人工智能基礎及應用

書特色主要有： 1、註重實例的一本教材 盡可能簡化繁瑣的數學推導和定理證明，將重點放在解決問題的原理和思路上，並介紹一些經典有趣的實例。 2、適合不同專業層次的教材選擇 結合教學、科研及應用需求，註重概念清晰、既有深度又有廣度、理論性較強的教材，著力於內容的體系化，適合不同層次專業選用。 3、註重能力評價的考核方式 註重能力評價的考核方式，有關內容既是對相關知識的學習和掌握，更重要的是對學生獨立思考、創新意識和解決問題能力的鍛煉、培養及檢驗。

宋永端，教授/博導，IEEE Fellow, 國際歐亞科學院院士，國家“q人計劃“ 專家（首批），註冊職業工程師（美國），美國教師名人錄，中國自動化學會常務理事，重慶大學自動化學院院長。
1992 年獲美國田納西理工大學電氣及計算機工程博士學位，長期從事控制理論及應用，機器人及智能係統方面的研究，著有中英文著作8部。

第1章人工智能簡介
1.1人工智能定義
1.2人工智能發展歷史與三大學派
1.2.1人工智能發展歷史
1.2.2三大學派
1.3國內外發展現狀、挑戰與未來趨勢
1.3.1國內外發展現狀
1.3. 2面臨的問題
1.3.3未來發展趨勢
習題
參考文獻

第2章數學基礎
2.1矩陣及其運算
2.1.1向量
2.1.2矩陣
2.1.3矩陣運算
2.1.4範數
2.2導數與微分
2.2.1導數
2.2 .2微分
2.2.3偏導數
2.3泰勒展開式
2.4梯度及其運算
2.4.1梯度
2.4.2梯度下降
2.5概率論相關知識
2.5.1概率
2.5.2條件概率
2.5.3隨機變量的分佈函數
2.5. 4數學期望
習題
參考文獻

第3章機器學起點：線性回歸
3.1線性回歸模型建立
3.1.1機器學習角度
3.1.2統計學角度
3.2線性回歸原理
習題
參考文獻

第4章支持向量機
4.1線性可分支持向量機
4.1.1線性可分支持向量機的定義
4.1.2函數間隔與幾何間隔
4.1.3間隔大化
4.1.4線性可分支持向量機學對偶算法
4.2線性支持向量機
4.2.1線性支持向量機的定義
4.2.2線性支持向量機學對偶算法
4.2.3支持向量
4.2.4合頁損失函數
4.3非線性支持向量機
4.3.1核技巧
4.3.2常見的核函數
4.3.3非線性支持向量機
習題
參考文獻

第5章神經網絡及基本結構
5.1神經元介紹
5.2感知機
5.3神經網絡的基本結構
5.4反向傳播
5.5梯度下降算法
習題
參考文獻

第6章卷積神經網絡
6.1卷積神經網絡發展歷史
6.2卷積神經網絡結構
6.2.1卷積層
6.2.2池化層
6.2.3softmax分類函數
6.3卷積神經網絡常用的損失函數
卷積神經網絡常用的訓練算法
6.3.1隨機梯度下降算法
6.3.2RMSProp優化算法
6.3.3Adam優化算法
習題
參考文獻

第7章循環神經網絡
7.1循環神經網絡原理
7.1.1RNN的基本結構
7.1.2RNN的前向傳播
7.1.3RNN的反向傳播
7.1. 4雙向RNN
7.1.5基於編碼解碼的序列到序列架構
7.2長期依賴問題及優化
7.3基於門結構的RNN
7.3.1門結構
7.3.2LSTM
7.3.3GRU
7.4注意力機制
7.4.1NLP中註意力機制的起源
7.4.2注意力機制的標準形式
7.4.3注意力機制的變形
習題
參考文獻

第8章分類與聚類
8.1基於判別函數的分類方法
8.1.1廣義判別函數法
8.1.2分段線性判別函數法
8.2基於已知樣本類別的分類方法
8.2.1參數估計法
8.2.2非參數估計
8.3基於未知樣本類別的聚類方法
8.3.1基於距離閾值的聚類算法
8.3.2層次聚類法
8.3. 3動態聚類算法
習題
參考文獻

第9章應用實例
9.1MATLAB基礎
9.1.1常量
9.1.2變量
9.1.3數組
9.1.4矩陣
9.1.5函數
9.1.6循環語句
9.1.7條件語句
9.2幾個典型案例
9.2.1房價預測
9.2.2支持向量機的二分類應用
9.2.3豆瓣讀書評價分析
9.2.4手寫數字識別
9.2.5基於循環神經網絡的情感分類
9.2.6國民健康狀況研究
參考文獻
參考答案