会员   密码 您忘记密码了吗?
1,573,441 本书已上架      购物流程 | 常见问题 | 联系我们 | 关于我们 | 用户协议

有店 App


当前分类

商品分类

浏览历史

当前位置: 首页 > 简体书 > 人工智能基礎
人工智能基礎
上一张
下一张
prev next

人工智能基礎

作者: 谷宇(主編)
出版社: 機械工業出版社
出版日期: 2022-01-01
商品库存: 点击查询库存
以上库存为海外库存属流动性。
可选择“空运”或“海运”配送,空运费每件商品是RM14。
配送时间:空运约8~12个工作天,海运约30个工作天。
(以上预计配送时间不包括出版社库存不足需调货及尚未出版的新品)
定价:   NT258.00
市场价格: RM46.38
本店售价: RM41.28
促销价: RM40.81
剩余时间: 请稍等, 正在载入中...
购买数量:
collect Add to cart Add booking
详细介绍 商品属性 商品标记
內容簡介

本書系統地介紹了人工智慧的基本原理、方法和應用技術,比較全面地反映了人工智慧領域當前的研究進展和發展方向。全書共8章,具體內容包括人工智慧的基本概念和發展概況、腦與認知、機器感知、知識表示與推理、計算智慧、模式識別與機器學習、人工智慧系統的硬體基礎、人工智慧系統的應用。為了便於讀者理解,在介紹關鍵技術的同時,列舉了一些應用實例,每章後附有思考題與習題。本書內容由淺入深、循序漸進、條理清晰,讓讀者在有限的時間內掌握人工智慧的基本原理與應用技術,提高對人工智慧問題的求解能力。

本書可以作為高等院校人工智慧、自動化、智慧科學與技術、電腦、大資料等相關專業的教材,也可以供從事人工智慧研究與應用的科技人員學習參考。


作者介紹


目錄

第1章緒論
1.1人工智慧的基本概念
1.1.1人工智慧的概念
1.1.2研究領域
1.1.3存在意義
1.2人工智慧的歷史進程
1.2.1人工智慧的起源
1.2.2人工智慧的發展與困難
1.2.3人工智慧的崛起與低谷
1.2.4人工智慧的爆發
1.3“智能+”新時代
1.3.1“智能+”新時代的到來
1.3.2發展人工智慧教育
1.4本章小結
思考題與習題
參考文獻

第2章腦與認知
2.1神經系統的結構與功能
2.2感覺與知覺
2.2.1物理感覺
2.2.2化學感覺
2.2.3知覺
2.3學習與記憶
2.4本章小結
思考題與習題
參考文獻

第3章機器感知
3.1感測器基本特性與分類
3.1.1感測器的靜態特性
3.1.2感測器的動態特性
3.1.3感測器的分類
3.2特徵工程
3.2.1數據預處理
3.2.2特徵縮放
3.2.3特徵編碼
3.2.4特徵選擇
3.2.5特徵提取
3.3多源資訊融合技術
3.3.1多源資訊融合概述
3.3.2資訊融合模型
3.3.3多源資訊融合演算法
3.3.4多源資訊融合的應用
3.4無線感測器網路
3.4.1無線感測器網路基礎
3.4.2無線感測器網路的關鍵技術
3.4.3無線感測器網路的應用
3.4.4物聯網與無線感測器網路
3.5本章小結
思考題與習題
參考文獻

第4章知識表示與推理
4.1確定性知識表示
4.1.1命題與謂詞
4.1.2知識的產生式表示
4.1.3知識的結構化表示
4.1.4狀態空間標記法
4.2確定性推理方法
4.2.1一般演繹推理
4.2.2歸結演繹推理
4.3不確定性知識表示方法與推理
4.3.1概率表示及推理方法
4.3.2證據理論
4.4問題求解
4.4.1一般圖搜索
4.4.2盲目搜索
4.4.3啟發式搜索
4.4.4對抗搜索
4.5本章小結
思考題與習題
參考文獻

第5章計算智慧
5.1模糊理論
5.1.1模糊集合及其運算
5.1.2模糊推理
5.1.3模糊控制
5.2神經網路
5.2.1神經網路的結構
5.2.2神經網路的學習機制
5.2.3感知器
5.2.4BP神經網路
5.2.5徑向基函數神經網路
5.2.6回饋式神經網路
5.2.7自組織競爭神經網路
5.2.8CMAC網路
5.3遺傳演算法
5.3.1遺傳演算法原理
5.3.2遺傳演算法應用框架
5.4群體智慧
5.4.1蟻群演算法
5.4.2粒子群演算法
5.5本章小結
思考題與習題
參考文獻

第6章模式識別與機器學習
6.1基本概念
6.1.1研究分類
6.1.2研究模型
6.1.3研究內容
6.2分類演算法
6.2.1二分類
6.2.2多類別分類
6.2.3貝葉斯分類
6.2.4決策樹學習
6.3聚類演算法
6.3.1聚類演算法的原理
6.3.2k-均值演算法原理
6.3.3GMM演算法
6.3.4DBSCAN演算法
6.4回歸演算法
6.4.1回歸演算法原理
6.4.2最小二乘法
6.4.3邏輯回歸
6.5支持向量機
6.5.1支持向量機原理
6.5.2點到超平面的距離公式
6.5.3最大間隔的優化模型
6.5.4鬆弛變數
6.5.5支持向量機的優化
6.6深度學習
6.6.1基本思路與訓練過程
6.6.2卷積神經網路原理
6.6.3LeNet網路原理
6.6.4卷積神經網路的訓練
6.7降維
6.7.1數據降維
6.7.2主成分分析(PCA)原理
6.8本章小結
思考題與習題
參考文獻

第7章人工智慧系統的硬體基礎
7.1人工智慧基礎設施
7.1.1雲計算
7.1.2邊緣計算
7.2嵌入式系統概述
7.2.1嵌入式系統原理
7.2.2嵌入式系統開發方法
7.2.3嵌入式系統開放資源
7.3FPGA概述
7.3.1FPGA基本原理
7.3.2FPGA開發方法
7.3.3FPGA開放資源
7.4本章小結
思考題與習題
參考文獻

第8章人工智慧系統的應用
8.1機器視覺典型應用
8.1.1Python實現
8.1.2嵌入式系統實現
8.1.3FPGA實現
8.2無人駕駛系統典型應用
8.2.1Python實現
8.2.2嵌入式系統實現
8.2.3FPGA實現
8.3本章小結
思考題與習題
參考文獻