機器學習與深度學習:通過C語言模擬 机器学习与深度学习:通过C语言模拟

小高知宏

下單後立即進貨 (4週~6週)

買這商品的人也買了...

相關活動主題

20181003 %e7%b0%a1%e9%ab%94%e6%9c%80%e6%96%b0%e5%88%b0%e8%b2%a8 small

商品描述

本書以非常容易理解的方式解說了人工智能研究中機器學習的各領域知識,以這些知識為前提,說明瞭深度學習是什麽,以及相關學習方法。本書不是單純地羅列概念,而是通過適當介紹具體處理流程和程序示例,來具體化地、易於理解地介紹這些技術到底是什麽。

作者簡介

作者: (日) 小高知宏   譯者: 申富饒  於僡


小高知宏,日本福井大學工學研究科教授。其主要著作有日本歐姆社出版的《從基礎開始學會TCP/IP Java網絡程序設計第2版》《初學Al程序設計——用C語言製作人工智能和人工無能》《初學機器學習》《基於AI的大規模數據處理入門》等。

申富饒,南京大學計算機科學與技術系教授,博士生導師。主要研究方向包括神經網絡、數據分析、機器人智能等,在國內外發表學術論文80餘篇。

於僡,畢業於日本德島大學電氣電子專業。現於日本從事機器人及電子製作教育教材開發、中小學生程序設計與機器人競賽培訓工作。

目錄大綱

CONTENTS 

前言

第1章機器學習1 
1.1什麼是機器學習1 
1.1.1深度學習的成果1 
1.1.2學習、機器學習和深度學習6 
1.1.3機器學習的分類9 
1.1.4直至深度學習的機器學習歷史15 
1.2關於本書例題程序的執行環境25 
1.2.1程序執行的流程25 
1.2.2程序執行的實際情況27 

第2章機器學習基礎31 
2.1歸納學習31 
2.1.1演繹學習和歸納學習31 
2.1 .2歸納學習的例題—股票價格的預測32 
2.1.3基於歸納學習的股價預測程序37 
2.2強化學習46 
2.2.1什麼是強化學習46 
2.2.2 Q學習—強化學習的具體方法48 
2.2.3強化學習的例題—走迷宮知識的學習53 
2.2.4強化學習程序的實現56 

第3章群體智能與演化方法65 
3.1群體智能65 
3.1.1粒子群最優化方法65 
3.1.2蟻群最優化方法67 
3.1.3蟻群最優化方法的實現70 
3.2演化方法81 
3.2.1什麼是演化方法81 
3.2.2基於遺傳算法的知識獲取84

第4章神經網絡101 
4.1神經網絡基礎101 
4.1.1人工神經元模型101 
4.1.2神經網絡與學習105 
4.1.3神經網絡的種類107 
4.1.4人工神經元的計算方法108 
4.1.5神經網絡的計算方法115 
4.2基於反向傳播的神經網絡的學習121 
4.2.1感知機的學習過程121 
4.2.2反向傳播的處理過程123 
4.2.3反向傳播的實現125 

第5章深度學習139 
5.1什麼是深度學習139 
5.1.1傳統神經網絡的局限和深度學習的思路139 
5.1.2卷積神經網絡142 
5.1.3自編碼器的學習方法145 
5.2深度學習的實現147 
5.2.1卷積運算的實現148 
5.2.2卷積神經網絡的實現156 
5.2.3自編碼器的實現170 
附錄A生成行李的重量和價值的程序183 
附錄B通過全搜索求解背包問題的程序185 
參考文獻189