人工智能數值算法實現(C++版)
孫昆峰、周華強
相關主題
商品描述
"本書是針對人工智能模型中的數值算法而編寫，適當兼顧C++語言和數值算法的核心理論，主要側重算法的實現。讓讀者在具備簡單C++基礎的情況下，漸進學習C++相關語法，進而能夠使用C++編程實現數值算法。 全書共9章，內容可分為基礎算法篇、應用算法篇和優化算法篇。基礎算法篇（第1~4章）講述線性方程組的直接解法、經典疊代解法和Krylov子空間法。應用算法篇（第5章和第6章）介紹特征值和最小二乘法問題算法，這些算法在人工智能中有著廣泛應用。優化算法篇（第7~9章）介紹深度學習和人工智能中常用的優化算法，包括SGD、MBSGD、Adam、DFP、BFGS等；最後結合BP神經網絡和卷積神經網絡，介紹優化算法在其中的應用。全書每個算法和案例都給出了C++代碼，實踐性和可操作性強。 本書可供廣大科研人員、技術人員參考，也可作為高等院校相關專業的教材或教學參考書。 "
作者簡介
"孫昆峰，中原工學院、新疆鐵道職業技術學院副教授。從教20余年，發表論文30余篇，獲得省廳級獎項4項，參加編寫教材著作3部、發明專利3項、軟著5項。周華強，先後在解放軍信息工程大學計算機及應用專業、華中科技大學計算機科學與技術專業學習。2002年起講授“計算機導論”“自動控制原理”“數學建模”“數值計算與建模方法”“數據挖掘”“機器學習”“Python程序設計”等計算機相關課程，撰寫有關論文10余篇，獲得省部級有關獎項13項，主持或參與省部級相關項目7項。"
目錄大綱
目錄
教學課件（PPT）
本書源碼
第1章緒論
1．1人工智能與數值算法
1．2數值算法中的一些註意事項
1．2．1誤差
1．2．2數值計算中減小誤差的原則
1．3C++簡介
1．3．1選擇C++的緣由
1．3．2一個簡單的C++程序
1．3．3C++數值算法中的表達式
1．3．4基本控制結構
1．3．5函數
第2章線性方程組解法
2．1三角形方程組
2．1．1下三角方程組
2．1．2前代算法
2．1．3上三角方程組
2．1．4回代算法
2．1．5C++中數組的使用
2．1．6回代算法C++實現
2．1．7前代算法C++實現
2．2高斯消元法
2．2．1高斯消元法原理
2．2．2一般陣消元為上三角陣算法
2．2．3動態數組簡介
2．2．4高斯消元法C++實現
2．2．5高斯消元法算法
2．3列選主元高斯消元法
2．3．1列選主元高斯消元法原理
2．3．2列選主元算法
2．3．3vector基本用法
2．3．4選主元實現
2．3．5列選主元高斯消元法算法
2．3．6列選主元高斯消元法C++實現
2．4LU分解法
2．4．1LU方程求解
2．4．2LU形式方程求解算法
2．4．3LU形式方程求解算法C++實現
2．4．4LU分解
2．4．5LU分解算法
2．4．6C++類
2．4．7LU分解算法C++實現
2．5實對稱正定矩陣LDLT分解法
2．5．1LDLT分解原理
2．5．2實對稱矩陣的LDLT分解算法
2．5．3求解對稱正定線性方程組原理
2．5．4求解對稱正定線性方程組算法
2．5．5STL簡介
2．5．6LDLT分解算法C++實現
2．6三對角方程組
2．6．1追趕法原理
2．6．2追趕法算法
2．6．3模板的用法
2．6．4valarray數組
2．6．5C++實現
2．7五對角方程組及C++實現法
2．7．1原理
2．7．2五對角線性方程組算法
2．7．3五對角線性方程組C++實現
第3章線性方程組疊代法
3．1雅可比疊代法
3．1．1雅可比疊代法原理
3．1．2雅可比疊代算法
3．1．3雅可比疊代C++實現
3．2高斯賽德爾疊代法
3．2．1高斯賽德爾原理
3．2．2高斯賽德爾算法
3．2．3高斯賽德爾疊代法C++實現
3．3超松弛疊代法
3．3．1SOR原理
3．3．2SOR算法
3．3．3SOR疊代法C++實現
3．4疊代算法類代碼
第4章克雷洛夫子空間法
4．1共軛梯度法
4．1．1原理
4．1．2共軛梯度算法
4．1．3矩陣類
4．1．4共軛梯度法C++實現
4．2穩定雙共軛梯度法
4．2．1穩定雙共軛梯度法原理
4．2．2穩定雙共軛梯度法算法
4．2．3運算符重載
4．2．4穩定雙共軛梯度算法C++實現
4．3廣義最小殘差法
4．3．1阿諾爾德疊代
4．3．2廣義最小殘差原理
4．3．3廣義最小殘差算法
4．3．4廣義最小殘差算法C++實現
第5章特征值
5．1冪法和反冪法
5．1．1冪法簡介
5．1．2冪法算法
5．1．3冪法C++實現
5．1．4反冪法
5．1．5反冪法算法
