扫一扫
关注中图网
官方微博
¥37.7(6.3折)?
预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。
00:00:00
促销活动:
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
人工智能技术基础 版权信息
- ISBN：9787115577283
- 条形码：9787115577283 ; 978-7-115-57728-3
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
人工智能技术基础 本书特色
（1）由浅入深 通俗易懂本书旨在以通俗、易懂的方式让读者掌握人工智能的基本技术。描述问题及解答方案时不使用复杂的公式，也不使用晦涩难懂的专业术语，因此读者无需具备相关领域的专业知识即可开始阅读本书。（2）案例丰富 代码详解除了相关理论知识外，本书还选取了多个典型的应用案例，每个案例均给出了代码实现以及详细的解释，有助于读者进一步理解相应的算法原理。（3）立体资源 多元服务本书配套教学PPT、教学大纲、教案、案例素材、文献导读及视频等丰富的教学辅助资源，全方位服务于教师教学。
人工智能技术基础 内容简介
本书介绍了人工智能领域常用的方法，包括搜索、统计学习、深度学习和自动机器学习等内容。各章节涉及的问题均根据历史典故或现实生活引出，并使用通俗易懂的方式提出问题及其解决方法。因此，读者在阅读本书时不会感到枯燥无味，也不需要具备人工智能相关的知识背景。书中包含很多代码示例，每个示例均有详细的解释，有助于读者进一步理解相应的算法。在学完本书后，读者将初步具备使用人工智能算法解决生活中实际问题的能力。 本书可作为高校人工智能及相关专业的教材，也可供计算机相关领域从业人员参考使用。
人工智能技术基础 目录
人工智能技术基础 1
内容提要 1
前 言 2
目 录 4
第 一章 趣谈/漫话人工智能 11
1．1 一个古老的职业 11
1．2 *后的观（占）星大师 12
1．3 中世纪的宇宙模型 13
1．4 八卦中的秘密 14
1．5 另一个苹果 16
1．6 神经网络发展 20
1．7 新时代的炼金术 21
1．8 深度学习和大数据 22
1．9 *后的围棋大师 23
本章小结 24
习题 24
第二章 学习在于实践-编程环境和基础 25
2．1编程环境管家-Anaconda管理工具 25
2．1．1 Anaconda 简介 25
2．1．2 如何安装 25
2．1．3 环境管理 28
2．2简明胶水语言-Python 29
2．2．1 简介 29
2．2．2 安装 29
2．2．3 基础语法 30
2．2．4 解决兔子繁殖问题 35
2．3 面向数组的计算-NumPy 36
2．3．1 简介 36
2．3．2 安装 36
2．3．3 基础语法 37
2．3．4 案例 38
2．4 机器学习百宝箱-Sklearn 41
2．4．1 简介 41
2．4．2 安装 41
2．5 大道至简-keras 42
2．5．1 简介 42
2．5．2 安装 42
本章小结 43
习题 43
第三章 穷举的魅力-搜索 44
3．1驴友的困惑-经典旅行问题 44
3．1．1 七桥问题 44
3．1．2 旅行商问题 45
3．1．3 迷宫问题 46
3．2搜索的积木-基础数据结构 46
3．2．1 树 46
3．2．2 图 47
3．2．3 栈 49
3．2．4 优先队列 50
3．3林深时见鹿-深度优先搜索 51
3．3．1 宽度优先搜索简介 51
3．3．2 使用DFS解决七桥问题 54
3．3．3 使用DFS解决旅行商问题 55
3．3．4 使用DFS解决迷宫问题 57
3．4近水楼台先得月-广度优先搜索 59
3．4．1 广度优先搜索简介 59
3．4．2使用BFS解决七桥问题 59
3．4．3 使用BFS解决旅行商问题 59
3．4．4 使用BFS解决迷宫问题 60
本章小结 60
习题 60
第四章 计算机里的物竞天择-进化算法 61
4．1 生物的演化规律-物种起源 61
4．2程序的优化方法-遗传算法 61
4．2．1 遗传学的启发 61
4．2．2 遗传定律 62
4．2．3 遗传算法 62
4．3基因优化的模拟-交叉变异 64
4．3．1 基因的二进制表示 64
