人工智能基礎實踐教程
劉偉、項鳳濤、王超、謝愈
- 出版商: 清華大學
- 出版日期: 2026-05-01
- 售價: $408
- 語言: 簡體中文
- 頁數: 317
- ISBN: 7302713367
- ISBN-13: 9787302713364
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
"本書精選人工智能領域中與搜索、博弈、優化、機器學習、人工神經網絡、深度學習和多Agent系統相關的26個實驗案例，涵蓋路徑規劃、棋類博弈、目標識別、圖像生成、文本生成等多個方面，提供詳細的實驗背景、目的、要求、算法框架和編程要點。本書啟發性強、系統性強、實操性強、前沿性強，可支撐學生的人工智能實踐能力培養。 本書共分為9章。第1章是人工智能基礎； 第2章是Python編程基礎； 第3~5章是狀態空間搜索、博弈樹搜索和智能優化算法； 第6~8章是機器學習、人工神經網絡和深度學習； 第9章是多Agent系統。 本書適合作為高等學校計算機類、自動化類、電氣工程類、電子信息類及相關專業本科生、低年級研究生的“人工智能基礎實踐”課程教材，也可為從事人工智能相關研究與應用的技術人員提供參考。 "
目錄大綱
目錄
第1章人工智能基礎
1．1人工智能基本理論
1．1．1人工智能基本概念
1．1．2人工智能發展歷史
1．1．3人工智能研究現狀
1．1．4通用人工智能初現端倪
1．2人工智能共性技術
1．2．1知識表示與推理
1．2．2問題求解
1．2．3機器學習
1．2．4人工神經網絡與深度學習
1．2．5多Agent系統
1．3人工智能典型應用
1．3．1機器視覺
1．3．2語音識別
1．3．3生物特征識別
1．3．4自然語言處理
1．3．5內容生成
1．3．6智能規劃與決策
1．3．7計算機博弈
1．3．8機器人
1．3．9自動駕駛
1．4本章小結
第2章Python編程基礎
2．1Python語言簡介
2．1．1Python的設計思想與特點
2．1．2Python的開發環境與工具
2．1．3Python的數據類型
2．1．4Python的語句與函數
2．1．5Python的輸入與輸出
2．2Python程序設計
2．2．1程序編寫的基本方法
2．2．2程序格式框架
2．2．3程序模塊化設計
2．2．4程序調試方法
2．3Python常用庫
2．3．1數組計算庫NumPy
2．3．2數據分析庫Pandas
2．3．3機器學習庫Scikitlearn
2．3．4神經網絡庫TensorFlow
2．3．5深度學習庫Keras
2．3．6可視化庫Matplotlib
2．4本章小結
第3章狀態空間搜索
3．1狀態空間搜索基礎
3．1．1狀態空間的基本概念
3．1．2通用圖搜索框架
3．1．3盲目搜索算法
3．1．4啟發式搜索算法
3．2基於盲目搜索和A*搜索的路徑規劃
3．2．1路徑規劃實驗背景與要求
3．2．2搜索算法設計
3．2．3程序實現代碼框架
3．2．4實驗結果分析
3．3基於代價優先和A*搜索的八數碼問題求解
3．3．1八數碼實驗背景與要求
3．3．2八數碼實驗啟發函數設計
3．3．3程序實現代碼框架
3．3．4實驗結果分析
3．4基於啟發式搜索的規劃問題求解
3．4．1規劃問題實驗背景與要求
3．4．2規劃問題實驗的啟發函數設計
3．4．3程序實現代碼框架
3．4．4實驗結果分析
3．5本章小結
第4章博弈樹搜索
4．1博弈樹搜索基礎
4．1．1博弈基本概念
4．1．2極小極大搜索
4．1．3αβ剪枝
4．1．4蒙特卡洛樹搜索
4．2基於極小極大搜索的中國象棋博弈
4．2．1中國象棋博弈實驗背景與要求
4．2．2極小極大搜索算法設計
4．2．3程序實現代碼框架
4．2．4實驗結果分析
4．3基於αβ剪枝的五子棋博弈
4．3．1五子棋博弈實驗背景與要求
4．3．2αβ剪枝搜索算法設計
4．3．3程序實現代碼框架
4．3．4實驗結果分析
4．4基於蒙特卡洛樹搜索的黑白棋博弈
4．4．1黑白棋博弈實驗背景與要求
4．4．2蒙特卡洛樹搜索算法設計
4．4．3程序實現代碼框架
4．4．4實驗結果分析
4．5本章小結
第5章智能優化算法
5．1智能優化算法基礎
5．1．1智能優化基本概念
5．1．2遺傳算法
5．1．3蟻群算法
5．1．4粒子群算法
5．1．5模擬退火算法
5．2基於遺傳算法的圖像分割
5．2．1圖像分割實驗背景與要求
5．2．2遺傳算法設計
