人工智能原理與實踐
尹傳環、田盛豐、黃厚寬
- 出版商: 清華大學
- 出版日期: 2023-04-01
- 定價: $419
- 售價: 7.0 折 $293
- 語言: 簡體中文
- ISBN: 7302634009
- ISBN-13: 9787302634003
-
相關分類:
Machine Learning、DeepLearning、Reinforcement
立即出貨 (庫存 < 3)
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
本書系統介紹了人工智能學科的基本原理與算法，著重介紹了基於符號的推理、深度學習以及強化學習等，並提供了Python、Lisp、Prolog語言的入門級教程，還專門介紹了專家系統構造工具CLIPS以及Agent系統開發平臺SPADE。 本書共分10章，第1章為緒論，第2章介紹人工智能程序設計語言，之後5章介紹人工智能的基本原理與經典算法，第8章和第9章主要介紹機器學習與深度學習相關算法，最後一章介紹智能Agent。 本書註重人工智能的經典算法及其實用性，可作為高校電腦科學與技術、人工智能及其相關專業高年級本科生及研究生的教材，也可供對人工智能感興趣的研究與工程人員參考。
目錄大綱
目錄
第1章緒論
1.1人工智能的發展概況
1.1.1人工智能的定義
1.1.2人工智能的研究途徑
1.1.3人工智能學科的發展
1.2人工智能的目標
1.3人工智能的應用
第2章人工智能程序設計語言
2.1Python語言
2.1.1概述
2.1.2Python基礎
2.1.3函數
2.1.4自定義類
2.1.5模塊
2.1.6輸入輸出和文件
2.1.7實例
2.2Lisp語言
2.2.1概述
2.2.2Lisp的基本功能
2.2.3遞歸與疊代
2.2.4輸入輸出
2.2.5Lisp的其他功能
2.2.6實例
2.3Prolog語言
2.3.1Prolog語言概述
2.3.2重復與遞歸
2.3.3列表處理方法
2.3.4字符串處理方法
2.3.5輸入輸出功能
2.3.6模塊
2.3.7實例
第3章知識表示
3.1概述
3.1.1知識與知識表示
3.1.2知識表示的方法
3.2邏輯表示法
3.2.1一階謂詞邏輯
3.2.2謂詞邏輯用於知識表示
3.3產生式規則表示法
3.4語義網絡表示法
3.4.1語義網絡的結構
3.4.2連接詞的表示
3.4.3繼承性
3.5框架與腳本表示法
3.5.1框架表示法
3.5.2腳本表示法
3.6本體
3.6.1本體的組成與分類
3.6.2本體的建模
3.6.3OWL
3.7知識圖譜
3.7.1構建知識圖譜
3.7.2存儲知識圖譜
3.7.3知識圖譜推理
第4章基於搜索的問題求解方法
4.1狀態空間搜索
4.1.1概述
4.1.2回溯策略
4.1.3圖搜索策略
4.1.4任一路徑的圖捜索
4.1.5最佳路徑的圖捜索
4.1.6與或圖的捜索
4.2博弈樹搜索
4.2.1概述
4.2.2極小極大過程
4.2.3αβ剪枝過程
4.2.4蒙特卡羅樹搜索
第5章基於符號的推理
5.1基礎概念
5.2歸結反演
5.2.1子句
5.2.2歸結原理
5.2.3歸結反演的控制策略
5.2.4求解填空問題
5.3基於規則的演繹系統
5.3.1正向演繹系統
5.3.2逆向演繹系統
5.4非單調推理
5.4.1封閉世界假設
5.4.2謂詞完備化
5.4.3限制
5.4.4默認推理
第6章不確定性推理
6.1引言
6.2概率方法
6.2.1基本概念
6.2.2實例
6.3可信度方法
6.3.1知識的不確定性
6.3.2證據的不確定性
6.3.3不確定性推理算法
6.4主觀貝葉斯方法
6.4.1知識的不確定性表示
6.4.2證據的不確定性表示
6.4.3不確定性推理算法
6.5證據理論
6.5.1基本理論
6.5.2證據的組合
6.5.3基本算法
6.5.4實例
第7章專家系統
7.1概述
7.2基於規則的專家系統
7.2.1元知識結構
7.2.2黑板模型
7.2.3黑板控制結構
7.3其他專家系統結構
7.3.1基於框架的專家系統
7.3.2基於模型的專家系統
7.3.3基於Web的專家系統
7.4專家系統實例
7.4.1MYCIN
7.4.2AM系統
7.5專家系統開發工具CLIPS
7.5.1事實
7.5.2規則
7.5.3其他
7.5.4實例
第8章機器學習與計算智能
8.1概述
8.2分類與聚類
8.2.1分類
8.2.2聚類
8.3決策樹
8.3.1構造決策樹
8.3.2決策樹剪枝
8.4支持向量機
8.4.1分類問題
8.4.2回歸問題
8.4.3單類問題
8.4.4學習算法
8.4.5結構化數據核函數
8.5k均值聚類
8.6強化學習
8.6.1馬爾可夫決策過程
8.6.2值函數和貝爾曼方程
8.6.3有模型學習
8.6.4無模型學習
8.7演化計算
8.7.1遺傳算法
8.7.2遺傳算法的理論基礎
8.7.3遺傳規劃
8.7.4演化策略
8.7.5演化規劃
8.8群體智能算法
8.8.1蟻群算法
8.8.2粒子群算法
第9章神經網絡與深度學習
9.1基礎知識
9.2感知機
9.3多層前向網絡
9.4Hopfield網絡
9.5捲積神經網絡
9.5.1LeNet5
9.5.2常用模型
9.5.3訓練
9.5.4AlexNet
9.5.5VGGNet
9.5.6Inception網絡
9.5.7殘差網絡
9.6循環與遞歸神經網絡
9.6.1BPTT算法
9.6.2LSTM
9.6.3遞歸神經網絡
9.7深度學習應用與平臺
9.7.1機器視覺應用
9.7.2深度學習平臺
第10章智能Agent
10.1Agent概述
10.1.1基本概念
10.1.2Agent理論
10.1.3Agent系統結構
10.2多Agent系統
10.2.1概述
10.2.2多Agent系統的結構
10.2.3Agent通信語言
10.2.4多Agent系統的協商機制
10.2.5多Agent系統的應用
10.3移動Agent
10.4Agent系統開發平臺
