機器學習vs復雜系統(tǒng)

定　價：￥59.00

作　者：	許鐵
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥59.00)

ISBN：	9787121344107	出版時間：	2018-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	192	字數(shù)：

內容簡介

　　本書從跨學科視角來看待人工智能這個技術性的學科。圍繞用數(shù)學模型預測未來這一主題，介紹算法，主要包括現(xiàn)在流行的機器學習和深度學習算法，以及算法要解決問題本身的復雜性。復雜的問題，需要復雜的算法，而算法設計背后的老師正是自然界的復雜性本身。*終，我們上升到自然界解決復雜性*有利的工具，即人類智能本身，讓讀者從神經(jīng)科學的角度再次理解人工智能這個大主題，理解神經(jīng)科學是如何啟發(fā)人工智能的，而人工智能又如何幫助我們理解人類智能本身。本書既適合具有高中以上數(shù)學知識的一般讀者，作為他們了解人工智能和復雜系統(tǒng)領域的科普讀物；也適合已經(jīng)在人工智能領域工作的專業(yè)人士，使他們從工程視角之外的更大視角去看待這一領域，獲得新的啟發(fā)。

作者簡介

　　許鐵，法國巴黎高師物理碩士，以色列理工大學（以色列85%科技創(chuàng)業(yè)人才的搖籃，計算機科學享譽全球）計算神經(jīng)科學博士，混沌巡洋艦公共號創(chuàng)始人，巡洋艦科技有限公司創(chuàng)始人，曾在香港浸會大學非線性科學中心工作一年。

圖書目錄

第一部分復雜性
1 復雜系統(tǒng) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
2 用復雜網(wǎng)絡看世界經(jīng)濟（閱讀難度1星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 7
3 風險管理策略之復雜科學視角．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
4 從物理角度看復雜．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24

第二部分機器學習
5 白話機器學習（閱讀難度1星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 46
6 淺談貝葉斯分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 53
7 簡單貝葉斯分類器（閱讀難度1星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 57
8 決策樹方法（閱讀難度2星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 60
9 感知機：神經(jīng)網(wǎng)絡的基礎（閱讀難度3星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
10 降維：應對復雜的通用武器（閱讀難度1星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 67

第三部分神經(jīng)網(wǎng)絡
11 神經(jīng)網(wǎng)絡不神秘．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 74
12 CNN 的幾個關鍵詞（閱讀難度3星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 80
13 時間序列與RNN ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 91
14 會遺忘的神經(jīng)網(wǎng)絡（閱讀難度3星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 96
15 跟著AlphaGo 理解深度強化學習框架（閱讀難度3星）．．．．．．．．．．．．．．． 100
16 從阿爾法元看強化學習的更廣闊潛力．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 107

第四部分宇宙間最復雜的就是我們的大腦
17 深層視覺信息的編碼機制（閱讀難度1星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 114
18 大腦的自由能假說――兼論認知科學與機器學習（閱讀難度2星） 121
19 大腦中的支持向量機（閱讀難度3星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 126
20 機器學習是如何巧妙理解我們大腦的工作原理的
（閱讀難度2星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 133
21 大腦經(jīng)濟學（閱讀難度1星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 140
22 人工智能vs 人類智能（閱讀難度2星）．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 149

第五部分人工智能應用談
23 人工智能會取代藝術家的工作嗎．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 156
24 機器學習預測心理疾病．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 159
25 人機協(xié)作決策的兩種方式．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 164
26 小數(shù)據(jù)機器學習．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 166
27 用深度學習玩圖像的七重關卡．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 170
28 深度學習助力基因科技．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 174
29 機器學習對戰(zhàn)復雜系統(tǒng) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 176