4．3．2 适应度的选择方法 65
4．3．3 基因交叉计算 66
4．3．4 基因变异 67
4．4更高级的程序优化-进化算法 67
4．4．1 进化算法原理 67
4．4．2 数值优化应用实践 67
4．4．3 进化算法库Geatpy 69
4．5横看成岭侧成峰-多目标优化 72
4．5．1 帕累托*优 73
4．5．2 多目标优化算法 73
4．5．3 多目标优化实践 73
4．6麻雀虽小五脏俱全-其它进化算法 75
4．6．1 粒子群优化算法 75
4．6．2 蚁群算法 76
本章小结 77
习题 77
第五章 数据即规律-统计学习 78
5．1 润物细无声-教师和学习 78
5．2 理想中的世界-线性模型 80
5．3 物以类聚，人以群分-聚类 86
5．4 如何做出选择-决策树 87
5．5 维度的秘密-支持向量机 90
5．6 三个臭皮匠顶个诸葛亮--集成机器学习 93
5．7 本章小结 94
5．8 习题 95
第六章 描述万物的规律-神经网络 96
6．1 *简单的神经网络模型-感知机 96
6．2 神经网络的核心-非线性激活函数 97
6．3 感知机的缺陷-解决找茬（异或）难题 99
6．4 万能的神经网络-通用函数拟合 103
6．5 魔方缺了一面-利用反向传播求解神经网络 106
6．6 构建神经网络的积木-keras API函数 109
6．7 开始动手-神经网络应用 112
本章小结 116
习题 116
第七章 抽象的威力-深度学习 117
7．1被麻醉的猫-生物视觉原理 117
7．2深度学习的视觉-CNN模型 118
7．2．1 彩色图片数据组成 119
7．2．2 CNN是怎么工作的 119
7．2．3 CNN学到了什么 122
7．2．4 CNN应用实例—猫狗大战 123
7．3瞻前顾后的深度模型-RNN 130
7．3．1 RNN模型结构 130
7．3．2 往前看和往后看——双向RNN 132
7．3．3 RNN的其他应用 132
7．4 *大的烦恼就是记性太好-长短期记忆网络 132
7．4．1 梯度消失和梯度爆炸问题 132
7．5 本章小结 140
7．6 习题 140
7．7 拓展阅读 141
第八章 深度学习的集市 142
8．1学会识别不同的图像-图像分类 142
8．2寻找物体的相框-目标检测 150
8．2．1 数据集 150
8．2．2 基本原理 152
8．2．3 知名目标检测模型 153
8．3学会区分不同的物体边界-语义分割 158
8．3．1 数据集 158
8．3．2 基本原理 161
8．3．3 知名语义分割模型 161
本章小结 163
习题 163
第九章 基于关系的网络-GNN 164
9．1 关系的表述-又是图结构 164
9．1．1 灵活处理非欧数据的GNN 164
9．1．2 定义及概念介绍 165
9．2解决社交问题-原理和实践 167
9．2．1 GCN原理介绍 167
9．2．2 GCN的应用——微博用户性别预测（节点分类） 167
9．2．3 GCN的应用——闲鱼垃圾评论识别（边分类） 169
9．2．4 基于keras的GCN代码解析 171
9．3 改进GCN模型-GAT原理及应用 179
9．3．1 GAT原理介绍 179
9．3．2 GAT的应用——微博用户性别预测 180
9．3．3 基于keras的GAT代码解析 181
本章小结 184
习题 184
拓展阅读 184
第十章 巴甫洛夫的狗-智能体学习 185
10．1 灵感来源-反射学习 185
10．2 向狗学习-强化学习 185
10．2．1 发展历程 185
10．2．2 强化学习范式 186
10．2．3 值函数与策略函数 189
10．2．4 MDP求解方法 190
10．3 实现强化学习-两种策略 191
10．3．1 Off-policy学习 191
10．3．2 On-policy学习 191
10．4 引入万能的神经网络-深度强化学习 192
10．4．1 基于值函数的方法 193
10．4．2 基于策略梯度方法 193
10．5 解决更复杂的问题-分布式强化学习 194
10．5．1 Impala 194
10．5．2 SeedRL 195
10．5．3 Ape-X 196
10．5．4 Acme 196
