路

附錄反向傳播算法

實驗實訓二人臉識別

習題三

第四章貝葉斯分類器

4．1 貝葉斯機率

4．1．1 可列集

4．1．2 貝葉斯機率

4．1．3 條件機率和獨立性

4．1．4 期望值

4．2 信息與熵

人工智慧基礎教程(2019年山東大學出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條