新書推薦：
![打开孩子世界的100个心理游戏——温暖的艺术互动魔法 [美]艾丽卡·柯蒂斯](http://103.6.6.66/upload/mall/productImages/24/31/9787111755265.jpg)
《
打开孩子世界的100个心理游戏——温暖的艺术互动魔法 [美]艾丽卡·柯蒂斯
》
售價：HK$
135.7
《
2024出国留学蓝皮书
》
售價：HK$
79.4
《
中国南方木雕花板（全5册）
》
售價：HK$
687.7
《
中国二战史研究七十年（1950—2019）
》
售價：HK$
667.0
《
摩梭仁者：东巴口述史
》
售價：HK$
135.7
《
趣话通信：6G的前世、今生和未来
》
售價：HK$
90.9
《
不羁.完结篇
》
售價：HK$
60.7
《
性别经济学
》
售價：HK$
71.3
|
| 編輯推薦： |
|
本书尽可能吸收国际上最新的研究成果，反映人工智能领域在分布式人工智能、机器人、互联网智能和类脑智能等方面的最先进水平。根据人工智能实际应用需求，安排知识表示、自动推理、机器学习、神经网络、专家系统和自然语言处理等内容，并通过大量的例题讲解解题方法。
|
| 內容簡介： |
|
本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的最新进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、不确定性推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11 章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。本书力求科学性、实用性和先进性，可读性强。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。本书可以作为高等院校计算机科学与技术、自动化、智能科学与技术等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。
|
| 關於作者： |
|
中科院计算所研究员 人工智能先驱代表之一
|
| 目錄：
|
|
第2版前言第1版前言第1章绪论11什么是人工智能12人工智能的发展史13人工智能研究的基本内容131认知建模132知识表示133自动推理134机器学习14人工智能研究的主要学派141符号主义142连接主义143行为主义15人工智能的应用16小结和展望习题第2章知识表示21知识表示概述22谓词逻辑23产生式表示法24语义网络241语义网络的概念和结构242复杂知识的表示243常用的语义联系25框架251框架结构252框架网络253推理方法26状态空间27面向对象的知识表示28脚本281脚本描述282概念依赖关系29本体210小结习题第3章自动推理31自动推理概述32三段论推理33盲目搜索331深度优先搜索332宽度优先搜索333迭代加深搜索34回溯策略35启发式搜索351启发性信息和评估函数352爬山算法353模拟退火算法354最好优先算法355通用图搜索算法356A*算法357迭代加深A*算法36与或图启发式搜索361问题归约的描述362与或图表示363AO*算法37博弈搜索371极大极小过程372α-β过程38归结演绎推理381子句型382置换和合一383合一算法384归结式385归结反演386答案的提取387归结反演的搜索策略39产生式系统391产生式系统的基本结构392正向推理393反向推理394混合推理310自然演绎推理311非单调推理3111默认推理3112限制推理312小结习题第4章不确定性推理41不确定性推理概述411不确定性知识分类412不确定性推理的基本问题413不确定性推理方法分类42可信度方法421建造医学专家系统时的问题422可信度模型423确定性方法的说明43主观贝叶斯方法431贝叶斯公式432知识不确定性的表示433证据不确定性的表示434组合证据不确定性的计算435不确定性的传递算法436结论不确定性的合成44证据理论441假设的不确定性442证据的组合函数443规则的不确定性444不确定性的组合45模糊逻辑和模糊推理451模糊集合及其运算452语言变量453模糊逻辑454模糊推理46小结习题第5章机器学习51机器学习概述511简单的学习模型512什么是机器学习513机器学习的研究概况52归纳学习521归纳学习的基本概念522变型空间学习523决策树53类比学习531相似性532转换类比533基于案例的推理534迁移学习54统计学习541逻辑回归542支持向量机543提升方法55强化学习551强化学习模型552学习自动机553自适应动态程序设计554Q-学习56进化计算561达尔文进化算法562遗传算法563进化策略564进化规划57群体智能571蚁群算法572粒子群优化58联邦学习59知识发现510小结习题第6章神经网络61神经网络概述62神经信息处理的基本原理63感知机631基本神经元632感知机模型64前馈神经网络641前馈神经网络模型642误差反向传播算法643BP算法的若干改进65Hopfield网络651离散 