新書推薦：
《
汗青堂丛书138·帝国的切口：近代中国口岸的冲突与交流（1832-1914）
》
售價：HK$
127.4
《
人世事，几完缺 —— 啊，晚明
》
售價：HK$
115.6
《
樊树志作品：重写明晚史系列（全6册 崇祯传+江南市镇的早期城市化+明史十二讲+图文中国史+万历传+国史十六讲修订版）
》
售價：HK$
498.0
《
真谛全集（共6册）
》
售價：HK$
1156.4
《
敦煌通史：魏晋北朝卷
》
售價：HK$
162.3
《
唯美手编16：知性优雅的编织
》
售價：HK$
54.9
《
情绪的惊人力量：跟随内心的指引，掌控情绪，做心想事成的自己
》
售價：HK$
50.4
《
棉的全球史（历史·文化经典译丛）
》
售價：HK$
109.8
|
| 編輯推薦： |
|
本教材就是为大学本科高年级学生提供有关人工智能理论以及工业应用所必需的知识，掌握人工智能算法的基本原理与应用场景，培养设计开发智能系统的基本技能，填补智能制造工程等新工科专业人工智能本科生课程教材空白。
|
| 內容簡介： |
|
本教材就是为大学本科高年级学生提供有关人工智能理论以及工业应用所必需的知识，掌握人工智能算法的基本原理与应用场景，培养设计开发智能系统的基本技能，填补智能制造工程等新工科专业人工智能本科生课程教材空白。
|
| 關於作者： |
|
蔡红霞，博士，上海大学副研究员，博导。长期从事智能制造与机器人领域的教学和科研工作，作为课题责任人承担完成国家、上海市等科研项目21项，其中飞机行业相关项目5项。参与项目20余项。发表论文80余篇。出版专著2 部，获得专利与软件著作权20余项，获得上海市科技进步二等奖1项。承担《工业人工智能》，《智能制造导论》等课程。
|
| 目錄：
|
第1篇绪论
第1章工业人工智能概述
1.1人工智能的基本概念及技术体系
1.2工业为什么需要人工智能
1.3本章小结
习题
第2篇人工智能软件工具
第2章人工智能软件工具——Python
2.1人工智能软件库
2.2Python安装与环境配置
2.3Python基础知识
2.4NumPy、Pandas、Matplotlib
2.5本章小结
习题
第3篇搜索求解
第3章搜索与求解
3.1搜索相关知识
3.2状态空间知识的表示方法
3.3盲目的图搜索策略
3.4启发式图搜索策略
3.5本章小结
习题
第4篇知识表示、推理及专家系统
第4章知识与知识表示
4.1知识与知识表示的概念
4.2一阶谓词逻辑表示法
4.3语义网络表示法
4.4本章小结
习题
第5章确定性推理方法
5.1推理的基本概述
5.2自然演绎推理
5.3海伯伦定理
5.4鲁宾逊归结原理
5.5归结反演
5.6本章小结
习题
第6章不确定性推理方法
6.1不确定性推理的基本概念
6.2概率方法
6.3主观贝叶斯方法
6.4可信度方法
6.5证据理论
6.6本章小结
习题
第7章专家系统
7.1专家系统的概念
7.2专家系统的发展
7.3专家系统的基本结构
7.4专家系统的开发
7.5本章小结
习题
第5篇进化算法及其应用
第8章进化算法及其应用
8.1进化算法简介
8.2基本遗传算法
8.3遗传算法改进算法
8.4本章小结
习题
第6篇机器学习与神经网络
第9章机器学习概论
9.1概论
9.2使用scikit-learn的机器学习例子
9.3本章小结
习题
第10章基于简单线性回归的机器学习理论基础
10.1简单线性回归
10.2训练数据、测试数据和验证数据
10.3偏差和方差
10.4过拟合和欠拟合
10.5成本函数
10.6模型性能评估
10.7查准率和召回率
10.8F1 Score
10.9本章小结
习题
第11章k-近邻算法
11.1算法原理
11.2交叉验证
11.3KNN手写数字识别
11.4使用OpenCV实现KNN
11.5本章小结