10．6 史上*强大的狗-阿尔法狗（AlphaGo） 196
10．6．1 围棋简介 196
10．6．2 AlphaGo算法运行原理 197
10．6．3 与AlphaGo下棋小例子 199
10．7 走向更强-高级强化学习 200
10．7．1 分层强化学习 200
10．7．2 逆强化学习 200
10．7．3 元强化学习 201
10．7．4 多智能体强化学习 201
本章小结 202
第十一章 学会艺术创作-生成学习 203
11．1 和梵高学习画画-风格迁移模型 203
11．1．1 深度学习作画 203
11．1．2 第 一个风格迁移神经网络 205
11．1．3 固定风格任意内容的快速风格迁移 206
11．1．4 基于keras实现的Gatys风格迁移模型 207
11．2 失业的画家-生成对抗网络 214
11．2．1 对抗生成模型GAN 214
11．2．2 GAN原理解析 214
11．2．3 基于DCGAN的手写体数字生成 217
11．3 深度学习也“脆弱”-对抗攻击 221
11．4复活的唐诗-大规模预训练模型 223
11．4．1 大规模预训练”语言模型 223
11．4．2 BERT和GPT原理浅析 225
11．4．3 基于BERT和GPT的诗歌生成 226
本章小结 227
习题 227
拓展阅读 227
第十二章 学习使我快乐-自动学习 228
12．1 如何实现自动学习-AutoML原理 228
12．1．1 算法模型选择 229
12．1．2 超参数优化 230
12．1．3 网络结构优化 234
12．2 动手实践-AutoML实例 234
12．2．1 Auto-sklearn 234
12．2．2 分布式H2O 235
12．3 自动深度学习-AutoDL 236
12．3．1 深度学习概述 236
12．3．2 深度学习参数调节 236
12．4 自动强化学习-AutoRL 237
12．5 自动图神经网络-AutoGL 238
12．5．1 图神经网络简介 238
12．5．2 自动图神经网络 239
本章小结 242
参考文献 243
内容提要 1
前 言 2
目 录 4
第 一章 趣谈/漫话人工智能 11
1．1 一个古老的职业 11
1．2 *后的观（占）星大师 12
1．3 中世纪的宇宙模型 13
1．4 八卦中的秘密 14
1．5 另一个苹果 16
1．6 神经网络发展 20
1．7 新时代的炼金术 21
1．8 深度学习和大数据 22
1．9 *后的围棋大师 23
本章小结 24
习题 24
第二章 学习在于实践-编程环境和基础 25
2．1编程环境管家-Anaconda管理工具 25
2．1．1 Anaconda 简介 25
2．1．2 如何安装 25
2．1．3 环境管理 28
2．2简明胶水语言-Python 29
2．2．1 简介 29
2．2．2 安装 29
2．2．3 基础语法 30
2．2．4 解决兔子繁殖问题 35
2．3 面向数组的计算-NumPy 36
2．3．1 简介 36
2．3．2 安装 36
2．3．3 基础语法 37
2．3．4 案例 38
2．4 机器学习百宝箱-Sklearn 41
2．4．1 简介 41
2．4．2 安装 41
2．5 大道至简-keras 42
2．5．1 简介 42
2．5．2 安装 42
本章小结 43
习题 43
第三章 穷举的魅力-搜索 44
3．1驴友的困惑-经典旅行问题 44
3．1．1 七桥问题 44
3．1．2 旅行商问题 45
3．1．3 迷宫问题 46
3．2搜索的积木-基础数据结构 46
3．2．1 树 46
3．2．2 图 47
3．2．3 栈 49
3．2．4 优先队列 50
3．3林深时见鹿-深度优先搜索 51
3．3．1 宽度优先搜索简介 51
3．3．2 使用DFS解决七桥问题 54
3．3．3 使用DFS解决旅行商问题 55
3．3．4 使用DFS解决迷宫问题 57
3．4近水楼台先得月-广度优先搜索 59
3．4．1 广度优先搜索简介 59
3．4．2使用BFS解决七桥问题 59
3．4．3 使用BFS解决旅行商问题 59
3．4．4 使用BFS解决迷宫问题 60
本章小结 60
习题 60
第四章 计算机里的物竞天择-进化算法 61
4．1 生物的演化规律-物种起源 61
