人工智能/21世紀高等學校計算機專業實用規劃教材 epub pdf mobi txt 電子書 下載 2024
發表於2024-11-23
人工智能/21世紀高等學校計算機專業實用規劃教材 epub pdf mobi txt 電子書 下載 2024
《人工智能/21世紀高等學校計算機專業實用規劃教材》係統介紹瞭人工智能的基本原理、基本技術、基本方法和應用領域等內容,比較全麵地反映瞭60年來人工智能領域的進展,並根據人工智能的發展動嚮對一些傳統內容做瞭取捨。
《人工智能/21世紀高等學校計算機專業實用規劃教材》共9章。第1章介紹人工智能的基本概念、發展曆史、應用領域等。其後8章的內容分為兩大部分:第1部分(第2~5章)主要講述傳統人工智能的基本概念、原理、方法和技術,涵蓋知識錶示、搜索策略、確定性推理和不確定推理的相關技術與方法;第二部分(第6~9章)主要講述現代人工智能的新的技術和方法,涵蓋機器學習、數據挖掘、大數據、深度學習的新技術與方法。每章後麵附有習題,以供讀者練習。
《人工智能/21世紀高等學校計算機專業實用規劃教材》主要作為計算機專業本科生和其他相關學科本科生相關課程教材,也可供研究生和有關科技人員參考。
第1章 緒論
1.1 人工智能的定義
1.2 人工智能的發展曆史
1.2.1 孕育階段
1.2.2 形成階段
1.2.3 發展階段
1.3 人工智能的三大學派
1.3.1 符號主義
1.3.2 連接主義
1.3.3 行為主義
1.4 人工智能研究內容與應用領域
1.4.1 問題求解
1.4.2 專傢係統
1.4.3 機器學習
1.4.4 神經網絡
1.4.5 模式識彆
1.4.6 數據挖掘和知識發現
1.4.7 計算機視覺
1.4.8 智能控製
1.4.9 計算智能
1.4.10 其他
1.5 人工智能的發展趨勢
1.5.1 多學科交叉研究
1.5.2 智能應用和智能産業
1.6 習題
第2章 知識錶示
2.1 概述
2.1.1 知識及知識的分類
2.1.2 知識錶示
2.2 謂詞邏輯錶示法
2.2.1 基本概念
2.2.2 謂詞邏輯錶示法
2.2.3 謂詞邏輯錶示法的經典應用
2.2.4 謂詞邏輯錶示法的特點
2.3 産生式錶示法
2.3.1 概述
2.3.2 産生式係統
2.3.3 産生式錶示法應用舉例
2.3.4 産生式係統的推理方式
2.3.5 産生式係統的特點
2.4 語義網絡錶示法
2.4.1 語義網絡基本概念
2.4.2 語義網絡中常用的語義聯係
2.4.3 語義網絡錶示知識的方法
2.4.4 語義網絡的推理過程
2.4.5 語義網絡錶示的特點
2.5 框架錶示法
2.5.1 框架基本結構
2.5.2 基於框架的推理
2.5.3 框架錶示法的特點
2.6 習題
第3章 搜索策略
3.1 搜索的基本概念
3.1.1 搜索的含義
3.1.2 狀態空間法
3.1.3 問題歸約法
3.2 狀態空間搜索
3.2.1 盲目搜索
3.2.2 狀態空間的啓發式搜索
3.3 博弈樹的啓發式搜索
3.3.1 概述
3.3.2 極大極小過程
3.3.3 ?-餳糝?
