人工智能算法及應用

王宗傑、石佳琳

人工智能算法及應用 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2026-08-01
  • 售價: $414
  • 語言: 簡體中文
  • ISBN: 7302721343
  • ISBN-13: 9787302721345
  • 相關分類: Machine Learning

    • 下單後立即進貨 (約4週~6週)

  • 人工智能算法及應用-preview-1
  • 人工智能算法及應用-preview-2
  • 人工智能算法及應用-preview-3
人工智能算法及應用-preview-1

商品描述

本書全面介紹了人工智能技術的核心概念、算法原理和應用場景，旨在幫助讀者深入了解人工智能領域的基礎知識和前沿技術。通過系統性的講解，讀者將對人工智能的內涵、起源和發展歷程有全面的了解，並了解到人工智能學科的體系結構和應用領域。本書重點介紹了機器學習算法和深度學習算法，包括回歸算法、決策樹與隨機森林、樸素貝葉斯、支持向量機、卷積神經網絡、循環神經網絡等。這些算法涵蓋了人工智能領域的核心技術，並且通過具體案例和實踐經驗進行了詳細的講解，使讀者能夠深入理解算法原理和實際應用。除了基礎算法外，本書還介紹了人工智能在物流倉儲、醫療應用、軍事領域和國企轉型等方面的具體應用情況，探討了人工智能技術的發展趨勢和挑戰風險。此外，本書還介紹了人工智能算法常用的工具和框架，包括集成開發環境、Pytorch和TensorFlow等，為讀者提供了實踐工具和參考資源。本書的特色在於系統性、實用性和前瞻性，既適合作為人工智能領域的入門教材，也適合作為從業者的參考書，使讀者能從本書中獲得有益的啟發和知識。

作者簡介

王宗傑,男，北京科技大學高工，現任計算機與系統科學研究所所長，主要從事大數據科學、人工智能等領域的教學、科研和工程技術研發工作。曾參與多項國家重大科研項目，包括主持了國家“十五”科技攻關計劃“數字氣田關鍵技術及應用示範研究”、參與了國家“十一五”863計劃“油氣田信息資源集成服務平臺關鍵技術及應用研究”、國家十二五國土資源部項目“地質災害監測技術集成研究”、十三五國家科技部創新項目“基於大數據的鋼鐵質量管控智能決策支持系統”研究等，曾獲省部級科技進步獎； 2021他作為負責人成功獲得中國科協“科創中國”先導技術“電子信息”領域的上榜項目榮譽，與合作單位共同研發的“超導磁梯度全張量測量技術”，成為國家該領域18項破解“卡脖子”問題的關鍵核心技術之一。目前是國家工業與信息化部聘請的人工智能、大數據項目評審專家。

