返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版]人工智能 原理与实践 (美)查鲁·C.阿加沃尔 书籍 书店
  • 新华书店正版 人工智能 文轩网
    • 作者: 查鲁·C.著
    • 出版社: 机械工业出版社
    • 出版时间:2022-06
    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
    /
    ×

    苏宁商家

    商家:
    友一个图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 查鲁·C.著
    • 出版社:机械工业出版社
    • 出版时间:2022-06
    • ISBN:9788268304547
    • 版权提供:机械工业出版社

             店铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),

    关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

      本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版

     

    人工智能 原理与实践

    作  者:(美)查鲁·C.阿加沃尔 著 杜博,刘友发 译
    定  价:149
    出 版 社:机械工业出版社
    出版日期:2023年01月01日
    页  数:392
    装  帧:平装
    ISBN:9787111710677
    推荐序一
    推荐序二
    译者序
    前言
    第1章人工智能导论1
    1.1引言1
    1.2两大流派1
    1.3通用人工智能9
    1.4代理的概念10
    1.5人工智能中的演绎推理12
    1.5.1实例13
    1.5.2演绎推理的经典方法17
    1.5.3演绎推理的优势和局限19
    1.6人工智能中的归纳学习19
    1.6.1学习的类型20
    1.6.2无监督学习任务21
    1.6.3监督学习任务23
    1.7人工智能中的生物进化24
    1.8总结25
    1.9拓展阅读26
    1.10练习26
    第2章搜索状态空间27
    2.1引言27
    2.2不知情搜索算法30
    2.2.1案例研究:八个拼图问题35
    2.2.2案例研究:在线迷宫搜索36
    2.2.3通过双向搜索提高效率36
    2.3知情搜索:佳优先搜索37
    2.3.1贪婪佳优先搜索39
    2.3.2A*-搜索算法40
    2.4具有特定于状态的损失函数的局部搜索41
    2.4.1爬山43
    2.4.2禁忌搜索45
    2.4.3模拟退火47
    2.5遗传算法48
    2.6约束满足问题50
    2.6.1作为约束满足的旅行推销员问题50
    2.6.2作为约束满足的图着色51
    2.6.3数独作为约束满足51
    2.6.4约束满足的搜索算法52
    2.6.5利用特定于状态的损失值53
    2.7总结53
    2.8拓展阅读53
    2.9练习53
    第3章多代理搜索55
    3.1引言55
    3.2不知情搜索:AND-OR搜索树56
    3.2.1处理两个以上的代理59
    3.2.2处理非确定性环境59
    3.3具有特定于状态的损失函数的知情搜索树60
    3.3.1启发式变化63
    3.3.2适应对抗环境63
    3.3.3预存储子树65
    3.3.4设计评估函数面临的挑战66
    3.3.5极小极大树的缺点67
    3.4alpha-beta剪枝69
    3.5蒙特卡罗树搜索:归纳视图71
    3.5.1对预期结果模型的改进74
    3.5.2演绎与归纳:小值和蒙特卡罗树77
    3.5.3应用于非确定性和部分可观测游戏78
    3.6总结79
    3.7拓展阅读79
    3.8练习80
    第4章命题逻辑81
    4.1引言81
    4.2命题逻辑:基础82
    4.3命题逻辑定律86
    4.3.1蕴涵和等价的有用性质88
    4.3.2重言式和可满足性89
    4.3.3子句和规范形式90
    4.4命题逻辑作为专家系统的先驱91
    4.5命题逻辑中表达式的等价性92
    4.6知识库中的证明基础94
    4.7矛盾证明法96
    4.8具有明确子句的有效蕴涵100
    4.8.1正向链接100
    4.8.2反向链接102
    4.8.3比较正向链接和反向链接103
    4.9总结103
    4.10拓展阅读104
    4.11练习104
