文轩网图书旗舰店
  • 扫码下单

  • 深入浅出人工智能(第2版) (德)沃尔夫冈·埃特尔(Wolfgang Ertel) 著 文益民,蔡国永 译 专业科技
  • 新华书店正版
    • 作者: (德)沃尔夫冈·埃特尔(Wolfgang Ertel)著 | | 文益民,蔡国永译
    • 出版社: 清华大学出版社
    • 出版时间:2020-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

  •      https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (德)沃尔夫冈·埃特尔(Wolfgang Ertel)著| 文益民,蔡国永译
    • 出版社:清华大学出版社
    • 出版时间:2020-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-01-01
    • 字数:393000
    • 页数:295
    • 开本:B5
    • 装帧:平装
    • ISBN:9787302541653
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    深入浅出人工智能(第2版)

    作  者:(德)沃尔夫冈·埃特尔(Wolfgang Ertel) 著 文益民,蔡国永 译
    定  价:59.8
    出 版 社:清华大学出版社
    出版日期:2020年01月01日
    页  数:295
    装  帧:平装
    ISBN:9787302541653
    主编推荐

    内容简介

    《深入浅出人工智能(第2版)》通俗易懂且引人入胜,提供了对人工智能(AI)这一激动人心领域的准确介绍,内容覆盖人工智能领域的主要子学科,描述了智能体、逻辑、搜索、不确定性推理、机器学习、神经网络和强化学习等子学科的实际算法和具体应用。除了对上一版进行大幅修改和更新外,《深入浅出人工智能(第2版)》还包括对深度学习这一新内容的介绍。

