新書推薦：
《
阿勒泰的春天
》
售價：HK$
50.4
《
如见你
》
售價：HK$
51.3
《
人格阴影 全新修订版，更正旧版多处问题。国际分析心理学协会（IAAP）主席力作
》
售價：HK$
67.0
《
560种野菜野果鉴别与食用手册
》
售價：HK$
67.1
《
中国官僚政治研究（一部洞悉中国政治制度演变的经典之作）
》
售價：HK$
62.7
《
锂电储能产品设计及案例详解
》
售價：HK$
110.9
《
首辅养成手册（全三册）（张晚意、任敏主演古装剧《锦绣安宁》原著小说）
》
售價：HK$
121.0
《
清洁
》
售價：HK$
65.0
|
| 內容簡介： |
本书系统阐述了人工智能的基本原理、方法和应用技术，以知识为线索，分为知识搜索、知识发现、知识推理和知识应用四个部分，全面反映了人工智能领域国内外的研究进展和动态。为便于读者深入学习，每章的后一节均配有相关方法的案例和编程内容，大部分章末配有课后练习，读者可扫描书中二维码获取相关代码和参考答案。
本书可作为高等学校智能科学与技术、人工智能、自动化、机器人工程等相关专业学生学习人工智能课程的教材，也可供从事人工智能研究与应用的科技工作者参考。
|
| 目錄：
|
第1 章 概论 1
1.1 什么是人工智能？ 1
1.2 人工智能的发展历史、现状及未来发展方向 2
1.2.1 人工智能的发展历史 2
1.2.2 人工智能的现状 3
1.2.3 人工智能发展趋势与展望 4
1.3 人工智能的主要学派 4
1.3.1 符号主义 4
1.3.2 连接主义 5
1.3.3 行为主义 6
1.3.4 三大学派的协同并进 6
1.4 开发工具 7
1.4.1 为什么使用Python 来开发人工智能 7
1.4.2 Python 简介 7
课后练习 10
部分 知识搜索011
第2 章 搜索的基本策略 12
2.1 搜索过程 12
2.2 盲目搜索策略 13
2.2.1 宽（广）度优先搜索策略 14
2.2.2 深度优先搜索策略 14
2.3 启发式搜索策略 15
2.3.1 有序搜索算法（A 算法） 15
2.3.2 A*算法 16
2.4 编程实践 16
2.4.1 八数码难题 16
2.4.2 自动驾驶运动规划 19
课后练习 21
第3 章 搜索的高级策略 23
3.1 群智能优化算法 23
3.1.1 蚁群算法 23
3.1.2 粒子群优化算法 25
3.2 动态规划 25
3.3 编程实践 28
3.3.1 蚁群算法求解路径优化问题 28
3.3.2 动态规划求解钢条切割效益化问题 31
课后练习 32
第二部分 知识发现035
第4 章 概念学习和决策树 36
4.1 概念学习 36
4.1.1 什么是概念学习 36
4.1.2 寻找极大特殊假设算法 37
4.1.3 候选消除算法 38
4.2 决策树学习 38
4.2.1 划分属性准则 39
4.2.2 决策树的生成 41
4.3 归纳学习假设 44
4.4 编程实践 44
4.4.1 寻找极大特殊假设算法解决概念学习 44
4.4.2 候选消除算法解决概念学习问题 45
4.4.3 使用决策树对贷款申请样本进行决策 45
4.4.4 使用决策树对鸢尾花数据集进行分类 47
课后练习 49
第5 章 线性回归和分类 51
5.1 线性回归 51
5.1.1 线性模型 51
5.1.2 多项式回归 53
5.1.3 正则化方法 53
5.2 线性分类 54
5.3 编程实践 56
5.3.1 使用线性回归预测波士顿房价 56
5.3.2 使用逻辑回归分类仿真数据 58
课后练习 60
第6 章 统计学习方法 62
6.1 贝叶斯方法 62
6.1.1 贝叶斯定理 63
6.1.2 朴素贝叶斯分类器 63
6.2 支持向量机 66
6.2.1 线性支持向量机 66
6.2.2 软间隔 69
6.2.3 核函数 70
6.3 编程实践 71
6.3.1 使用贝叶斯方法实现垃圾邮件过滤 71
6.3.2 使用支持向量机实现鸢尾花数据的分类 73
课后练习 75
第7 章 人工神经网络和深度学习 76
7.1 人工神经网络 76
7.1.1 基本单元 77
7.1.2 网络结构 78
7.1.3 典型的神经网络 80
7.2 深度学习 87
7.2.1 卷积神经网络 87
7.2.2 循环神经网络 89
7.3 编程实践 93
7.3.1 基于神经网络的双螺旋数据分类 93
7.3.2 手写数字识别 96
7.3.3 地球温度预测 99
课后练习 101
第8 章 聚类 104
8.1 聚类基础 104
8.2 K 均值聚类 106
8.2.1 算法 106
8.2.2 如何选择的聚类个数 108
8.3 基于密度的聚类算法 109
8.4 谱聚类 110
8.5 编程实践 111
8.5.1 K 均值实例 111
8.5.2 基于密度的聚类算法实例 114
8.5.3 谱聚类实例 117
课后练习 118
第三部分 知识推理121
第9 章 知识表示方法 122
9.1 什么是知识 122
9.2 人工智能所关心的知识 123
9.3 知识表示方法 124