5．2．3程序實現代碼框架
5．2．4實驗結果分析
5．3基於蟻群算法的路徑規劃
5．3．1路徑規劃實驗背景與要求
5．3．2蟻群算法設計
5．3．3程序實現代碼框架
5．3．4實驗結果分析
5．4基於粒子群算法的函數優化
5．4．1函數優化實驗背景與要求
5．4．2粒子群算法設計
5．4．3程序實現代碼框架
5．4．4實驗結果分析
5．5基於模擬退火算法的旅行商問題求解
5．5．1旅行商實驗背景與要求
5．5．2模擬退火算法設計
5．5．3程序實現代碼框架
5．5．4實驗結果分析
5．6本章小結
第6章機器學習
6．1機器學習基礎
6．1．1機器學習基本概念
6．1．2有監督學習
6．1．3無監督學習
6．1．4強化學習
6．2基於多元線性擬合的汽車油耗預測
6．2．1汽車油耗預測實驗背景與要求
6．2．2多元線性擬合算法設計
6．2．3程序實現代碼框架
6．2．4實驗結果分析
6．3基於支持向量機的目標識別
6．3．1目標識別實驗背景與要求
6．3．2支持向量機算法設計
6．3．3程序實現代碼框架
6．3．4實驗結果分析
6．4基於決策樹的車輛行駛意圖預測
6．4．1車輛行駛意圖預測實驗背景與要求
6．4．2決策樹算法設計
6．4．3程序實現代碼框架
6．4．4實驗結果分析
6．5基於k均值聚類的圖像分割
6．5．1圖像分割實驗背景與要求
6．5．2k均值聚類算法設計
6．5．3程序實現代碼框架
6．5．4實驗結果分析
6．6基於Q學習和Sarsa算法的懸崖行走
6．6．1懸崖行走實驗背景與要求
6．6．2Q學習和Sarsa算法設計
6．6．3程序實現代碼框架
6．6．4實驗結果分析
6．7本章小結
第7章人工神經網絡
7．1人工神經網絡基礎
7．1．1人工神經網絡基本概念
7．1．2感知器
7．1．3誤差反向傳播網絡
7．1．4Hopfield網絡
7．1．5自組織特征映射網絡
7．2基於感知器的邏輯門設計
7．2．1邏輯門設計實驗背景與要求
7．2．2感知器設計
7．2．3程序實現代碼框架
7．2．4實驗結果分析
7．3基於誤差反向傳播神經網絡的手寫數字識別
7．3．1手寫數字識別實驗背景與要求
7．3．2誤差反向傳播神經網絡設計
7．3．3程序實現代碼框架
7．3．4實驗結果分析
7．4基於Hopfield網絡的旅行商問題求解
7．4．1旅行商實驗背景與要求
7．4．2Hopfield網絡設計
7．4．3程序實現代碼框架
7．4．4實驗結果分析
7．5基於自組織特征映射網絡的聚類分析
7．5．1聚類分析實驗背景與要求
7．5．2自組織特征映射網絡設計
7．5．3程序實現代碼框架
7．5．4實驗結果分析
7．6本章小結
第8章深度學習
8．1深度學習基礎
8．1．1深度學習基本概念
8．1．2卷積神經網絡與遷移學習
8．1．3循環神經網絡
8．1．4生成對抗網絡
8．1．5Transformer
8．2基於卷積神經網絡的圖像分類
8．2．1圖像實驗背景與要求
8．2．2卷積神經網絡設計
8．2．3程序實現代碼框架
8．2．4實驗結果分析
8．3基於遷移學習的圖像分類
8．3．1實驗背景與要求
8．3．2遷移學習算法設計
8．3．3程序實現代碼框架
8．3．4實驗結果分析
8．4基於循環神經網絡的影評情感分類
8．4．1影評情感分類實驗背景與要求
8．4．2循環神經網絡設計
8．4．3程序實現代碼框架
8．4．4實驗結果分析
8．5基於生成對抗網絡的圖像生成
8．5．1圖像生成實驗背景與要求
8．5．2生成對抗網絡設計
8．5．3程序實現代碼框架
8．5．4實驗結果分析
8．6基於Transformer的文本生成
8．6．1文本生成實驗背景與要求
8．6．2基於GPT模型的文本生成
8．6．3程序實現代碼框架
8．6．4實驗結果分析
8．7本章小結
第9章多Agent系統
9．1多Agent系統基礎
9．1．1多Agent系統基本概念
9．1．2多Agent系統組織結構
9．1．3多Agent系統通信
9．1．4多Agent系統協同
9．2基於異步回溯算法的N皇後問題求解
9．2．1N皇後實驗背景與要求
9．2．2異步回溯算法設計
9．2．3程序實現代碼框架
9．2．4實驗結果分析
9．3基於多Agent協作的機器人路徑規劃
9．3．1多Agent路徑規劃實驗背景與要求
9．3．2多Agent協作算法設計
9．3．3程序實現代碼框架
9．3．4實驗結果分析
9．4本章小結
參考文獻