目錄大綱

目錄

第1章概論/1

1.1人工智能技術的內涵與外延1

1.1.1人工智能的定義1

1.1.2人工智能研究的內容2

1.1.3人工智能研究目標3

1.2人工智能技術的起源和發展歷程4

1.2.1人工智能出現前的萌芽期4

1.2.2人工智能發展的第一個時期5

1.2.3人工智能發展的第二個時期7

1.2.4人工智能發展的第三個時期7

1.3人工智能學科體系8

1.3.1基礎理論9

1.3.2核心算法與技術9

1.3.3技術應用與開發11

1.4人工智能應用11

1.5人工智能技術的挑戰12

1.5.1當前人工智能倫理問題13

1.5.2人工智能倫理準則、治理原則15

1.6本章小結17

1.7思考題18

第2章機器學習算法/19

2.1引言19

2.2回歸算法19

2.2.1線性回歸20

2.2.2多項式回歸20

2.2.3嶺回歸21

2.2.4Lasso回歸22

2.3決策樹與隨機森林23

2.3.1決策樹的生成與剪枝24

2.3.2CART算法252.3.3隨機森林25

2.4樸素貝葉斯26

2.5支持向量機28

2.5.1間隔與支持向量28

2.5.2對偶問題29

2.5.3核函數31

2.5.4軟間隔與正則化32

2.5.5支持向量回歸33

2.6無監督方法33

2.6.1主成分分析33

2.6.2潛在語義分析35

2.6.3非負矩陣分解37

2.6.4Kmeans39

2.6.5高斯混合分布40

2.7頻繁模式挖掘41

2.7.1頻繁模式挖掘的背景與研究意義41

2.7.2Apriori算法42

2.7.3FP樹算法43

2.8模型評估與選擇44

2.8.1經驗誤差與過擬合44

2.8.2評估方法45

2.8.3性能度量46

2.8.4比較檢驗48

2.9本章小結49

2.10思考題50

第3章深度學習算法/51

3.1引言51

3.2全連接網絡52

3.2.1前饋網絡52

3.2.2反向傳播54

3.2.3正則化55

3.3卷積神經網絡模型56

3.3.1卷積運算與池化56

3.3.2CNN基本概念與原理60

3.3.3CNN的發展歷程61

3.4RNN/LSTM62

3.4.1循環神經網絡概念62

3.4.2RNN原理與實現63

3.4.3LSTM原理與實現64

3.5Transformer68

3.5.1Transformer架構68

3.5.2Embedding70

3.5.3自註意力機制70

3.5.4Transformer實現與案例73

3.6生成模型79

3.6.1GAN在醫學影像學中的應用80

3.6.2生成對抗網絡的挑戰81

3.6.3Diffusion模型83

3.7強化學習86

3.7.1強化學習概述86

3.7.2馬爾可夫決策過程87

3.7.3Bellman方程88

3.7.4通用方法89

3.7.5蒙特卡羅方法90

3.7.6時序差分學習90

3.7.7結合TD和MC學習92

3.7.8策略梯度92

3.7.9ActorCritic93

3.7.10進化策略94

3.8圖卷積網絡94

3.8.1圖卷積網絡概念與推導94

3.8.2圖卷積網絡實現98

3.9知識圖譜103

3.9.1知識圖譜概述103

3.9.2實體關系抽取108

3.10大語言模型124

3.10.1大語言模型背景124

3.10.2大模型技術解析126

3.10.3主流大模型介紹128

3.10.4大模型的應用挑戰131

3.11本章小結132

3.12思考題133

第4章人工智能在醫學中的應用/134

4.1引言134

4.1.1背景與意義134

4.1.2主要內容概覽134

4.2案例: 醫學圖像分割135

4.2.1基本概念135

4.2.2場景分析139

4.2.3醫學圖像分割算法140

4.2.4醫學圖像器官病變分割方案148

4.3案例: 醫學文本分類159

4.3.1基本概念159

4.3.2場景分析160

4.3.3醫學文本分類算法161

4.3.4醫學意圖文本分類方案164

4.4本章小結179

4.5思考題180

第5章人工智能在農業中的應用/181

5.1引言181

5.2案例: 智能農業機器人182

5.2.1智能農業機器人概述182

5.2.2人工智能算法的應用185

5.2.3智能灌溉機器人187

5.2.4自動采摘機器人190

5.3案例: 作物病蟲害預測與管理193

5.3.1人工智能算法在病蟲害預測中的應用194

5.3.2玉米病蟲害預測195

5.3.3蘋果樹葉面病蟲害識別197

5.4案例: 農產品質量檢測200

5.4.1人工智能算法在農產品質量檢測中的應用200

5.4.2農產品質量檢測202

5.5案例: 田間雜草識別206

5.5.1人工智能算法在雜草識別中的應用206

5.5.2雜草識別208

5.6本章小結213

5.7思考題213

第6章人工智能與企業生產/214

6.1引言214

6.1.1背景與意義214

6.1.2主要內容概覽215

6.2案例: 自動導引車216

6.2.1背景介紹216

6.2.2場景分析和相關算法218

6.2.3算法介紹219

6.2.4實際應用226

6.2.5算法分析228

6.2.6小結229

6.3案例: 智能分揀系統229

6.3.1基本概念229

6.3.2場景分析231

6.3.3算法介紹232

6.3.4系統實現240

6.3.5小結244

6.4本章小結244

6.5思考題244

第7章人工智能在互聯網中的應用/246

7.1引言246

7.1.1背景與意義246

7.1.2主要內容概覽246

7.2案例: 智能搜索引擎247

7.2.1基本概念247

7.2.2場景分析249

7.2.3語義理解與匹配算法249

7.2.4智能搜索方案253

7.3案例: 智能推薦系統255

7.3.1基本概念255

7.3.2場景分析257

7.3.3協同過濾推薦算法257

7.3.4智能推薦方案260

7.4案例: 智能審查系統265

7.4.1基本概念265

7.4.2場景分析265

7.4.3相關算法266

7.4.4智能審查方案271

7.5本章小結276

7.6思考題276

第8章人工智能在金融中的應用/277

8.1引言277

8.1.1背景與意義277

8.1.2主要內容概覽277

8.2案例: 風險控制279

8.2.1螞蟻集團百靈系統279

8.2.2金融風險概述280

8.3案例: 智能投顧282

8.3.1Betterment智能投顧平臺282

8.3.2核心環節283

8.4案例: 智慧銀行285

8.4.1智能化無人銀行285

8.4.2智慧銀行的發展與應用286

8.5本章小結289

8.6思考題289

第9章人工智能在交通中的應用/290

9.1引言290

9.1.1背景與意義290

9.1.2主要內容概覽290

9.2案例: 公交站點選址模型與算法291

9.2.1場景分析291

9.2.2總體思路291

9.2.3基於局部密度的空間異常點檢測292

9.2.4改進的CKmeans混合聚類算法293

9.3案例: 定制公交線路設計模型與算法296

9.3.1場景分析296

9.3.2總體思路296

9.3.3定制公交線路設計模型297

9.3.4基於改進遺傳算法的模型求解302

9.4案例: 交通事件影響的城市道路行程時間預測312

9.4.1場景分析312

9.4.2總體思路312

9.4.3預測模型構建313

9.5本章小結315

9.6思考題315

第10章人工智能算法常用工具介紹/316

10.1集成開發環境316

10.1.1支持Python的通用編輯器和集成開發環境316

10.1.2Python專用的編輯器和集成開發環境320

10.2深度學習框架介紹322

10.2.1Theano322

10.2.2TensorFlow322

10.2.3MXNet323

10.2.4Keras323

10.2.5PyTorch324

10.2.6Caffe324

10.3開發案例325

10.3.1環境搭建325

10.3.2圖像分類326

10.4本章小結330

10.5思考題330

附錄（在線閱讀）/331

參考文獻（在線閱讀）/331

類似商品