基於智慧型信息處理的人工智慧基礎教程

內容簡介

《基於智慧型信息處理的人工智慧基礎教程》對人工智慧的理論基礎——智慧型信息處理方法逐一進行了介紹，著重講解了各種智慧型算法的思想淵源、流程結構、改進方法及其相關套用。

相比於其他的AI類圖書，《基於智慧型信息處理的人工智慧基礎教程》的大特點是在介紹每一種類型的智慧型信息處理方法之前幾乎都追溯了算法設計的思想淵源，因此，《基於智慧型信息處理的人工智慧基礎教程》具有較大的啟發性，讀者在閱讀時需要對此認真體會。《基於智慧型信息處理的人工智慧基礎教程》精心地選擇了當前人工智慧領域中具代表性的內容，主要包括緒論、模糊計算、機器學習算法、分類算法、聚類算法、遺傳算法、蟻群最佳化算法、粒子群最佳化算法以及複雜網路方法等。《基於智慧型信息處理的人工智慧基礎教程》不僅將基礎理論與實踐套用集於一身，同時還提供了一些與人工智慧領域相關的經典參考書籍，以便為讀者進一步深入地學習和研究AI算法和技術提供幫助。

對於那些完全沒有了解和接觸過AI技術並對此有興趣的廣大讀者，《基於智慧型信息處理的人工智慧基礎教程》無疑是適合閱讀的入門級教程或參考書。《基於智慧型信息處理的人工智慧基礎教程》也適於作為高等院校計算機科學、智慧型科學、數據科學等相關的高年級本科生和研究生教程，還可以作為人工智慧、計算智慧型、數據挖掘等領域的研究人員的理論參考書和工具書。

圖書目錄

第1篇導論

第1章緒論

1．1 人工智慧的產生和發展

1．2 最佳化問題分類

1．3 計算複雜性理論

1．4 智慧型信息處理方法

第2篇模糊理論

第2章模糊信息處理

2．1 模糊邏輯概述

2．2 模糊集合與模糊邏輯

2．3 模糊邏輯推理

2．4 模糊計算

2．5 模糊計算的套用現狀與發展前景

第3篇機器學習

第3章人工神經網路與機器學習

3．1 預備知識

3．2 人工神經網路模型

3．3 人工神經網路的經典結構

3．4 人工神經網路學習算法

3．5 基於反向傳播學習的前饋型神經網路

3．6 基於深度學習算法的深度神經網路

3．7 機器學習的套用與發展

第4篇數據挖掘基礎

第4章分類算法

4．1 分類的基本概念

4．2 基於距離的分類算法

4．3 基於決策樹的分類算法

4．4 貝葉斯分類算法

4．5 規則歸納

第5章聚類算法

5．1 聚類算法概述

5．2 劃分聚類算法

5．3 層次聚類算法

5．4 密度聚類算法

5．5 其餘聚類算法

第5篇演化計算

基於智慧型信息處理的人工智慧基礎教程

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條