5．1．6反冪法C++算法實現
5．2吉文斯變換
5．2．1原理
5．2．2吉文斯變換算法
5．2．3吉文斯變換算法C++實現
5．3雅可比法
5．3．1雅可比法原理
5．3．2特征向量計算
5．3．3雅可比法求矩陣特征值及特征向量算法
5．3．4STL map用法
5．3．5雅可比法C++實現
5．4豪斯霍爾德變換
5．4．1豪斯霍爾德變換原理
5．4．2豪斯霍爾德變換算法
5．4．3豪斯霍爾德變換C++實現
5．5QR算法
5．5．1QR算法原理
5．5．2一般實矩陣簡單QR算法
5．5．3豪斯霍爾德QR算法
5．5．4基本QR算法C++實現
5．6蘭喬斯法
5．6．1蘭喬斯疊代原理
5．6．2蘭喬斯疊代算法
5．6．3蘭喬斯疊代C++代碼實現
5．6．4帶原點位移QR法求特征值原理
5．6．5帶原點位移QR法實現與算例
5．7主成分分析法
5．7．1主成分分析原理
5．7．2計算協方差矩陣
5．7．3數據協方差矩陣算法
5．7．4協方差矩陣C++實現
5．7．5PCA算法
5．7．6通用算法庫和ranges庫
5．7．7PCA算法C++實現
5．8特征值算法應用
5．8．1PageRank算法
5．8．2鳶尾花分類
第6章最小二乘問題
6．1直線擬合
6．1．1直線擬合原理
6．1．2直線擬合算法
6．1．3直線擬合C++實現
6．2法方程組解最小二乘問題
6．2．1線性最小二乘問題
6．2．2法方程組算法
6．2．3法方程組求解算法C++實現
6．2．4法方程計算多項式擬合
6．3QR分解求解最小二乘問題
6．3．1廣義逆
6．3．2QR分解求最小二乘解
6．3．3算法
6．3．4C++實現
6．4奇異值分解
6．4．1奇異值分解原理
6．4．2奇異值分解算法
6．4．3奇異值分解算法C++實現
6．4．4奇異值分解求解最小二乘問題
6．5綜合算例
6．5．1OpenCV簡介
6．5．2SVD壓縮圖像
6．5．3SVD降低圖像噪聲
6．5．4SVD在推薦系統中應用
第7章深度學習常用優化算法
7．1梯度下降法
7．1．1一元梯度下降法原理
7．1．2梯度下降算法
7．1．3梯度下降算法C++實現
7．2批量梯度下降法
7．2．1BGD原理
7．2．2BGD算法
7．2．3BGD算法C++代碼
7．3隨機梯度下降法
7．3．1SGD原理
7．3．2SGD算法
7．3．3SGD算法C++實現
7．4小批量隨機梯度下降
7．4．1概述
7．4．2MBSGD算法
7．4．3MBSGD算法C++實現
7．5動量法
7．5．1動量法原理
7．5．2動量法算法
7．5．3動量法C++實現
7．6適應性梯度法
7．6．1概述
7．6．2AdaGrad算法
7．6．3AdaGrad算法C++實現
7．7均方根傳播法
7．7．1概述
7．7．2RMSProp算法
7．7．3RMSProp算法C++實現
7．8適應性矩估計法
7．8．1Adam概述
7．8．2Adam算法
7．8．3Adam算法C++實現
7．9AdamW法
7．9．1概述
7．9．2AdamW算法
7．9．3AdamW算法 C++實現
7．10優化算法在回歸問題中應用
7．10．1概述
7．10．2Matplot++簡單繪圖庫
7．10．3STL shuffle 用法
7．10．4C++代碼實現
第8章非線性優化算法
8．1高斯牛頓優化算法
8．1．1擬牛頓法
8．1．2高斯牛頓法概述
8．1．3高斯牛頓算法
8．1．4高斯牛頓算法C++實現
8．2DFP法
8．2．1概述
8．2．2DFP算法
8．2．3DFP算法C++實現
8．3BFGS法
8．3．1概述
8．3．2Armijo線搜索算法
8．3．3BFGS算法
8．3．4C++科學計算庫
8．3．5Eigen開源線性代數庫用法
8．3．6BFGS算法C++實現
8．3．7BFGS求解非線性方程組
8．3．8有限內存BFGS算法概述
8．3．9LBFGS算法
8．3．10LBFGS算法C++實現
8．4列文伯格馬誇特法
8．4．1概述
8．4．2列文伯格馬誇特算法
8．4．3自動梯度計算方法
8．4．4列文伯格馬誇特算法C++實現
第9章優化算法的綜合案例
9．1BP神經網絡
9．1．1概述
9．1．2BP神經網絡算法流程
9．1．3BP神經網絡激活函數
9．1．4優化器
9．1．5BP神經網絡模型C++實現與實例
9．2卷積神經網絡
9．2．1概述
9．2．2卷積神經網絡算法流程
9．2．3卷積在神經網絡中的幾個重要函數
9．2．4優化器
9．2．5卷積神經網絡C++實現與實例
參考文獻