    作者简介

    精彩内容

    目录
    章导论1
    1.1什么是人工智能1
    1.1.1脑科学与问题求解3
    1.1.2图灵测试及聊天机器人5
    1.2AI的历史5
    1.2.1人工智能的开始8
    1.2.2基于逻辑的问题求解8
    1.2.3新联接主义9
    1.2.4不确定性推理9
    1.2.5分布式的自治且有学习能力的智能体10
    1.2.6人工智能的进一步发展10
    1.2.7人工智能革命10
    1.3人工智能与社会11
    1.3.1人工智能会抢夺人类的工作吗11
    1.3.2AI与交通11
    1.3.3服务机器人12
    1.4智能体13
    1.5基于知识的系统15
    1.6练习17
    第2章命题逻辑19
    2.1句法19
    2.2语义20
    2.3证明系统22
    2.4归结25
    2.5Horn子句28
    2.6可计算性和复杂性30
    2.7应用及限制30
    2.8练习31
    第3章一阶谓词逻辑33
    3.1句法34
    3.2语义35
    3.3量词和范式38
    3.4证明演算41
    3.5归结42
    3.5.1归结策略45
    3.5.2等值45
    3.6自动定理证明46
    3.7数学例子47
    3.8应用50
    3.9小结52
    3.10练习52
    第4章逻辑的局限性55
    4.1搜索空间问题55
    4.2可判定性和不完备性57
    4.3会飞的企鹅58
    4.4模型的不确定性60
    4.5练习61
    第5章Prolog逻辑程序设计63
    5.1Prolog系统及实现64
    5.2简单例子64
    5.3执行控制和过程要素67
    5.4列表68
    5.5自我修改程序70
    5.6规划示例71
    5.7约束逻辑编程73
    5.8总结74
    5.9练习75
    第6章搜索、博弈与问题求解79
    6.1引言79
    6.2无信息搜索84
    6.2.1宽度优先搜索84
    6.2.2深度优先搜索85
    6.2.3迭代深入87
    6.2.4对比88
    6.2.5循环校验89
    6.3启发式搜索90
    6.3.1贪婪搜索92
    6.3.2A*搜索93
    6.3.3A*搜索算法的路径规划95
    6.3.4IDA*搜索96
    6.3.5搜索算法的经验对比97
    6.3.6总结98
    6.4对弈99
    6.4.1最小优选搜索99
    6.4.2Alpha-Beta剪枝100
    6.4.3非决定性游戏102
    6.5启发式评估函数102
    6.6搜索前沿现状104
    6.6.1象棋104
    6.6.2围棋105
    6.7练习106
    第7章不确定性推理109
    7.1概率计算111
    7.2优选熵的原理118
    7.2.1概率推理规则118
    7.2.2无明确约束的优选熵122
    7.2.3条件概率与实质蕴含123
    7.2.4MaxEnt系统124
    7.2.5tweety示例125
    7.3LEXMED,一个阑尾炎诊断专家系统126
    7.3.1正规方式的阑尾炎诊断126
    7.3.2混合概率知识库127
    7.3.3LEXMED的应用129
    7.3.4LEXMED的功能130
    7.3.5使用代价矩阵进行风险管理133
    7.3.6性能134
    7.3.7应用领域和经验136
    7.4贝叶斯网络推理137
    7.4.1独立变量137
    7.4.2将知识的图解作为贝叶斯网络138
    7.4.3条件独立139
    7.4.4实际应用139
    7.4.5贝叶斯网络软件141
    7.4.6贝叶斯网络的发展142
    7.4.7贝叶斯网络的语义145
    7.5总结146
    7.6练习148
    第8章机器学习与数据挖掘151
    8.1数据分析156
    8.2感知器,一个线性分类器158
    8.2.1学习规则160
    8.2.2优化与展望163
    8.3最近邻算法163
    8.3.1两类、多类、近似166
    8.3.2距离与分类相关167
    8.3.3计算时间168
    8.3.4总结与展望169
    8.3.5基于案例的推理170
    8.4决策树学习171
    8.4.1一个简单的例子171
    8.4.2将熵作为信息量的度量173
    8.4.3信息增益175
    8.4.4C4.5算法的应用177
    8.4.5对阑尾炎诊断的学习179
    8.4.6连续属性181
    8.4.7剪枝182
    8.4.8缺失值183
    8.4.9总结183
    8.5交叉验证和过拟合184
    8.6贝叶斯网络的学习185
    8.7朴素贝叶斯分类器187
    8.8单类学习191
    8.9聚类193
    8.9.1距离度量194
    8.9.2K均值与EM算法195
    8.9.3层次聚类196
    8.9.4如何确定簇的数量197
    8.10实践中的数据挖掘200
    8.11总结203
    8.12练习205
    第9章神经网络209
    9.1从生物学到仿真210
    9.2Hopfield网络213
    9.2.1一个模式识别应用实例214
    9.2.2分析216
    9.2.3总结与展望218
    9.3神经联想记忆219
    9.3.1关联矩阵存储器220
    9.3.2二进制Hebb定律221
    9.3.3拼写纠正程序223
    9.4具有最小错误的线性网络224
    9.4.1最小二乘法225
    9.4.2阑尾炎数据的应用227
    9.4.3delta规则227
    9.4.4与感知器的比较229
    9.5反向传播算法230
    9.5.1NETtalk:让网络学着去说话232
    9.5.2关于定理证明的启发式学习234
    9.5.3问题与改进234
    9.6支持向量机235
    9.7深度学习237
    9.7.1效法自然237
    9.7.2叠加去噪自动编码器238
    9.7.3其他方法239
    9.7.4系统和实现240
    9.7.5深度学习的应用240
    9.8创造性241
    9.9神经网络的应用243
    9.10总结与展望243
    9.11练习244
    0章强化学习247
    10.1什么是强化学习247
    10.2学习任务249
    10.3不使用已有信息的组合搜索251
    10.4值迭代与动态规划252
    10.5一种学习型步行机器人及其仿真255
    10.6Q学习257
    10.7探索与开发261
    10.8逼近、推广与收敛性261
    10.9应用262
    10.10AlphaGo围棋的突破263
    10.11维数灾难265
    10.12总结与展望266
    10.13练习267
    1章练习解答269
    11.1导论269
    11.2命题逻辑270
    11.3一阶谓词逻辑272
    11.4逻辑的局限性274
    11.5Prolog逻辑程序设计274
    11.6搜索、博弈和问题求解276
    11.7不确定性推理278
    11.8机器学习与数据挖掘285
    11.9神经网络291
    11.10强化学习293

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购