    第5章一阶逻辑106
    5.1引言106
    5.2一阶逻辑的基础108
    5.2.1量词的使用109
    5.2.2一阶逻辑中的函数112
    5.2.3一阶逻辑如何建立在命题逻辑上113
    5.2.4标准化问题和范围扩展115
    5.2.5否定与量词的相互作用116
    5.2.6置换和斯科伦化117
    5.2.7为什么一阶逻辑更具表现力119
    5.3填充知识库120
    5.4一阶逻辑专家系统示例122
    5.5系统推断程序123
    5.5.1矛盾证明法123
    5.5.2正向链接125
    5.5.3反向链接126
    5.6总结126
    5.7拓展阅读127
    5.8练习127
    第6章机器学习:归纳观点129
    6.1引言129
    6.2线性回归131
    6.2.1随机梯度下降132
    6.2.2基于矩阵的解决方案133
    6.2.3偏差的使用134
    6.2.4为什么正则化很重要134
    6.3小二乘分类135
    6.4支持向量机138
    6.5逻辑回归140
    6.5.1计算梯度140
    6.5.2比较支持向量机和逻辑回归140
    6.5.3逻辑回归作为概率分类器142
    6.6多类设置143
    6.6.1一对其余,一票反对一票143
    6.6.2多项式逻辑回归144
    6.7Na?veBayes模型145
    6.8近邻分类器147
    6.9决策树148
    6.9.1决策树构建的训练阶段148
    6.9.2拆分节点151
    6.9.3将决策树推广到随机森林152
    6.10基于规则的分类器153
    6.10.1顺序覆盖算法154
    6.10.2将基于规则的分类器与专家系统中的逻辑规则进行比较155
    6.11分类的评估155
    6.11.1分为训练和测试部分157
    6.11.2绝对准确度测量158
    6.11.3排名措施159
    6.12总结162
    6.13拓展阅读163
    6.14练习163
    第7章神经网络164
    7.1引言164
    7.2计算图简介165
    7.2.1神经网络作为定向计算图168
    7.2.2softmax激活函数169
    7.2.3常见损失函数170
    7.2.4非线性如何增加表达能力170
    7.3有向无环图的优化172
    7.3.1计算图的挑战172
    7.3.2坡度计算的广泛框架173
    7.3.3使用暴力计算节点到节点的导数174
    7.3.4计算节点到节点导数的动态规划177
    7.3.5将节点到节点导数转换为损失到权重导数181
    7.3.6带有向量变量的计算图183
    7.4应用:神经网络中的反向传播185
    7.4.1常用激活函数的导数187
    7.4.2softmax的特殊情况187
    7.4.3以向量为中心的反向传播188
    7.4.4以向量为中心的反向传播示例190
    7.5计算图的一般视图192
    7.6总结194
    7.7拓展阅读194
    7.8练习194
    第8章特定领域的神经架构198
    8.1引言198
    8.2卷积神经网络的基本原理198
    8.3卷积神经网络的基本架构200
    8.3.1填充204
    8.3.2步幅205
    8.3.3典型的设置205
    8.3.4ReLU层206
    8.3.5池化206
    8.3.6接近连接层208
    8.3.7层之间的交错208
    8.3.8分层特性工程210
    8.4卷积架构的案例研究211
    8.4.1AlexNet212
    8.4.2VGG214
    8.4.3ResNet216
    8.5递归神经网络的基本原理218
    8.6递归神经网络的结构220
    8.6.1RNN语言建模实例222
    8.6.2通过时间反向传播224

    8.6.3多层迭代网络226

    ……

    内容简介

    本书介绍了经典人工智能(逻辑或演绎推理)和现代人工智能(归纳学习和神经网络)的相关知识。首先讨论演绎推理方法,主要包括搜索和逻辑;然后讨论归纳学习方法,使用统计方法,结合大量示例以得出假设,包括回归建模、支持向量机、神经网络、强化学习、无监督学习和概率图模型;最后介绍基于推理和学习的方法,包括知识图谱和神经符号人工智能等技术。此外,还讨论了迁移学习和终身学习等重要话题。
    本书可作为高等院校人工智能等课程的研究生教材,或作为相关领域研究人员的参考读物。

    1
    • 商品详情
    • 内容简介

    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