人工智能與機器學(xué)習(xí)的算法與應(yīng)用研究
定 價:98 元
- 作者:劉艷青,齊永波,薛艷鋒著
- 出版時間:2021/1/1
- ISBN:9787522114408
- 出 版 社:中國原子能出版社
- 中圖法分類:TP311.561
- 頁碼:303頁
- 紙張:膠版紙
- 版次:1
- 開本:16開
人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支,是一門研究機器智能的學(xué)科,人工智能的核心技術(shù)是機器學(xué)習(xí)算法,尤其是深度學(xué)習(xí)算法,自從2pan>世紀初獲得突破性研展之后,機器學(xué)習(xí)算法已經(jīng)成為各研究領(lǐng)域的熱門話題。本書全面系統(tǒng)地講解了人工智能與機器學(xué)理論與方法,內(nèi)括緒論、機器學(xué)習(xí)經(jīng)典算法、降維算法、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、蒙特卡羅方法、生成對抗網(wǎng)絡(luò)、強化學(xué)習(xí)、集成學(xué)系統(tǒng)、機器學(xué)應(yīng)用、人工智能的應(yīng)用。本書內(nèi)容廣泛,概念清晰,是一本值得學(xué)著作,可供相關(guān)人員參考使用。
前言
人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支,是一門研究機器智能的學(xué)科,作為一門前沿交叉學(xué)科,它的研究領(lǐng)域十分廣泛。人工智能的遠期目標(biāo)是揭示人類智能的根本機理,用智能機器去模擬、延伸和擴展人類的智能。人工智能涉及腦科學(xué)、認知科學(xué)、計算機科學(xué)、系統(tǒng)科學(xué)、控制論等多種學(xué)科,并依賴于它們共同發(fā)展。目前,人工智能仍處于發(fā)展時期,很多問題解決得還不夠好,甚至不能求解,很多問題的求解還需要一定的條件。人工智能的核心技術(shù)是機器學(xué)習(xí)算法,尤其是深度學(xué)習(xí)算法,自從2pan>世紀初獲得突破性研展之后,機器學(xué)習(xí)算法已經(jīng)成為各研究領(lǐng)域的熱門話題。無論在科研還是工程領(lǐng)域,擁有了機器學(xué)習(xí)以及深度學(xué)習(xí)算法,就似乎真的找到了如何讓機器自主獲取智慧的那扇神奇之門。人類想讓機器獲得并提升智能,媲美甚至人類智慧。物聯(lián)網(wǎng)為機器提供了豐富的知識,讓機器能像人一樣,獲取物理環(huán)境中的豐富信息,制訂計劃和策略,并做出智能的抉擇,這是機器學(xué)重要目標(biāo)。無處不在的物聯(lián)網(wǎng)傳感器,為機器學(xué)習(xí)算法提供了大量豐富的原始數(shù)據(jù),數(shù)字圖像傳感器如同人的眼睛,聲音傳感器如同人的耳朵,還有數(shù)十億種溫度、壓力、流量、氣體和火焰等傳感器,存在于物聯(lián)網(wǎng)的嵌入式設(shè)備中,實時采集海量數(shù)據(jù)。面對如此龐大的信息,機器學(xué)習(xí)這個大腦需要像初生的嬰兒一樣,從海量數(shù)據(jù)和知識中學(xué)習(xí)智慧,訓(xùn)練高度的特征抽象能力、知識表示能力和分類預(yù)測能力,才能做出媲美甚至人類智慧的決策。然而,物聯(lián)網(wǎng)數(shù)據(jù)通過各種復(fù)雜的傳感器收集含大量噪聲,同時絕大部分物聯(lián)網(wǎng)設(shè)備的存儲和計算能力有限,如何設(shè)計有效的機器學(xué)習(xí)算法,處理物聯(lián)網(wǎng)傳感器采集的粗糙原始數(shù)據(jù),如何嵌入機器學(xué)習(xí)算法,尤其是深度學(xué)習(xí)算法,使得物聯(lián)網(wǎng)設(shè)備擁有真正的智能,是未來機器學(xué)習(xí)算法在物聯(lián)網(wǎng)應(yīng)用中面臨的重大挑戰(zhàn)和機遇。