《人工智慧導論：模型與算法》是高等教育出版社出版的圖書，作者是吳飛
基本介紹
- 作者：吳飛
- 出版社：高等教育出版社
- 頁數：360 頁
- ISBN：9787040534665
- 定價：27.70 元
內容簡介,圖書目錄,
內容簡介
本書是一本體系完整、突出算法和教學資源豐富的人工智慧教材，可幫助讀者掌握人工智慧脈絡體系，從算法和模型方面來了解人工智慧具能、使能和賦能的原理。全書共9章，第1章緒論；第2章邏輯與邏輯；第3章搜尋求解；第4章監督學習；第5章無監督學習；第6章深度學習；第7章強化學習；第8章人工智慧博弈；第9章人工智慧未來發展和趨勢。書中給了習題和編程題目。本書可作為人工智慧專業和計算機類相關專業的本科生或研究生學習人工智慧的教材。由於書中各章內容相對獨立，教師可根據課程計畫和專業需要選擇講授內容。
圖書目錄
第1章 緒論
1．1 人工智慧的起源
1．2 可計算載體：形式化與機械化
1．3 智慧型計算方法
1．3．1 符號主義為核心的邏輯推理
1．3．2 問題求解為核心的探尋搜尋
1．3．3 數據驅動為核心的機器學習
1．3．4 行為主義為核心的強化學習
1．3．5 博弈對抗為核心的決策智慧型
1．4 本書內容介紹
1．5 小結
習題1
參考文獻
第2章 邏輯與推理
2．1 命題邏輯
2．2 謂詞邏輯
2．3 知識圖譜推理
2．3．1 FOIL歸納推理
2．3．2 路徑排序推理
2．3．3 其他知識推理算法
2．4 因果推理
2．4．1 辛普森悖論
2．4．2 因果圖的基本概念
2．4．3 干預的因果效應
2．4．4 反事實模型
2．4．5 因果分析的層次化
2．5 小結
習題2
參考文獻
第3章 搜尋求解
3．1 搜尋算法基礎
3．1．1 搜尋基本問題和求解
3．1．2 搜尋算法的評價指標
3．1．3 搜尋算法框架
3．1．4 樹搜尋和圖搜尋
3．2 啟發式搜尋
3．2．1啟發函式與評價函式
3．2．2 貪婪最佳優先搜尋
3．2．3 A*搜尋
3．2．4 A*算法性能分析
3．3 對抗搜尋
3．3．1 最小最大搜尋
3．3．2 Alpha-Beta剪枝算法
3．3．3 Alpha-Beta剪枝算法性能分析
3．4 蒙特卡洛樹搜尋
3．4．1 探索與利用機制的平衡
3．4．2 上限置信區間算法
3．4．3 蒙特卡洛樹搜尋
3．5 小結
習題3
參考文獻
第4章 機器學習：監督學習
4．1 機器學習基本概念
4．1．1 機器學習的種類
4．1．2 監督學習的基本概念
4．2 回歸分析
4．2．1 一元線性回歸
4．2．2 多元線性回歸
4．2．3 邏輯斯蒂回歸/對數幾率回歸
4．3 決策樹
4．3．1 決策樹分類案例
4．3．2 構建決策樹
4．4 線性判別分析
4．5 AdaBoosting
4．5．1 可計算學習理論
4．5．2 AdaBoosting算法
4．5．3 從霍夫丁不等式解釋AdaBoosting算法
4．5．4 AdaBoosting分類例子
4．6 支持向量機
4．6．1 VC維與結構風險最小化
4．6．2 線性可分支持向量機
4．6．3 鬆弛變數，軟間隔與hinge損失函式
4．6．4 核函式解決線性不可分的情況
4．7 生成學習模型
4．8 小結
習題4
參考文獻
第5章 統計機器學習：無監督學習
5．1 K均值聚類
5．2 主成分分析
5．2．1 方差、協方差和相關係數
5．2．2 主成分分析
5．2．3 其他常用降維方法
5．3 特徵人臉方法
5．3．1 奇異值分解
5．3．2 特徵人臉方法
5．4 潛在語義分析
5．4．1 潛在語義分析思想
5．4．2 潛在語義分析例子
5．5 期望最大化算法
5．5．1 二硬幣投擲例子
5．5．2 三硬幣投擲例子
5．5．3 EM算法一般形式
5．6 小結
習題5
參考文獻
第6章 深度學習
6．1 深度學習的歷史發展
6．2 前饋神經網路
6．2．1 若干概念
6．2．2 感知機模型
6．2．3 參數最佳化與學習
6．3 卷積神經網路
6．3．1 卷積計算
6．3．2 池化
6．3．3 神經網路正則化
6．4 循環神經網路
6．4．1 循環神經網路模型
6．4．2 長短時記憶網路
6．4．3 門控循環單元
6．5 深度生成學習
6．5．1 生成對抗網路
6．5．2 生成對抗網路算法
6．5．3 條件生成對抗網路
6．5．4 用生成對抗網路抵禦對抗樣本攻擊
6．6 深度學習在自然語言和計算機視覺上的套用
6．6．1 詞向量模型
6．6．2 圖像分類與目標定位
6．7 小結
習題6
參考文獻
……
第7章 強化學習
第8章 人工智慧博弈
第9章 人工智慧未來發展和趨勢
附錄 設計實驗