4．2程序的优化方法-遗传算法 61
4．2．1 遗传学的启发 61
4．2．2 遗传定律 62
4．2．3 遗传算法 62
4．3基因优化的模拟-交叉变异 64
4．3．1 基因的二进制表示 64
4．3．2 适应度的选择方法 65
4．3．3 基因交叉计算 66
4．3．4 基因变异 67
4．4更高级的程序优化-进化算法 67
4．4．1 进化算法原理 67
4．4．2 数值优化应用实践 67
4．4．3 进化算法库Geatpy 69
4．5横看成岭侧成峰-多目标优化 72
4．5．1 帕累托*优 73
4．5．2 多目标优化算法 73
4．5．3 多目标优化实践 73
4．6麻雀虽小五脏俱全-其它进化算法 75
4．6．1 粒子群优化算法 75
4．6．2 蚁群算法 76
本章小结 77
习题 77
第五章 数据即规律-统计学习 78
5．1 润物细无声-教师和学习 78
5．2 理想中的世界-线性模型 80
5．3 物以类聚，人以群分-聚类 86
5．4 如何做出选择-决策树 87
5．5 维度的秘密-支持向量机 90
5．6 三个臭皮匠顶个诸葛亮--集成机器学习 93
5．7 本章小结 94
5．8 习题 95
第六章 描述万物的规律-神经网络 96
6．1 *简单的神经网络模型-感知机 96
6．2 神经网络的核心-非线性激活函数 97
6．3 感知机的缺陷-解决找茬（异或）难题 99
6．4 万能的神经网络-通用函数拟合 103
6．5 魔方缺了一面-利用反向传播求解神经网络 106
6．6 构建神经网络的积木-keras API函数 109
6．7 开始动手-神经网络应用 112
本章小结 116
习题 116
第七章 抽象的威力-深度学习 117
7．1被麻醉的猫-生物视觉原理 117
7．2深度学习的视觉-CNN模型 118
7．2．1 彩色图片数据组成 119
7．2．2 CNN是怎么工作的 119
7．2．3 CNN学到了什么 122
7．2．4 CNN应用实例—猫狗大战 123
7．3瞻前顾后的深度模型-RNN 130
7．3．1 RNN模型结构 130
7．3．2 往前看和往后看——双向RNN 132
7．3．3 RNN的其他应用 132
7．4 *大的烦恼就是记性太好-长短期记忆网络 132
7．4．1 梯度消失和梯度爆炸问题 132
7．5 本章小结 140
7．6 习题 140
7．7 拓展阅读 141
第八章 深度学习的集市 142
8．1学会识别不同的图像-图像分类 142
8．2寻找物体的相框-目标检测 150
8．2．1 数据集 150
8．2．2 基本原理 152
8．2．3 知名目标检测模型 153
8．3学会区分不同的物体边界-语义分割 158
8．3．1 数据集 158
8．3．2 基本原理 161
8．3．3 知名语义分割模型 161
本章小结 163
习题 163
第九章 基于关系的网络-GNN 164
9．1 关系的表述-又是图结构 164
9．1．1 灵活处理非欧数据的GNN 164
9．1．2 定义及概念介绍 165
9．2解决社交问题-原理和实践 167
9．2．1 GCN原理介绍 167
9．2．2 GCN的应用——微博用户性别预测（节点分类） 167
9．2．3 GCN的应用——闲鱼垃圾评论识别（边分类） 169
9．2．4 基于keras的GCN代码解析 171
9．3 改进GCN模型-GAT原理及应用 179
9．3．1 GAT原理介绍 179
9．3．2 GAT的应用——微博用户性别预测 180
9．3．3 基于keras的GAT代码解析 181
本章小结 184
习题 184
拓展阅读 184
第十章 巴甫洛夫的狗-智能体学习 185
10．1 灵感来源-反射学习 185
10．2 向狗学习-强化学习 185
10．2．1 发展历程 185
10．2．2 强化学习范式 186
10．2．3 值函数与策略函数 189
10．2．4 MDP求解方法 190
10．3 实现强化学习-两种策略 191
10．3．1 Off-policy学习 191
10．3．2 On-policy学习 191
10．4 引入万能的神经网络-深度强化学习 192
10．4．1 基于值函数的方法 193
10．4．2 基于策略梯度方法 193
10．5 解决更复杂的问题-分布式强化学习 194