Hopfield 网络652连续Hopfield网络66随机神经网络661模拟退火算法662玻耳兹曼机67深度学习671人脑视觉机理672自编码器673受限玻耳兹曼机674深度信念网络675卷积神经网络68自组织神经网络681网络的拓扑结构682网络自组织算法683监督学习69小结习题第7章专家系统71专家系统概述711什么是专家系统712专家系统的特点713专家系统的发展史72专家系统的基本结构73专家系统MYCIN731咨询子系统732静态数据库733控制策略74专家系统工具CLIPS741概述742CLIPS中的知识表示743CLIPS运行744Rete匹配算法75专家系统工具JESS76面向对象专家系统工具OKPS761OKPS中的知识表示762推理控制语言ICL77专家系统建造771需求分析772系统设计773知识库构建774系统开发775系统测试78新型专家系统781分布式专家系统782协同式专家系统783神经网络专家系统784基于互联网的专家系统79小结习题第8章自然语言处理81自然语言处理概述811什么是自然语言处理812自然语言处理的发展813自然语言处理的层次82词法分析83句法分析831短语结构语法832乔姆斯基形式语法833句法分析树834转移网络835扩充转移网络84语义分析841语义文
|
| 內容試閱：
|
|
《人工智能》自2016年出版以来，广受读者欢迎，出版社已经第9次印刷。在此期间，人工智能飞速发展。党的二十大报告指出，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。为了反映该领域的最新成果和进展，本书在第1版基础上做了重要补充和修改，修改内容如下:1)第1章重写了人工智能发展史，将人工智能的发展史划分为形成期、符号智能和数据智能3个时期。2） 第5章增加了联邦学习。联邦学习是一种分布式机器学习技术，其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不需要交换本地个体或样本数据的前提下，仅通过交换模型参数或中间结果的方式，构建基于虚拟融合数据下的全局模型，从而实现数据隐私保护和数据共享计算的平衡。联邦学习是最有可能解决数据孤岛问题的技术。3） 第8章增加了大语言模型。大语言模型通常指包含数千亿（或更多）参数的语言模型，使用大量文本数据训练，可以生成自然语言文本或理解语言文本的含义。大语言模型代表着人工智能领域的重大进步，这部分重点介绍美国OpenAI聊天机器人程序ChatGPT的关键技术。4）第10章智能机器人，增加了基于GENISAMA 通用图灵机模型的发育机器人的介绍。与传统图灵机不同，发展网络（Development Networks，DN）学习图灵机是一种超级图灵机。GENISAMA即为接地性（Grounded）、涌现性(Emergent)、自然性(Natural)、增量性(Incremental)、技巧性(Skilled)、专注性(Attentive)、动机性(Motivated)和抽象性(Abstractive)。5） 第12章类脑智能，删去了认知计算的有关内容，增加了中国脑科学计划的介绍。中国脑科学计划以阐释人类认知的神经基础（认识脑）为主体和核心 (一体)，同时展现“两翼”:其中一翼是大力加强预防、诊断和治疗脑重大疾病的研究(保护脑);另一翼是在大数据快速发展的时代背景下，受大脑运作原理及机制的启示，通过计算和系统模拟推进人工智能的研究(模拟脑)。自从2022年12月OpenAI发布ChatGPT以来，以通用人工智能为代表的人工智能技术变革进入了加速发展的快车道。通用人工智能（Artificial General Intelligence，AGI）指具有像人类一样的思考能力，可以从事多种工作的机器智能，以区别于当下已取得显著进展的单一能力人工智能，如语音识别、机器视觉、机器翻译等，以及近期最为火爆的ChatGPT。大模型被普遍认为是通往通用人工智能的重要途径。随着具备更优“思考”和“辨别”能力的多模态GPT-4上线，通用人工智能再次引起社会广泛关注和热烈探讨。根据目前展示出来的能力，我们离通用人工智能时代并不遥远，下一步要多考虑让大模型连接现实世界，通过自身学习、跨模态学习等，让大模型与现实世界“对齐”。虽然人工智能大模型的演进速度和智能表现令人欣喜，市场需求和投资热情空前高涨，但依然存在算法优化、算力突破、数据安全、隐私保护、伦理规范等技术和社会方面的问题，通用人工智能带来的这场变革既是挑战也是机遇，我们应积极探索通用人工智能的可能性和潜力，同时也应警惕通用人工智能带来的风险和挑战。
|
|
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
