新書推薦：
《
日常的金字塔：写诗入门十一阶
》
售價：HK$
74.8
《
税的荒唐与智慧：历史上的税收故事
》
售價：HK$
107.8
《
图式疗法的刻意练习
》
售價：HK$
87.9
《
人间游戏：人际关系心理学（500万册畅销书《蛤蟆先生》理论原典，帮你读懂人际关系中那些心照不宣的“潜规则”）
》
售價：HK$
43.8
《
伟大的遗址（亲历100座人类文明考古奇迹）
》
售價：HK$
206.8
《
秦汉国家的思想、信仰与皇权政治
》
售價：HK$
215.6
《
反卷社会：打破优绩主义神话（一本直面焦虑与困境的生活哲学书！）
》
售價：HK$
83.6
《
偶然事件（命运总是欺软怕硬，你不认命就会赢！）
》
售價：HK$
54.9
|
| 內容簡介： |
|
本书是面向智能制造相关专业的人工智能基础教材，全书共分9章，构成了基础理论与典型应用的完善体系，涵盖了简明数学基础、核心算法架构、典型应用案例。本书由智能制造专家与人工智能专家合作编写，既保证了知识体系上符合人工智能领域的科学性，又在具体知识点的展开上具有显著的智能制造领域应用目标导向，并配以智能制造领域相关典型案例。本书可作为智能制造、机械类、材料类、电气类、电子信息科学类以及其他智能制造相关专业的本科生学习人工智能课程的教材。
|
| 目錄：
|
第1章 绪论
1.1 人工智能的基本定义
1.1.1 人工智能的概念与特征
1.1.2 人工智能的学科体系
1.2 人工智能发展历程简介
1.2.1 人工智能的主要发展阶段
1.2.2 人工智能的三大学派
1.2.3 人工智能发展战略规划
1.3 人工智能的主要应用方向
1.4 本章小结
习题
参考文献
第2章 数学基础
2.1 逻辑基础
2.1.1 知识表示
2.1.2 推理方法
2.2 计算基础
2.2.1 计算复杂性
2.2.2 线性代数
2.2.3 微积分
2.3 概率基础
2.3.1 不确定性的量化
2.3.2 概率推理基础
2.4 本章小结
习题
参考文献
第3章 群智能算法
3.1 群智能算法概述
3.2 遗传算法
3.2.1 遗传算法的基本原理
3.2.2 遗传算法的一般步骤
3.3 粒子群优化算法
3.4 蚁群算法
3.5 本章小结
习题
参考文献
第4章 机器学习
4.1 机器学习概述
4.2 线性回归
4.3 支持向量机
4.3.1 支持向量与间隔
4.3.2 对偶问题与核函数
4.4 决策树
4.5 随机森林
4.6 本章小结
习是亟
参考文献
第5章 人工神经网络
5.1 人工神经网络概述
5.2 神经元模型
5.3 多层感知机
5.3.1 多层感知机模型
5.3.2 神经网络的表达能力与近似理论
5.3.3 反向传播算法
5.4 多层感知机的改进
5.4.1 提高训练效率
5.4.2 过拟合与正则化
5.4.3 深度网络训练
5.5 本章小结
习题
参考文献
第6章 卷积神经网络
6.1 卷积神经网络概述
6.2 卷积神经网络的层级结构
6.2.1 卷积层的工作原理
6.2.2 池化层的工作原理
6.2.3 批归一化与卷积神经网络优化
6.3 卷积神经网络进阶
6.3.1 残差网络
6.3.2 Inception模块
6.3.3 卷积神经网络的迁移学习
6.4 卷积神经网络在计算机视觉中的应用
6.4.1 图像分类
6.4.2 目标检测
6.4.3 图像分割
6.5 本章小结
习题
参考文献
第7章 循环神经网络
7.1 循环神经网络概述
7.2 循环神经网络的层级结构
7.2.1 循环神经元结构
7.2.2 循环神经网络架构
7.2.3 随时间反向传播算法
7.2.4 梯度消失与梯度爆炸问题
7.3 长短期记忆网络
7.4 门控循环单元网络
7.5 循环神经网络进阶与应用
7.5.1 双向循环神经网络
7.5.2 注意力机制与循环神经网络的结合
7.5.3 循环神经网络的应用案例
7.6 本章小结
习题
参考文献
第8章 生成对抗网络
8.1 生成对抗网络概述
8.2 生成对抗网络的层级结构
8.2.1 生成器与判别器的工作原理
8.2.2 生成对抗网络的训练过程
8.2.3 生成对抗网络的收敛性
8.3 生成对抗网络进阶
8.3.1 条件生成对抗网络
8.3.2 信息最大化生成对抗网络
8.4 生成对抗网络在图像处理中的应用
8.4.1 图像生成
8.4.2 图像编辑
8.4.3 图像超分辨率
8.5 本章小结
习题
参考文献
第9章 人工智能大模型
9.1 大模型概述
9.1.1 大模型的定义与特征
9.1.2 大模型的发展历程
9.1.3 大模型与传统机器学习算法的对比
9.2 大模型的架构与构建流程
9.2.1 Transformer
9.2.2 大规模预训练模型
9.2.3 多模态大模型
9.2.4 大模型的构建流程
9.3 大模型的应用
9.3.1 自然语言处理领域中的应用
9.3.2 计算机视觉领域中的应用
9.3.3 跨领域应用与迁移学习
9.4 大模型面临的挑战与未来展望
9.4.1 计算资源与能源消耗
9.4.2 大模型的可解释性问题
9.4.3 大模型的发展方向
9.5 本章小结
习题
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
