人工智能基礎(chǔ)

定　價：￥34.00

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

購買這本書可以去

ISBN：	9787517098621	出版時間：	2021-10-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書是人工智能專業(yè)課程建設的配套教材，根據(jù)高職高專人工智能技術(shù)應用專業(yè)人才培養(yǎng)方案的要求，同時借鑒國家示范高職院校軟件專業(yè)教學經(jīng)驗編寫而成。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)值計算、知識表示、神經(jīng)網(wǎng)絡基礎(chǔ)、深度神經(jīng)網(wǎng)絡、訪問數(shù)據(jù)庫等知識組成。本書理論與實踐相結(jié)合、內(nèi)容層次分明、示例代碼簡潔明了，每個案例代碼都能都上機運行，課后每個單元有相應的練習，便于讀者檢驗學習情況。本書由大量教學資源支撐，配有課程標準、PPT文檔、示例源代碼、教學微視頻等資源，適合作為高職院校人工智能課程的教學教材，也適合作為各類工程技術(shù)人員和設計人員的參考用書。

作者簡介

暫缺《人工智能基礎(chǔ)》作者簡介

圖書目錄

●前言
第1章走進人工智能
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 人工智能典型應用場景
1.4 人工智能研究領(lǐng)域
本章小結(jié)
本章習題
第2章人工智能數(shù)值計算
2.1 線性代數(shù)
2.1.1 概念和符號
2.1.2 矩陣基本運算
2.1.3 矩陣計算例子
2.1.4 矩陣的轉(zhuǎn)置
2.2 概率統(tǒng)計
2.2.1 隨機試驗（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
2.3.2 NumPy安裝
2.4 NumPy函數(shù)
2.4.1 NumPy中的數(shù)組對象
2.4.2 常用算術(shù)函數(shù)
2.4.3 常用數(shù)學統(tǒng)計函數(shù)
2.4.4 反應數(shù)據(jù)波動函數(shù)
本章小結(jié)
本章習題
第3章知識表示
3.1 知識及知識表示
3.1.1 知識及知識表示
3.1.2 知識元素
3.1.3 知識分類
3.2 知識表示
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
本章小結(jié)
本章習題
第4章機器學習初探
4.1 機器學習
4.1.1 什么是學習？
4.1.2 機器學習研究
4.1.3 機器學習流程
4.2 機器學習類型
4.3 機器學習算法
4.4 機器學習模型
4.5 機器學習應用領(lǐng)域
本章小結(jié)
本章習題
第5章神經(jīng)網(wǎng)絡
5.1 神經(jīng)網(wǎng)絡的發(fā)展歷程
5.2 神經(jīng)網(wǎng)絡的基本原理
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)字識別
本章小結(jié)
本章習題
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 圖像增強技術(shù)
6.1.3 圖像降噪方法
6.1.4 圖像對齊
6.2 圖像識別技術(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)絡識別
6.3 深度學習
6.3.1 深度學習簡介
6.3.2 深度學習模型
6.3.3 深度學習應用
6.4 CNN貓狗識別
本章小結(jié)
本章習題
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 語音信號數(shù)字化處理
7.1.3 語音特征提取
7.2 語音識別技術(shù)
7.2.1 模板訓練法
7.2.2 神經(jīng)網(wǎng)絡法
7.3 RNN技術(shù)在語音識別中的應用
7.3.1 RNN結(jié)構(gòu)
7.3.2 LSTM結(jié)構(gòu)
7.3.3 網(wǎng)絡訓練
本章小結(jié)
本章習題
參考文獻
附錄 Python常用機器學習模塊