新書推薦：
《
大争之世：改变古代中国的十五次战争
》
售價：HK$
96.8
《
基础肌动学手册（第20版）
》
售價：HK$
151.8
《
草原帝国（精装本）
》
售價：HK$
121.0
《
大女主：唤醒女性内在的力量（女性应最大限度地做自己，而不是做女儿、妻子或母亲！）
》
售價：HK$
63.8
《
海权的胜利 第二次世界大战中海军与全球秩序的转变 保罗·肯尼迪 著 二战如何改变全球秩序 海权论 战争史 二战史 制海权
》
售價：HK$
118.8
《
牛津中国创新手册
》
售價：HK$
261.8
《
李鸿章传：20世纪四大传记之一
》
售價：HK$
41.8
《
养正
》
售價：HK$
85.8
|
| 內容簡介： |
|
《人工智能原理与方法》按照人工智能五维知识体系进行介绍。学科基础方面，主要介绍人工智能数学基础、脑科学启发的人工智能方法；技术基础方面，深入介绍人工神经网络、机器学习原理与方法；重点方向与领域方面，介绍机器感知智能、机器认知智能、机器语言智能、机器类脑智能、机器行为智能、人机混合智能原理与方法；行业应用方面，从智能城市、智能制造、智能医疗等方面进行阐述；伦理与法律方面，介绍人工智能伦理体系以及人工智能技术应用如自动驾驶汽车、人工智能著作权等涉及的法律问题。《人工智能原理与方法》提供了算法代码，通过练习和实践操作，帮助读者深入掌握人工智能技术。
|
| 目錄：
|
|
目录第1章 绪论 11.1 人工智能的基本认识 11.2 人工智能系统论 31.2.1 人工智能系统论含义 31.2.2 人工智能系统论架构 31.3 人工智能五维知识体系 51.3.1 学科基础 61.3.2 技术基础 71.3.3 重点方向与领域 91.3.4 行业应用 121.3.5 人工智能伦理与法律 121.4 人工智能五维知识体系与本书内容 121.5 小结 14第2章 数学背景知识 152.1 向量、矩阵和线性代数 152.1.1 向量 152.1.2 矩阵 172.1.3 特征向量和特征值 192.1.4 线、面和超平面 192.2 概率论 202.2.1 随机变量和概率公理 202.2.2 联合概率和条件概率 212.2.3 期望、方差和协方差 212.2.4 概率密度函数 222.2.5 贝叶斯法 242.3 马尔可夫模型 242.3.1 马尔可夫链 252.3.2 马尔可夫决策过程 262.3.3 隐马尔可夫模型 282.4 函数优化基础 292.4.1 低维函数优化 292.4.2 多维函数优化 302.4.3 梯度方向 312.5 度量准则 322.6 常用的激活函数 332.7 小结 35第3章 脑及神经科学与人工智能 363.1 人脑神经元与人工神经网络 363.1.1 MP神经元模型 363.1.2 神经元计算能力新发现 383.2 生物神经元模型与类脑计算 393.2.1 生物脉冲神经元模型 393.2.2 神经形态计算 403.3 生物视觉与机器视觉及感知智能 413.3.1 人的视觉机制 413.3.2 深度卷积神经网络的生物视觉机制 423.3.3 视觉模拟 433.4 人类学习与机器学习 443.5 人类的注意力机制与深度学习 463.5.1 人类的注意力机制 463.5.2 注意力机制在深度神经网络的应用 463.6 人类的记忆机制 473.6.1 人类的记忆类型 473.6.2 记忆机制在机器学习中的应用 483.7 人类情感与机器情感 493.7.1 大脑情感模型 493.7.2 机器情感 493.8 脑与神经科学对人工智能的作用 503.9 小结 51第4章 人工神经网络原理与方法 524.1 人工神经元与感知器模型 524.1.1 单神经元模型 524.1.2 多层人工神经网络 524.1.3 多层感知器 544.1.4 反向传播算法 544.2 卷积神经网络 574.2.1 卷积神经网络基本概念 574.2.2 卷积神经网络结构组成 584.2.3 损失函数 644.3 人工神经网络学习训练方法 654.3.1 梯度下降法 654.3.2 改进梯度下降法 664.4 深度卷积神经网络 684.5 循环神经网络 704.6 小结 72第5章 机器学习原理与方法 735.1 机器学习发展历程 735.2 深度学习方法 745.2.1 深度学习优势与缺陷 745.2.2 自编码器 755.2.3 生成对抗网络 775.2.4 transformer模型 795.2.5 ViT模型 815.2.6 扩散模型 835.3 联邦学习 845.3.1 横向联邦学习 845.3.2 纵向联邦学习 855.3.3 联邦迁移学习 865.4 强化学习 875.4.1 强化学习原理 875.4.2 强化学习定义 885.4.3 强化学习基本方法 895.5 小结 91第6章 机器感知智能原理与方法 926.1 机器感知智能含义 926.2 数字图像处理技术 936.3 计算机视觉与机器视觉 936.3.1 计算机视觉 936.3.2 机器视觉 956.4 模式识别 976.4.1 模式识别概念 976.4.2 模式识别系统 976.5 用于感知智能的**深度学习算法 996.5.1 YOLO算法 996.5.2 YOLOv7算法 1026.6 机器感知智能案例——目标检测与识别 1046.6.1 目标检测模型结构 1046.6.2 主干网络 1056.6.3 角点池化 1086.7 小结 110第7章 机器认知智能原理与方法 1117.1 认知智能技术的发展及应用 1117.2 推理方法 1117.2.1 