9.3.1 状态空间法 124
9.3.2 问题规约法 125
9.3.3 谓词逻辑法 125
9.3.4 语义网络表示法 126
9.3.5 产生式表示法 126
9.3.6 框架表示法 127
9.3.7 面向对象的表示方法 127
9.4 编程实践 127
9.4.1 状态空间法解决野人过河问题 127
9.4.2 问题规约法解决梵塔问题 128
9.4.3 谓词逻辑法解决八皇后问题 129
课后练习 130
第10 章 经典逻辑推理 132
10.1 推理 132
10.2 命题和谓词 133
10.2.1 命题和命题逻辑 133
10.2.2 谓词与谓词逻辑 134
10.3 自然演绎推理 135
10.4 归结演绎推理 136
10.4.1 谓词公式化为子句集 136
10.4.2 等价式 138
10.4.3 永真蕴含式 139
10.4.4 置换和合一 139
10.4.5 归结原理（定理证明） 140
10.4.6 归结反演（问题求解） 141
10.5 与或型演绎推理 141
10.6 产生式系统 141
10.7 编程实践 142
10.7.1 自然演绎推理实例 142
10.7.2 动物识别系统 143
课后练习 148
第四部分 领域应用149
第11 章 专家系统 150
11.1 专家系统 150
11.2 专家系统的结构和建造步骤 152
11.2.1 专家系统的简化结构 152
11.2.2 专家系统的开发 153
11.3 基于规则的专家系统 154
11.4 编程实例 155
11.4.1 基于决策树的专家系统规则提取 155
11.4.2 Boston 数据集上的专家规则提取 156
课后练习 158
第12 章 人脸识别 159
12.1 人脸识别 159
12.1.1 Haar 特征 160
12.1.2 AdaBoost 160
12.2 编程实例 161
12.2.1 人脸检测 161
12.2.2 人脸识别 162
第13 章 自然语言处理 164
13.1 自然语言处理 164
13.1.1 自然语言处理的发展历程 165
13.1.2 自然语言处理的基本技术 166
13.2 编程实践 170
13.2.1 基于传统机器学习算法的文本分类 170
13.2.2 基于深度学习的文本分类 172
参考文献 175
|
| 內容試閱：
|
作为一门极富挑战性的科学，人工智能试图通过对智能本质的研究，使机器能够以类似人类的方式做出反应。随着人工智能理论和技术日益成熟，应用领域也不断扩大，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向的科技产品层出不穷。
本书以人工智能的基础理论和实践为主，以知识为线索，涵盖知识搜索、知识发现、知识推理和知识应用四个部分。全书首先从智能的定义开始，就人工智能的发展历史、学派进行了梳理，在此基础上，展望了人工智能的未来。在部分知识搜索中，主要就基本搜索算法，包括盲目搜索和启发式搜索算法以及智能搜索算法进行了展开，并以多个实例给出了各算法的寻优路径。第二部分知识发现主要围绕如何从数据中得到若干规律展开，按照算法的难易程度，分别介绍了机器学习领域的概念学习、决策树算法、线性回归、逻辑回归，然后介绍了以统计学习理论为基础的贝叶斯方法和支持向量机。对于神经网络算法，本书从感知器网络开始介绍，一直到讲到当前热门的深度学习方法，包括卷积神经网络和循环神经网络。对于无监督学习问题，本书给出了三种聚类算法，包括常用的K 均值算法，好用的DBSCAN 算法以及谱聚类算法。本书第三部分为知识推理部分，主要内容包括知识表示和经典逻辑推理，给出了常用的多种知识表示方法，以命题和谓词逻辑为基础，重点描述了自然演绎推理和归结演绎推理，后对常见的推理案例进行了编程实践。本书的第四部分给出了专家系统、人脸识别、自然语言处理三个实例，重点突出了人工智能方法在这些领域如何应用。
本书系统地涵盖了人工智能的相关内容，简明扼要地介绍了这一学科的基础知识和基本方法，同时对专家系统、人脸识别、自然语言处理等应用进行了拓展，更辅以实例给出了具体编程的解决方案，从而帮助读者更好地打牢基础。本书的编写力争做到特色鲜明，内容选取以易读易学为宗旨，并提供了丰富的案例和程序代码，为加深思考和复习巩固，重点章节后均附有课后练习。为方便读者学习，本书中的程序代码、课后练习答案可在书中相应位置扫描二维码阅读或下载；同时本书还配有微信公众号（人工智能基础），给出了各章节知识相关的解决方法、编程实践等内容。
本书由罗娜、金晶编著。在本书编写过程中，华东理工大学信息科学与工程学院的领导和老师创造的浓厚的学术研究氛围和宽松的写作环境，为作者完成此书提供了各方面的支持；作者的研究生冯勇、闵彦钧、范振杰、黄家骐利用课余时间协助核对了各章的程序代码，在此，特致以诚挚的感谢。
限于作者水平，书中难免存在不足和疏漏之处，望各位读者斧正并提出宝贵意见，以期再版时修订、完善。
编著者
2021 年7 月
|
|
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
