科技
类型
可以朗读
语音朗读
114千字
字数
2019-09-01
发行日期
展开全部
主编推荐语
从搜索、推理、学习等AI基础概念出发解析AI技术,帮助读者从模型和算法层面理解AI 原理。
内容简介
人工智能作为引领未来的战略性技术,世界各国都高度重视。近年来,人工智能已经成为国家、研究机构、企业、高校关注的焦点。随着大数据时代的到来,以及计算能力的提升,人工智能在技术领域的突破日新月异。本书面向中学生的人工智能,共4册,第一册介绍AI的基本思维方式和基础技术、发展史和影响。第二册围绕生活场景将结数十个AI落地应用实例。第三册通过解析AI技术来帮助学生从模型和算法层面理解AI。第四册从玩AI出发,指导学生动手搭建自己的AI项目。
目录
- 版权信息
- 总序
- 前言
- 从这本书中可以读到
- 如何使用这本书
- 第1部分 搜索策略
- 第一章 数据结构基础
- 一、 逻辑结构
- 二、 数组
- 三、 栈与队列
- 四、 优先级队列
- 五、 树
- 六、 图
- 第二章 无信息搜索
- 一、 广度优先搜索
- 二、 深度优先搜索
- 三、 搜索算法的衡量指标
- 实例1:农夫渡河问题
- 1. 使用BFS求解农夫渡河问题
- 2. 使用DFS求解农夫渡河问题
- 实例2:数字华容道
- 1. 使用BFS求解数字华容道
- 2. 使用DFS求解数字华容道
- 四、 DFS和BFS的比较
- 思考与实践
- 第三章 有信息搜索
- 一、 启发式算法
- 思考与实践
- 二、 爬山法
- 思考与实践
- 三、 最速爬山法
- 思考与实践
- 四、 A*搜索
- 思考与实践
- 五、 有信息搜索算法的优缺点
- 思考与实践
- 第四章 博弈中的搜索
- 一、 博弈论简介
- 1. 囚徒困境
- 2. 智猪博弈
- 3. 员工老板博弈
- 4. 硬币博弈
- 思考与实践
- 二、 启发式评估和MINMAX评估
- 1. 启发式评估
- 2. MINMAX评估
- 三、 Alpha—Beta搜索与深蓝计算机
- 1. Alpha—Beta搜索算法
- 2. 深蓝计算机
- 第2部分 逻辑推理
- 第五章 基于命题逻辑的推理
- 一、 命题逻辑基本概念
- 1. 命题
- 2. 逻辑连接词
- 思考与实践
- 3. 真值表
- 思考与实践
- 二、 等值演算
- 1. 逻辑等价定律
- 2. 实际应用
- 三、 推理演算
- 四、 归结推理
- 思考与实践
- 第六章 基于一阶逻辑的推理
- 一、 一阶逻辑基本概念
- 1. 对象与谓词
- 2. 函数与量词
- 二、 等值演算
- 1. 量词否定律
- 2. 量词分配律
- 3. 量词作用域等值式
- 思考与实践
- 三、 推理演算
- 1. 全称量词消去规则(简称∀-)
- 2. 全称量词引入规则(简称∃+)
- 3. 存在量词消去规则(简称∃-)
- 4. 存在量词引入规则(简称∃+)
- 四、 归结推理
- 1. 置换与合一
- 2. 归结推理规则
- 思考与实践
- 第七章 产生式与专家系统
- 一、 产生式
- 二、 专家系统
- 1. 将专家知识输入系统
- 2. 输入新问题
- 3. 推理并获取更多信息
- 4. 得到最终结论,输出解决方案
- 思考与实践
- 第3部分 机器学习
- 第八章 监督学习
- 一、 监督学习思想
- 思考与实践
- 二、 线性回归
- 1. 情景引入
- 2. 监督学习第一步
- 3. 监督学习第二步
- 思考与实践
- 4. 监督学习第三步
- 5. 模型实操与评估
- 思考与实践
- 三、 逻辑回归
- 1. 情景引入
- 2. 监督学习第一步
- 3. 监督学习第二步
- 4. 监督学习第三步
- 5. 情景结束与评估
- 6. 线性不可分和多分类扩展
- 四、 支持向量机
- 1. 思想引入
- 2. 监督学习第一步
- 3. 监督学习第二步
- 4. 监督学习第三步
- 5. 更多说明
- 五、 神经网络
- (一) 感知机
- 1. 监督学习第一步
- 2. 监督学习第二步
- 3. 监督学习第三步
- 4. 更多说明(感知机、逻辑回归和支持向量机的区别)
- (二) 多层前向神经网络
- 1. 监督学习第一步
- 2. 监督学习第二步
- 3. 监督学习第三步
- (三) 反向传播
- 思考与实践
- (四) 深度学习
- (五) 卷积神经网络
- 1. 图像的数学表示
- 2. 卷积层和池化层
- 3. 监督学习三步骤
- 4. 卷积神经网络总结
- (六) 循环神经网络
- 1. 循环层
- 思考与实践
- 2. 监督学习三步骤
- 六、 决策树
- 1. 场景引入
- 2. 问题求解
- 3. 场景结尾
- 第九章 无监督学习
- 一、 聚类
- 1. 场景引入
- 2. K-means聚类算法
- 3. 场景结尾
- 思考与实践
- 二、 降维
- 1. 主成分分析(PCA)
- 2. 自动编码器
- 三、 生成模型
- 1. 生成对抗网络(GAN)
- 2. 生成对抗网络的应用
- 第十章 强化学习
- 一、 马尔可夫决策过程
- 1. 场景引入
- 2. 强化学习基础
- 3. 马尔可夫决策过程
- 4. 场景结尾
- 二、 基于模型的强化学习
- 1. 场景引入
- 2. 目标函数
- 3. 策略和值函数
- 4. 贝尔曼等式
- 5. 值迭代
- 6. 策略迭代
- 7. 场景结尾
- 三、 无模型强化学习
- 1. 场景引入
- 2. 蒙特卡洛学习
- 3. 时序差分学习
- 4. SARSA和Q学习
- 5. 场景结尾
- 四、 深度强化学习
- 1. 场景引入
- 2. 值函数的近似
- 3. 深度Q网络
- 4. 场景结尾
- 五、 总结
- 思考与实践
- 结语
- 1. 局限与适用场景
- 2. 技术之间的联系与区别
- 3. 总结与展望
- 附录 “思考与实践”解答参考
展开全部
出版方
上海科技教育出版社
上海教育出版社成立于1958年,是一家面向全国的教育专业出版社,出版品种包括各类教材、教学辅导读物、教学挂图、工具书、学术专著、教师读物、学生读物、幼儿读物、各类教学期刊、学具、以及声像读物和电子出版物。