直觉推理 1127.2.2 常识推理 1127.2.3 关系推理 1127.2.4 因果推理 1127.3 场景理解 1157.4 视觉问答 1177.5 搜索技术 1197.5.1 蒙特卡罗规划 1197.5.2 AlphaZero围棋程序 1227.5.3 蒙特卡罗树搜索在AlphaZero围棋程序的应用 1227.6 知识图谱方法 1267.6.1 知识图谱概念 1267.6.2 如何构建一个知识图谱 1277.7 小结 129第8章 机器语言智能原理与方法 1308.1 自然语言处理技术 1308.2 自然语言理解方法 1308.2.1 简单句的理解方法 1308.2.2 复合句的理解方法 1318.3 机器语言智能技术应用——聊天机器人 1328.3.1 聊天机器人发展历史与现状 1328.3.2 聊天机器人与自然语言理解 1328.3.3 聊天机器人关键技术 1338.3.4 一个聊天机器人的简单例子 1358.4 语音识别原理与方法 1428.4.1 语音识别概念与发展历史 1428.4.2 语音识别系统与类型 1428.4.3 语音识别的概率噪声信道总体结构 1438.4.4 隐马尔可夫模型应用于语音识别 1458.5 机器翻译原理与技术 1488.5.1 机器翻译概念 1488.5.2 transformer通用翻译模型 1498.6 小结 151第9章 机器类脑智能原理与方法 1529.1 类脑计算与类脑智能 1529.1.1 类脑计算概念及意义 1529.1.2 类脑计算主要方法 1539.2 脉冲神经网络与神经形态计算 1559.3 神经形态类脑芯片 1579.3.1 Loihi神经形态多核处理器 1589.3.2 “天极”神经形态芯片 1589.3.3 类脑芯片KA200芯片 1589.3.4 “达尔文”芯片 1599.3.5 BrainScaleS 1619.3.6 TrueNorth神经形态计算芯片 1619.4 神经形态计算机 1639.4.1 神经形态计算机的概念 1639.4.2 神经形态计算机与传统计算机的比较 1649.5 基于忆阻器的类脑计算 1659.6 人工大脑 1679.6.1 人工神经元 1689.6.2 人造神经突触 1689.7 小结 169第10章 机器行为智能原理与方法 17010.1 机器人行为智能与机器人类型 17010.1.1 机器人与行为智能 17010.1.2 机器人类型 17010.2 机器人共性技术 17310.2.1 传感器 17310.2.2 自由度、效应器和执行器 17810.2.3 移动机器人SLAM技术 17910.3 基于深度相机的SLAM系统数学模型 18110.3.1 深度相机模型 18110.3.2 针孔相机模型 18310.3.3 基于深度相机的SLAM系统描述 18510.3.4 SLAM过程的图模型与优化方法 18610.4 无人智能系统 18810.4.1 无人车系统 18810.4.2 无人艇系统 19010.4.3 无人飞行器系统 19310.5 小结 195第11章 人机混合智能原理与方法 19611.1 脑机接口混合智能技术 19611.1.1 脑机接口原理 19611.1.2 脑机接口系统分类 19711.1.3 EEG信号模式 19811.1.4 脑机接口技术应用 20011.2 外骨骼混合智能技术 20611.2.1 外骨骼概念 20611.2.2 结构与原理 20711.2.3 外骨骼关键技术 20811.3 可穿戴计算 21211.3.1 普适计算与可穿戴计算 21211.3.2 可穿戴柔性传感器 21411.3.3 可穿戴计算的闭环典型应用 21511.3.4 智能监控服装 21611.4 小结 216第12章 人工智能行业应用 21712.1 人工智能与社会发展 21712.1.1 人工智能与数字经济 21712.1.2 人工智能技术产业应用层次 21812.2 智能城市 21912.2.1 智能城市发展关键技术 21912.2.2 云计算与智能城市 22012.3 智能制造 22212.3.1 人工智能赋能制造业 22212.3.2 智能制造基础技术 22312.3.3 制造业与人工智能算法 22512.4 智能医疗 22512.4.1 智能医疗发展现状 22512.4.2 智能医疗案例——超声影像识别 22612.5 小结 237第13章 人工智能伦理与法律 23813.1 人工智能伦理与传统伦理学的关系 23813.1.1 应用伦理、科技伦理与人工智能伦理 23813.1.2 人工智能伦理概念与含义 23913.1.3 人工智能伦理体系 24113.2 狭义人工智能伦理 24213.2.1 人工智能技术引发的伦理问题 24213.2.2 人工智能数据伦理 24213.2.3 人工智能算法伦理问题 24413.2.4 机器人伦理问题 24513.2.5 自动驾驶汽车伦理 24713.2.6 人工智能行业应用伦理 24813.2.7 人工智能设计伦理 25013.3 广义人工智能伦理 25013.3.1 人机混合伦理 25013.3.2 人工智能全球伦理 25113.3.3 人工智能宇宙伦理 25213.3.4 超现实人工智能伦理 25213.4 人工智能伦理原则 25313.5 人工智能技术涉及的法律问题 25413.5.1 自动驾驶汽车法律问题 25413.5.2 人工智能著作权问题 256<
|
|
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
