人工智能：機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)

定　價：￥88.00

作　者：	劉峽壁，馬霄虹，高一軒
出版社：	北京理工大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

ISBN：	9787576320688	出版時間：	2023-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	394	字?jǐn)?shù)：

內(nèi)容簡介

　　\"本書以人工智能實現(xiàn)算法為視角，系統(tǒng)闡述機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)這兩個彼此緊密聯(lián)系的人工智能實現(xiàn)途徑中的主要問題與解決方法。對于機(jī)器學(xué)習(xí)，在深入理解機(jī)器學(xué)習(xí)任務(wù)與關(guān)鍵問題的基礎(chǔ)上，探討監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這四大類歸納學(xué)習(xí)問題的本質(zhì)特性及其解決方案，同時論述作為歸納學(xué)習(xí)基礎(chǔ)的相似性計算問題及其解決方法。對于人工神經(jīng)網(wǎng)絡(luò)，按照其關(guān)鍵問題是網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與學(xué)習(xí)方法的認(rèn)識，分為前饋網(wǎng)絡(luò)與反饋網(wǎng)絡(luò)這兩大類網(wǎng)絡(luò)結(jié)構(gòu)，闡述主要計算模型及其學(xué)習(xí)方法。對機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)進(jìn)一步的發(fā)展趨勢進(jìn)行了展望。本書可供相關(guān)專業(yè)技術(shù)人員、研究人員、學(xué)生或者其他對機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)感興趣的讀者參考。\"

作者簡介

　　劉峽壁，男，北京理工大學(xué)計算機(jī)學(xué)院教授、博士生導(dǎo)師、智能信息技術(shù)北京市重點實驗室副主任。長期從事人工智能的教學(xué)與研究工作，主要科學(xué)研究興趣包括機(jī)器學(xué)習(xí)、計算機(jī)視覺、模式識別、醫(yī)學(xué)人工智能。已出版人工智能教材1部、專著1部，發(fā)表高水平學(xué)術(shù)論文60余篇，主持及省部級科研項目10余項、教改項目3項，獲得發(fā)明專利10余項，獲得科學(xué)技術(shù)二等獎、兵工高校教材二等獎等獎勵。入選新世紀(jì) 人才支持計劃。

圖書目錄

第1章緒論
1.1 人工智能及其實現(xiàn)途徑
1.1.1 智能的外在表現(xiàn)與模擬
1.1.2 機(jī)器學(xué)習(xí)
1.1.3 人工神經(jīng)網(wǎng)絡(luò)
1.2 機(jī)器學(xué)習(xí)簡史
1.3 人工神經(jīng)網(wǎng)絡(luò)簡史
1.4 本書內(nèi)容與組織
參考文獻(xiàn)
第2章機(jī)器學(xué)習(xí)基礎(chǔ)
2.1 機(jī)器學(xué)習(xí)是什么
2.2 機(jī)器學(xué)習(xí)方式
2.3 歸納學(xué)習(xí)類型
2.3.1 監(jiān)督學(xué)習(xí)
2.3.2 非監(jiān)督學(xué)習(xí)
2.3.3 半監(jiān)督學(xué)習(xí)
2.3.4 強(qiáng)化學(xué)習(xí)
2.3.5 各學(xué)習(xí)類型的特點與共性
2.4 特定學(xué)習(xí)概念
2.4.1 生成學(xué)習(xí)與判別學(xué)習(xí)
2.4.2 度量學(xué)習(xí)
2.4.3 在線學(xué)習(xí)與遞增學(xué)習(xí)
2.4.4 反饋學(xué)習(xí)
2.4.5 多任務(wù)學(xué)習(xí)
2.4.6 深度學(xué)習(xí)
2.4.7 遷移學(xué)習(xí)
2.4.8 流形學(xué)習(xí)
2.4.9 多示例學(xué)習(xí)
2.5 對學(xué)習(xí)算法的評價
2.5.1 過學(xué)習(xí)與泛化
2.5.2 偏置
2.5.3 數(shù)據(jù)魯棒性
2.5.4 計算復(fù)雜性
2.5.5 透明性
小結(jié)
參考文獻(xiàn)
第3章監(jiān)督學(xué)習(xí)
3.1 函數(shù)形式
3.1.1 顯式表示形式
3.1.2 隱式表示形式
3.1.3 數(shù)據(jù)點表示形式
3.2 優(yōu)化目標(biāo)
3.2.1 小平方誤差
3.2.2 小化熵
3.2.3 極大似然估計
3.2.4 極大后驗概率估計
3.2.5 小描述長度
3.3 記憶學(xué)習(xí)
3.4 決策樹學(xué)習(xí)
3.4.1 決策樹