人工智能技术作为一种基础性支撑技术，我们每个人都要学习掌握。而本书这正是这样一本关于人工智能的同时性图书，对于建立知识体系，厘清逻辑结构有着非常有效的帮助。通过本书你将学习到以下内容： 人工智能的基础知识，包括人工智能的定义、基本原理、发展历程、主要分支、应用领域、发展趋势等。 ?人工智能的知识表达、推理方法和智能计算等技术的基本原理，以及人工智能表示和处理知识的方式、行逻辑推理和优化求解的方法等。
售 价：¥
纸质售价：¥58.70购买纸书
6.8
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
第1章 绪论
1.1 人工智能的基本概念
1.2 人工智能发展简史
1.3 人工智能的基本原理及方法
1.4 人工智能的主要研究及应用领域
1.5 小结
思考题
第2章 知识表达
2.1 知识与知识表达的概念
2.2 一阶谓词逻辑表示法
2.3 产生式表示法
2.4 框架表示法
2.5 小结
思考题
第3章 确定性推理方法
3.1 推理的基本概念
3.2 自然演绎推理
3.3 谓词公式化为子句集的方法
3.4 鲁滨逊归结原理
3.5 归结反演
3.6 小结
思考题
第4章 智能算法及其应用
4.1 进化算法的产生与发展
4.2 遗传算法
4.3 遗传算法的改进算法
4.4 粒子群优化算法
4.5 蚁群算法
4.6 小结
思考题
第5章 机器学习
5.1 机器学习简介
5.2 特征工程
5.3 模型评估
5.4 有监督学习
5.5 无监督学习
5.6 小结
思考题
第6章 神经网络
6.1 神经元和神经网络
6.2 线性神经网络和全连接神经网络
6.3 BP神经网络
6.4 卷积神经网络
6.5 循环神经网络
6.6 生成对抗神经网络
6.7 小结
思考题
第7章 深度学习
7.1 深度学习的概念
7.2 深度卷积神经网络
7.3 深度残差网络
7.4 深度循环神经网络
7.5 门控循环单元
7.6 长短期记忆网络
7.7 注意力机制
7.8 小结
思考题
第8章 强化学习
8.1 强化学习的概念
8.2 马尔可夫过程
8.3 基于价值的强化学习
8.4 基于策略的强化学习
8.5 深度强化学习
8.6 模仿强化学习
8.7 集成强化学习
8.8 总结
思考题
第9章 联邦学习
9.1 联邦学习的概念
9.2 隐私保护技术
9.3 激励机制
9.4 横向联邦学习
9.5 纵向联邦学习
9.6 联邦迁移学习
9.7 小结
思考题
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