3.4 習題
第4章 確定性推理
4.1 推理的基本概念
4.1.1 什麼是推理
4.1.2 推理方法及其分類
4.1.3 推理的控製策略及其分類
4.1.4 正嚮推理
4.1.5 逆嚮推理
4.1.6 混閤推理
4.2 推理的邏輯基礎
4.2.1 謂詞公式的解釋
4.2.2 謂詞公式的永真性與可滿足性
4.2.3 謂詞公式的等價性與永真蘊含性
4.2.4 謂詞公式的範式
4.2.5 置換與閤一
4.3 自然演繹推理
4.4 歸結演繹推理
4.4.1 子句集及其簡化
4.4.2 魯濱遜歸結原理
4.4.3 歸結演繹推理的歸結策略
4.4.4 用歸結反演求取問題的解
4.5 基於規則的演繹推理
4.5.1 規則正嚮演繹推理
4.5.2 規則逆嚮演繹推理
4.6 習題
第5章 不確定性推理
5.1 概述
5.1.1 為什麼要采用不確定性推理
5.1.2 不確定性推理要解決的問題
5.1.3 不確定性推理類型
5.2 概率基礎
5.3 主觀貝葉斯方法
5.3.1 不確定性的錶示
5.3.2 組閤證據不確定性的計算
5.3.3 不確定性的傳遞算法
5.3.4 結論不確定性的閤成
5.4 可信度方法
5.4.1 不確定性的錶示
5.4.2 組閤證據不確定性的計算
5.4.3 不確定性的傳遞算法
5.4.4 結論不確定性的閤成
5.5 證據理論
5.5.1 理論基礎
5.5.2 不確定性錶示
5.5.3 組閤證據不確定性的計算
5.5.4 不確定性的更新
5.6 模糊推理
5.6.1 模糊知識的錶示
5.6.2 模糊概念的匹配
5.6.3 模糊推理
5.7 習題
第6章 機器學習
6.1 概述
6.1.1 機器學習的基本概念
6.1.2 機器學習的發展曆史
6.1.3 學習係統的基本模型
6.1.4 學習策略
6.2 記憶學習
6.3 歸納學習
6.3.1 示例學習
6.3.2 觀察與發現學習
6.4 決策樹學習
6.5 類比學習
6.5.1 類比學習的基本過程
6.5.2 屬性類比學習
6.5.3 轉換類比學習
6.5.4 派生類比學習
6.5.5 聯想類比學習
6.6 解釋學習
6.7 神經學習
6.7.1 感知器學習
6.7.2 反嚮傳播網絡學習
6.7.3 Hopfield網絡學習
6.8 貝葉斯學習
6.8.1 貝葉斯定理
6.8.2 樸素貝葉斯分類算法
6.9 在綫機器學習
6.9.1 截斷梯度法
6.9.2 前嚮後嚮切分算法
6.9.3 正則對偶平均算法
6.9.4 FTRL
6.10 習題
第7章 數據挖掘
7.1 數據挖掘概述
7.1.1 數據挖掘概念與發展
7.1.2 數據挖掘的任務
7.1.3 數據挖掘的應用
7.1.4 數據挖掘過程與方法
7.2 分類
7.2.1 決策樹分類法
7.2.2 基於規則的分類器
7.2.3 樸素貝葉斯分類器
7.2.4 基於距離的分類算法
7.3 聚類
7.3.1 概念
7.3.2 聚類分析的基本方法
7.4 關聯規則
7.4.1 基本概念
7.4.2 關聯規則挖掘算法
7.4.3 關聯規則生成
7.5 習題
第8章 大數據
8.1 大數據概述
8.1.1 大數據概念
8.1.2 特徵
8.1.3 發展曆程
8.1.4 應用
8.2 數據獲取
8.2.1 網絡爬蟲
8.2.2 RSS
8.3 數據挖掘
8.3.1 概述
8.3.2 數據挖掘工具
8.3.3 現狀與未來
8.4 數據分析
8.4.1 概述
8.4.2 數據分析流程
8.4.3 數據分析方法
8.4.4 數據分析工具
8.5 Hadoop
8.5.1 簡介
8.5.2 分布式離綫計算框架MapReduce
8.5.3 Hadoop分布式文件係統
8.5.4 HBase大數據庫
8.6 數據可視化
8.7 習題
第9章 深度學習
9.1 深度學習應用背景與概述
9.1.1 應用背景
9.1.2 概述
9.1.3 人腦視覺機理
9.2 特徵的概念
9.2.1 特徵錶示的粒度
9.2.2 初級(淺層)特徵錶示
9.2.3 結構性特徵錶示
9.2.4 特徵數量
9.3 深度學習基本思想
9.4 淺層學習和深度學習
9.4.1 淺層學習
9.4.2 深度學習
9.5 深度學習常用模型和方法
9.5.1 自動編碼器
9.5.2 稀疏編碼
9.5.3 深度信念網絡
9.5.4 捲積神經網絡
9.6 深度學習展望
9.7 習題
參考文獻
人工智能/21世紀高等學校計算機專業實用規劃教材 epub pdf mobi txt 電子書 下載 2024
人工智能/21世紀高等學校計算機專業實用規劃教材 下載 epub mobi pdf txt 電子書人工智能/21世紀高等學校計算機專業實用規劃教材 mobi pdf epub txt 電子書 下載 2024
人工智能/21世紀高等學校計算機專業實用規劃教材 epub pdf mobi txt 電子書 下載評分
評分
評分
評分
評分
評分
評分
評分
人工智能/21世紀高等學校計算機專業實用規劃教材 epub pdf mobi txt 電子書 下載 2024