作者本著順應(yīng)時代,努力為教育建設(shè)添磚加瓦的思想,將多年從事人工智能領(lǐng)域的科研和教學(xué)經(jīng)驗加結(jié),撰寫完成本書。全書分為10章,主要內(nèi)括緒論、機器學(xué)習(xí)經(jīng)典算法、降維算法、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、蒙特卡羅方法、生成對抗網(wǎng)絡(luò)、強化學(xué)習(xí)、集成學(xué)系統(tǒng)、機器學(xué)應(yīng)用和人工智能的應(yīng)用。本書在撰寫時,得到了一些專家學(xué)者的幫助和支持,同時也參考借鑒了一些國內(nèi)外的相關(guān)理論成果。由于寫作時間緊加之部分作者來源不詳,導(dǎo)致未能全部列出這些成果的出處,在此向各類文獻的作者表示真摯敬意、歉意和由衷的感謝。書中存在不足之處在所難免,懇請讀者批評指正。
作者
2020年12月
第一章 緒論
1.pan>什么是人工智能與機器學(xué)習(xí)
1.2機器學(xué)習(xí)和人工智能的關(guān)系
1.3大數(shù)據(jù)與機器學(xué)關(guān)系
1.4人工智能與機器學(xué)前沿
第2章機器學(xué)習(xí)經(jīng)典算法
2.pan style="font-family:宋體">樸素貝葉斯
2.2K
2.3決策樹
2.4支持向量機
第3章降維算法
3.pan style="font-family:宋體">特征選擇法
3.2主成分分析法
3.3主成分分析的核方法
3.4線性判別分析法
3.5因素分析
3.6獨立成分分析
3.7局部線性嵌入
3.8自編碼器
3.9 ISOMAP算法
第4章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
4.pan style="font-family:宋體">神經(jīng)網(wǎng)絡(luò)
4.2卷積神經(jīng)網(wǎng)絡(luò)
4.3循環(huán)神經(jīng)網(wǎng)絡(luò)
4.4長短期記憶單元
4.5深度信念網(wǎng)絡(luò)和受限玻耳茲曼機
第5章蒙特卡羅方法
5.pan style="font-family:宋體">采樣和蒙特卡羅方法
5.2馬爾可夫鏈蒙特卡羅方法
5.3Gibbs采樣
5.4不同的峰值之間的混合
5.5蒙特卡羅樹搜索的特征
第6章生成對抗網(wǎng)絡(luò)
6.pan style="font-family:宋體">生成對抗網(wǎng)絡(luò)的概述
6.2生成對抗網(wǎng)絡(luò)原理
6.3 GAN的實際應(yīng)用
6.4GAN的缺陷:梯度的消失
6.5深度卷積生成對抗網(wǎng)絡(luò)
6.6其他的生成對抗網(wǎng)絡(luò)
6.7GAN的未來
第7章強化學(xué)習(xí)
7.pan style="font-family:宋體">強化學(xué)習(xí)模型及基本要素
7.2馬爾可夫決策過程
7.3模型已知的強化學(xué)習(xí)
7.4模型未知的強化學(xué)習(xí)
7.5深度強化學(xué)習(xí)
第8章 集成學(xué)系統(tǒng)
8.pan style="font-family:宋體">集成學(xué)習(xí)
8.2第9章機器學(xué)應(yīng)用
9.pan style="font-family:宋體">機器學(xué)習(xí)算法在機器視覺領(lǐng)域的應(yīng)用
9.2機器學(xué)習(xí)算法在物聯(lián)網(wǎng)的應(yīng)用
9.3機器學(xué)習(xí)算法在其他領(lǐng)域的應(yīng)用
第10章人工智能的應(yīng)用
10.pan style="font-family:宋體">人工智能在金融領(lǐng)域的應(yīng)用
10.2人工智能在教育領(lǐng)域的應(yīng)用
10.4人工智能在領(lǐng)域的應(yīng)用
10.4人工智能在人臉和聲音識別中的應(yīng)用
10.5人工智能在中國農(nóng)業(yè)發(fā)展中的應(yīng)用
參考文獻