人工智能基礎(chǔ)

定　價(jià)：￥34.00

作　者：	余平
出版社：	中國(guó)水利水電出版社
叢編項(xiàng)：	高等職業(yè)教育通識(shí)類課程新形態(tài)教材
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787517098621	出版時(shí)間：	2021-10-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書是人工智能專業(yè)課程建設(shè)的配套教材，根據(jù)高職高專人工智能技術(shù)應(yīng)用專業(yè)人才培養(yǎng)方案的要求，同時(shí)借鑒國(guó)家示范高職院校軟件專業(yè)教學(xué)經(jīng)驗(yàn)編寫而成。全書共分為七章，主要章節(jié)由人工智能基礎(chǔ)、人工智能數(shù)值計(jì)算、知識(shí)表示、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、深度神經(jīng)網(wǎng)絡(luò)、訪問數(shù)據(jù)庫等知識(shí)組成。本書理論與實(shí)踐相結(jié)合、內(nèi)容層次分明、示例代碼簡(jiǎn)潔明了，每個(gè)案例代碼都能都上機(jī)運(yùn)行，課后每個(gè)單元有相應(yīng)的練習(xí)，便于讀者檢驗(yàn)學(xué)習(xí)情況。本書由大量教學(xué)資源支撐，配有課程標(biāo)準(zhǔn)、PPT文檔、示例源代碼、教學(xué)微視頻等資源，適合作為高職院校人工智能課程的教學(xué)教材，也適合作為各類工程技術(shù)人員和設(shè)計(jì)人員的參考用書。

作者簡(jiǎn)介

暫缺《人工智能基礎(chǔ)》作者簡(jiǎn)介

圖書目錄

●前言
第1章走進(jìn)人工智能
1.1 人工智能發(fā)展史
1.1.1 人工智能起源
1.1.2 人工智能發(fā)展之路
1.2 什么是人工智能？
1.3 人工智能典型應(yīng)用場(chǎng)景
1.4 人工智能研究領(lǐng)域
本章小結(jié)
本章習(xí)題
第2章人工智能數(shù)值計(jì)算
2.1 線性代數(shù)
2.1.1 概念和符號(hào)
2.1.2 矩陣基本運(yùn)算
2.1.3 矩陣計(jì)算例子
2.1.4 矩陣的轉(zhuǎn)置
2.2 概率統(tǒng)計(jì)
2.2.1 隨機(jī)試驗(yàn)（E）
2.2.2 頻率與概率
2.2.3 貝葉斯定理
2.3 NumPy軟件包
2.3.1 NumPy的優(yōu)勢(shì)
2.3.2 NumPy安裝
2.4 NumPy函數(shù)
2.4.1 NumPy中的數(shù)組對(duì)象
2.4.2 常用算術(shù)函數(shù)
2.4.3 常用數(shù)學(xué)統(tǒng)計(jì)函數(shù)
2.4.4 反應(yīng)數(shù)據(jù)波動(dòng)函數(shù)
本章小結(jié)
本章習(xí)題
第3章知識(shí)表示
3.1 知識(shí)及知識(shí)表示
3.1.1 知識(shí)及知識(shí)表示
3.1.2 知識(shí)元素
3.1.3 知識(shí)分類
3.2 知識(shí)表示
3.2.1 一階謂詞邏輯法
3.2.2 產(chǎn)生式表示法
3.2.3 框架表示法
3.2.4 語義網(wǎng)絡(luò)
本章小結(jié)
本章習(xí)題
第4章機(jī)器學(xué)習(xí)初探
4.1 機(jī)器學(xué)習(xí)
4.1.1 什么是學(xué)習(xí)？
4.1.2 機(jī)器學(xué)習(xí)研究
4.1.3 機(jī)器學(xué)習(xí)流程
4.2 機(jī)器學(xué)習(xí)類型
4.3 機(jī)器學(xué)習(xí)算法
4.4 機(jī)器學(xué)習(xí)模型
4.5 機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域
本章小結(jié)
本章習(xí)題
第5章神經(jīng)網(wǎng)絡(luò)
5.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
5.2 神經(jīng)網(wǎng)絡(luò)的基本原理
5.2.1 神經(jīng)元
5.2.2 激活函數(shù)
5.2.3 損失函數(shù)
5.2.4 梯度下降
5.2.5 參數(shù)調(diào)整
5.3 手寫數(shù)字識(shí)別
本章小結(jié)
本章習(xí)題
第6章人工智能視覺技術(shù)
6.1 圖像處理技術(shù)
6.1.1 圖像的基本原理
6.1.2 圖像增強(qiáng)技術(shù)
6.1.3 圖像降噪方法
6.1.4 圖像對(duì)齊
6.2 圖像識(shí)別技術(shù)
6.2.1 模板匹配法
6.2.2 特征提取法
6.2.3 神經(jīng)網(wǎng)絡(luò)識(shí)別
6.3 深度學(xué)習(xí)
6.3.1 深度學(xué)習(xí)簡(jiǎn)介
6.3.2 深度學(xué)習(xí)模型
6.3.3 深度學(xué)習(xí)應(yīng)用
6.4 CNN貓狗識(shí)別
本章小結(jié)
本章習(xí)題
第7章人工智能語音工程
7.1 語音處理技術(shù)
7.1.1 語音處理技術(shù)
7.1.2 語音信號(hào)數(shù)字化處理
7.1.3 語音特征提取
7.2 語音識(shí)別技術(shù)
7.2.1 模板訓(xùn)練法
7.2.2 神經(jīng)網(wǎng)絡(luò)法
7.3 RNN技術(shù)在語音識(shí)別中的應(yīng)用
7.3.1 RNN結(jié)構(gòu)
7.3.2 LSTM結(jié)構(gòu)
7.3.3 網(wǎng)絡(luò)訓(xùn)練
本章小結(jié)
本章習(xí)題
參考文獻(xiàn)
附錄 Python常用機(jī)器學(xué)習(xí)模塊