- 人工智能基础(普通高等教育人工智能系列教材)
- - 作者：编者:杨杰//黄晓霖//高岳//乔宇//屠恩美|责编:吉玲//王小东
  - 出版社：机械工业
  - ISBN：9787111649007
  - 出版日期：2020/05/01
  - 页数：202
- 售价：14

内容大纲
本书内容主要涉及人工智能经典及实用的关键技术，以及人工智能近年来最新发展的技术，具体包括人脑认知、经典人工智能、经典人工神经网络、优化与智能计算、统计学习方法、深度学习、强化学习、自然语言处理、智能机器人。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例；主要章后均附有习题。
本书结合了编者多年来从事人工智能科研和教学的经验，注重内容的实用性和先进性。本书可作为普通高等院校理工科专业的“人工智能”通识课程的教材。
作者介绍
杨杰，上海交通大学二级教授，1989年师从人工智能国际著名权威Bernd Neumann教授(曾担任世界智能大会主席和欧洲人工智能学会主席)，在德国汉堡大学取得人工智能方向博士学位后在国内从事20多年人工智能技术研究和应用，取得6项省部级成果奖，发表SCI检索的高水平学术论文超过200篇，授权发明专利超过50项，培养了包括国家杰出青年基金获得者在内的10多名正教授和30多名副教授。
目录
前言
第1章  绪论
  导读
  1.1  人工智能的定义
  1.2  人工智能的诞生
  1.3  人工智能研究的各种学派及其理论
  1.4  人工智能的研究及应用领域
  本章小结
  参考文献
第2章  人脑认知
  导读
  2.1  脑科学与脑认知
  2.2  脑构造与脑神经
  2.3  视觉和听觉感知
  2.4  记忆与思维认知
  本章小结
  习题
  参考文献
第3章  经典人工智能
  导读
  3.1  知识表示方法
  3.2  搜索技术
  3.3  知识推理
  3.4  不确定性推理
  本章小结
  习题
  参考文献
第4章  经典人工神经网络
  导读
  4.1  人工神经网络概述
  4.2  单层前向网络分类器
  4.3  多层前向网络
  4.4  单层反馈网络
  本章小结
  习题
  参考文献
第5章  优化与智能计算
  导读
  5.1  优化的基本概念
  5.2  凸优化、梯度下降与随机梯度
  5.3  智能优化方法
  本章小结
  习题
  参考文献
第6章  统计学习方法
  导读
  6.1  统计学习的基本概念
  6.2  小二乘与压缩感知
  6.3  支持向量机及核方法
  6.4  决策树、集成学习和随机森林

  6.5  无监督学习
  本章小结
  习题
  参考文献
第7章  深度学习
  导读
  7.1  深度学习概述
  7.2  卷积神经网络
  7.3  循环神经网络
  7.4  长短期记忆网络
  7.5  深度学习在图像语义分割的应用
  本章小结
  习题
  参考文献
第8章  强化学习
  导读
  8.1  什么是强化学习
  8.2  强化学习基础
  8.3  基于模型的强化学习方法
  8.4  无模型的强化学习方法
  8.5  基于直接策略搜索的强化学习方法
  8.6  强化学习前沿
  本章小结
  习题
  参考文献
第9章  自然语言处理
  导读
  9.1  自然语言处理概述
  9.2  自然语言处理基础
  9.3  文本解析
  9.4  文本向量化表示
  9.5  语言模型与预测
  9.6  机器翻译
  本章小结
  习题
  参考文献
第10章  智能机器人
  导读
  10.1  智能机器人的分类
  10.2  智能机器人的相关技术
  10.3  智能机器人的现状
  10.4  智能机器人的广泛应用
  10.5  工业智能机械臂
  10.6  智能汽车
  10.7  脑控机器人
  本章小结
  习题
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目