人工智能--原理與技術
葉佩軍、王飛躍
- 出版商: 清華大學
- 出版日期: 2020-08-01
- 定價: $359
- 售價: 6.6 折 $237
- 語言: 簡體中文
- ISBN: 7302549451
- ISBN-13: 9787302549451
-
相關分類:
Machine Learning
立即出貨
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
目錄大綱
目錄
第1章緒論
1.1人工智能的基本概念
1.2人工智能的發展簡史
1.3人工智能的最新發展
1.4本書的主要內容和組織結構
1.5本章小結
參考文獻
第一篇邏 輯 智 能
第2章知識表示
2.1本體論
2.1.1本體的定義
2.1.2本體的構建
2.1.3基本形式化本體
2.2資源描述框架和本體語言
2.2.1RDF的基本結構
2.2.2RDFS本體語言
2.2.3OWL語言
2.3知識圖譜
2.3.1知識圖譜的基本概念
2.3.2知識圖譜的構建方法
2.3.3本體/知識圖譜的應用
2.4本章小結
參考文獻
第3章邏輯推理與專家系統
3.1命題邏輯
3.1.1命題的基本概念及其運算
3.1.2命題邏輯的推理規則
3.1.3魯濱遜歸結原理
3.2一階邏輯
3.2.1一階邏輯的基本概念
3.2.2合一算法
3.2.3前向鏈接和反向鏈接
3.2.4歸結證明
3.3Herbrand定理
3.4邏輯系統編程語言
3.4.1Prolog
3.4.2LISP
3.5專家系統
3.6本章小結
參考文獻
第4章搜索智能
4.1圖搜索
4.1.1寬度優先搜索
4.1.2深度優先搜索
4.1.3A*搜索
4.2局部搜索
4.2.1爬山法
4.2.2牛頓法
4.2.3梯度下降法
4.3本章小結
參考文獻
第5章自動規劃
5.1規劃問題的形式化表示
5.2狀態空間規劃
5.3規劃空間規劃
5.4規劃圖
5.5時序規劃
5.6本章小結
參考文獻
第6章邏輯系統中的學習
6.1歸納邏輯程序設計
6.2解釋學習
6.3關聯學習
6.4本章小結
參考文獻
第二篇計 算 智 能
第7章概率推理
7.1貝葉斯網絡推理
7.1.1貝葉斯網絡的基本概念
7.1.2貝葉斯網絡的精確推理
7.1.3貝葉斯網絡的近似推理
7.2馬爾可夫網絡推理
7.3隱馬爾可夫模型
7.4卡爾曼濾波
7.5動態貝葉斯網絡
7.6時序概率推理的一般方法
7.7證據理論
7.8本章小結
參考文獻
第8章模糊系統
8.1模糊邏輯
8.2粗糙集
8.3本章小結
參考文獻
第9章樣例學習
9.1決策樹
9.1.1決策樹的學習算法
9.1.2屬性重要度計算
9.1.3泛化與過擬合
9.2回歸
9.2.1線性回歸
9.2.2邏輯回歸
9.2.3正則化
9.3支持向量機
9.4非參數化學習
9.5集成學習
9.5.1Boosting
9.5.2Bagging
9.6統計機器學習
9.6.1完全觀測下的概率學習
9.6.2部分觀測下的概率學習
9.6.3無向概率圖學習
9.7無監督學習
9.7.1聚類
9.7.2降維
9.8本章小結
參考文獻
第10章人工神經網絡
10.1單/多層前饋神經網絡
10.1.1單層前饋神經網絡
10.1.2多層前饋神經網絡
10.2深度神經網絡
10.2.1捲積神經網絡
10.2.2循環神經網絡
10.3神經網絡的生成式模型
10.3.1受限玻爾茲曼機
10.3.2生成式對抗網絡
10.4本章小結
參考文獻
第11章強化學習
11.1馬爾可夫決策過程
11.1.1完全可觀察的馬爾可夫決策過程
11.1.2部分可觀察的馬爾可夫決策過程
11.2被動強化學習
11.2.1蒙特卡洛學習
11.2.2時序差分學習
11.3主動強化學習
11.4深度強化學習
11.4.1基於價值的深度強化學習
11.4.2基於策略的深度強化學習
11.5本章小結
參考文獻
第12章進化計算與群體智能
12.1遺傳算法
12.2模擬退火算法
12.3蟻群算法
12.4粒子群優化
12.5人工免疫系統
12.6本章小結
參考文獻
第三篇平 行 智 能
第13章分佈式人工智能與多agent系統
13.1分佈式問題求解
13.1.1分佈式約束滿足
13.1.2分佈式優化
13.2博弈搜索
13.2.1標準式博弈
13.2.2擴展式博弈
13.2.3極小極大搜索
13.2.4蒙特卡洛樹搜索
13.2.5博弈的其他類型
13.3機制設計
13.3.1投票
13.3.2拍賣
13.3.3公共資源分配
13.4本章小結
參考文獻
第14章平行智能
14.1平行系統和ACP方法
14.2人工社會與復雜系統研究
14.3人工系統的構建
14.3.1基礎人口合成
14.3.2agent的體系結構和行為建模
14.4人工系統的初步應用
14.4.1應急疏散
14.4.2人口演化
14.5平行學習
14.6本章小結
參考文獻
第15章知識自動化與社會智能
15.1知識自動化
15.1.1知識自動化的基本思想
15.1.2知識自動化與平行智能的關系
15.2社會智能
15.2.1社會計算： 社會智能的實現方式
15.2.2社會計算與平行智能的關系
15.3本章小結
參考文獻