习题
第12章数据表示与特征工程
12.1特征工程
12.2数据预处理
12.3数据降维
12.4本章小结
习题
第13章多元线性回归
13.1简单线性回归与多元线性回归
13.2多项式回归
13.3正则化
13.4应用线性回归
13.5梯度下降法
13.6学习曲线
13.7算法模型性能优化
13.8本章小结
习题
第14章逻辑回归
14.1线性回归与逻辑回归
14.2二元分类
14.3垃圾邮件过滤
14.4二元分类性能指标
14.5本章小结
习题
第15章决策树
15.1算法原理
15.2算法参数
15.3实例： 泰坦尼克号幸存者的预测
15.4决策树的优缺点
15.5本章小结
习题
第16章集合算法
16.1理解集合算法
16.2随机森林
16.3预测泰坦尼克号幸存者
16.4本章小结
习题
第17章支持向量机
17.1理论基础
17.2核方法
17.3SVM的使用
17.4SVM可视化案例
17.5本章小结
习题
第18章朴素贝叶斯算法
18.1基础概念
18.2sklearn中的朴素贝叶斯算法
18.3算法实例1
18.4算法实例2
18.5本章小结
习题
第19章k-均值算法
19.1算法原理
19.2scikit-learn里的k-均值
19.3聚类算法性能评估
19.4K-Means
19.5用k-均值进行图像量化
19.6本章小结
习题
第20章人工神经网络
20.1神经网络介绍及单层神经网络
20.2多层神经网络和反向传播算法
20.3卷积神经网络
20.4本章小结
习题
参考文献
|
| 內容試閱：
|
人工智能（artificial intelligence）作为研究机器智能和智能机器的一门综合性学科，备受人们的重视和关注，其意义已远远超出计算机学科的范畴。
人工智能在20世纪50年代作为一门新兴学科正式提出。一直以来，使计算机能够模拟人的思维和行为，是人工智能研究人员的不懈追求。虽然人工智能的发展道路崎岖不平，但是在一代代研究人员的推动下，如今已经迎来人工智能的第三次高潮。人工智能的迅猛发展给工业发展带来了新的前景，两者的深度融合形成了智能制造。
本书也是顺应这一时代潮流而生。相比于市面上的多数人工智能相关书籍，本书聚焦于人工智能在工业领域中的应用。为了紧跟科技发展而不与工业实践脱轨，笔者根据自身多年的教学经验与科研实践，从工业人工智能应用的实例中提炼出数个典型项目，分别附在每一篇开篇作为篇章学习的导引。读者在开始每一篇的正式学习之前，可以阅读开篇的项目背景，带着问题开始学习。在学习过程中通过项目导引，思考如何用所学的内容解决工业场景中列出的问题。整个学习过程中以人工智能知识为明线，以工业项目为暗线，知行合一，学以致用，力图改变当下高校中重理论轻实践的教学现象。
本书集系统知识讲授和项目提升于一体，全面讲授了人工智能领域的系统知识，并且通过项目讲解让读者掌握如何应用人工智能知识解决工业领域问题。
全书共6篇，每篇首先列出学习目标，辅以知识导图，项目导引用于帮助读者带着问题学习，然后是正文知识，后是小结，并附以习题。
本书参考了国内外许多较新的同类教材和教辅资料及习题解答，力图保持新颖性和实用性，强调基本概念和基本观点，注重理论和实际相结合。
本书是集体智慧的结晶，全书由上海大学蔡红霞、周传宏编著，蔡红霞负责1~8章，周传宏负责9~19章，上海海洋大学曹守启参与编写第20章。荣志强、卞蕴琦、王成、叶秋成、汪伟龙、陈熙、马传齐、陈远等同学为本书的编写做出了重要贡献，上海大学终身教授方明伦为本书出版提供了大力支持，本书的出版得到了上海市海洋人工智能协同创新中心的资助，在此表示衷心的感谢。
由于作者水平有限，书中的疏漏在所难免，敬请广大读者批评指正。
作者
2022年10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