10．5．1 Impala 194
10．5．2 SeedRL 195
10．5．3 Ape-X 196
10．5．4 Acme 196
10．6 史上*强大的狗-阿尔法狗（AlphaGo） 196
10．6．1 围棋简介 196
10．6．2 AlphaGo算法运行原理 197
10．6．3 与AlphaGo下棋小例子 199
10．7 走向更强-高级强化学习 200
10．7．1 分层强化学习 200
10．7．2 逆强化学习 200
10．7．3 元强化学习 201
10．7．4 多智能体强化学习 201
本章小结 202
第十一章 学会艺术创作-生成学习 203
11．1 和梵高学习画画-风格迁移模型 203
11．1．1 深度学习作画 203
11．1．2 第 一个风格迁移神经网络 205
11．1．3 固定风格任意内容的快速风格迁移 206
11．1．4 基于keras实现的Gatys风格迁移模型 207
11．2 失业的画家-生成对抗网络 214
11．2．1 对抗生成模型GAN 214
11．2．2 GAN原理解析 214
11．2．3 基于DCGAN的手写体数字生成 217
11．3 深度学习也“脆弱”-对抗攻击 221
11．4复活的唐诗-大规模预训练模型 223
11．4．1 大规模预训练”语言模型 223
11．4．2 BERT和GPT原理浅析 225
11．4．3 基于BERT和GPT的诗歌生成 226
本章小结 227
习题 227
拓展阅读 227
第十二章 学习使我快乐-自动学习 228
12．1 如何实现自动学习-AutoML原理 228
12．1．1 算法模型选择 229
12．1．2 超参数优化 230
12．1．3 网络结构优化 234
12．2 动手实践-AutoML实例 234
12．2．1 Auto-sklearn 234
12．2．2 分布式H2O 235
12．3 自动深度学习-AutoDL 236
12．3．1 深度学习概述 236
12．3．2 深度学习参数调节 236
12．4 自动强化学习-AutoRL 237
12．5 自动图神经网络-AutoGL 238
12．5．1 图神经网络简介 238
12．5．2 自动图神经网络 239
本章小结 242
参考文献 243
展开全部
人工智能技术基础 作者简介
周庆国，兰州大学信息科学与工程学院教授，博导，中国计算机学会（CCF）高级会员，首批全国万名优秀创新创业导师，教育部“新世纪优秀人才支持计划”入选者，宁夏回族自治区高等学校特聘教授，青海省“高端创新人才****”（引进领军人才）入选者，兰州大学开源软件与实时系统教育部工程研究中心副主任，兰州大学计算机系统结构研究所所长，兰州大学分布式与嵌入式系统实验室主任。目前主要从事实时系统、嵌入式系统、人工智能的研究，2017年研制了甘肃省第一辆无人驾驶试验车。近年来荣获甘肃省科技进步二等奖（1/8）、第一届全国高等学校计算机教育教学青年教师优秀论文奖一等奖、兰州大学教学成果奖一等奖（1/5）等荣誉，牵头编制了《甘肃省网络空间安全纲要》。雍宾宾，兰州大学信息科学与工程学院副教授，硕士生导师。主要从事高性能计算、深度学习和自动驾驶相关研究。2018年获ACM兰州分区优秀博士，2019年获得谷歌奖教金，2021年获得华为云与计算先锋教师。共发表学术论文三十余篇，承担5项教育部产学合作项目。
书友推荐
- >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
烟与镜
烟与镜
¥18.2¥48.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
姑妈的宝刀
姑妈的宝刀
¥11.4¥30.0 - >
月亮虎
月亮虎
¥15.4¥48.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0
本类畅销
-
数学之美
¥48.3¥69 -
浪潮之巅-下册-第二版
¥22.1¥45 -
挑战程序设计竞赛(第2版)
¥55.3¥79 -
算法竞赛入门经典-(第2版)
¥34.9¥49.8 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158
