类似推荐
编辑推荐
AI算法入门教程书籍，人人都能读懂的人工智能书，多种语言版本示例代码、丰富的在线资源，方便动手实战与拓展学习，全彩印刷《人工智能算法卷1基础算法》欲建高楼，必重基础。本书讲授诸如维度法、距离度量算法、聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead算法和线性回归算法等人工智能基础算法。本书中所有算法均配以具体的数值计算示例。“人工智能算法”系列图书的目标读者是那些没有良好数学基础，又对人工智能感兴趣的人。本书读者只需具有基本的大学代数和计算机编程知识，任何超出这个范围的内容都会在书中详细说明。本书为读者提供配套的示例程序代码，当前已有Java、C#、R、C/C++和Python的语言版本，还有社区支持维护的Scala语言版本。《人工智能算法卷2受大自然启发的算法》1.实例讲解易于理解的人工智能基础算法：本书介绍了基于基因、鸟类、蚂蚁、细胞和树的算法，这些算法可用于查找最佳路径、识别模式、查找数据背后的公式，甚至模拟简单的生命等；2.丰富的示例代码和在线资源，方便动手实践与拓展学习；3.提供在线实验环境，源代码下载；4.全彩印刷。5.《人工智能算法卷2受大自然启发的算法》是系列图书第二本，卷1《人工智能算法卷1基础算法》已在人民邮电出版社出版；大自然为人类的发明创造提供了源源不断的灵感。本书介绍了一些在人工智能场景提供解决方案的算法，涉及交叉和突变、遗传算法、粒子群优化、细胞自动机等问题——它们无一不受到基因、鸟类、蚂蚁、细胞或树的启发。虽然算法的灵感来源是大自然，但读者不必具备生物学知识也能读懂本书。“人工智能算法”系列图书的目标读者是那些对人工智能感兴趣，但苦于没有良好的数学基础的人。读者只需要对大学代数课程有基本了解即可，而微积分、线性代数、微分方程等课程中的复杂公式都会在必要时介绍。本书为读者提供配套的示例程序代码，目前已有Java、C#、Python和Scala版本。《人工智能算法卷3深度学习和神经网络（全彩印刷）》1.本卷研究了当前的神经网络技术，包括ReLU激活、随机梯度下降、交叉熵、正则化、Dropout和可视化；2.丰富的示例代码和在线资源，方便动手实践与拓展学习；3.提供在线实验环境；4.全彩印刷；5.《人工智能算法卷3深度学习和神经网络》是系列图书第3本，卷1《人工智能算法卷1基础算法》、卷2《人工智能算法卷2受大自然启发的算法》已在人民邮电出版社出版；。自人工智能的早期阶段以来，神经网络就扮演着至关重要的角色。现在，令人兴奋的新技术，例如深度学习和卷积，正在将神经网络带向一个全新的方向。本书结合各种现实世界任务中的神经网络应用，例如图像识别和数据科学，介绍了当前的神经网络技术，包括ReLU激活、随机梯度下降、交叉熵、正则化、Dropout和可视化。本书的目标读者是那些对人工智能感兴趣，但苦于没有良好的数学基础的人。读者只需要对大学代数课程有基本了解即可。本书为读者提供配套的示例程序代码，目前已有Java、C#和Python版本。推荐阅读：《人工智能算法（卷1）：基础算法》ISBN：9787115523402《人工智能算法（卷2）：受大自然启发的算法》ISBN：9787115544315
内容简介
9787115523402 人工智能算法 卷1 基础算法 59.00
9787115544315 人工智能算法 卷2 受大自然启发的算法 69.00
9787115552310 人工智能算法 卷3 深度学习和神经网络（全彩印刷） 89.90
《人工智能算法 卷1 基础算法》
算法是人工智能技术的核心。本书介绍了人工智能的基础算法，全
书共10 章，涉及维度法、距离度量算法、K 均值聚类算法、误差计算、
爬山算法、模拟退火算法、Nelder-Mead 算法和线性回归算法等。书中
所有算法均配以具体的数值计算来进行讲解，读者可以自行尝试。每章
都配有程序示例，GitHub 上有多种语言版本的示例代码可供下载。
本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者
阅读参考。
《人工智能算法 卷2 受大自然启发的算法》
算法是人工智能技术的核心，大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法，这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章，涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解，每章都配有程序示例，读者可以自行尝试。
《人工智能算法 卷3 深度学习和神经网络（全彩印刷）》
自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。
作者简介
杰弗瑞.希顿（Jeffery Heaton）既是一位活跃的技术博主、开源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的高级会员、Sun认证Java程序员、开源机器学习框架Encog的首席开发人员。
章节目录
《人工智能算法 卷1 基础算法》
第 1 章 AI 入门 1
1.1 与人类大脑的联系 2
1.2 对问题建模 6
1.3 对输入/ 输出建模 11
1.4 理解训练过程 21
1.5 本章小结 23
第 2 章 数据归一化 25
2.1 计量尺度 25
2.2 观测值归一化 29
2.3 其他归一化方法 38
2.4 本章小结 45
第3 章 距离度量 47
3.1 理解向量 47
3.2 计算向量距离 49
3.3 光学字符识别 54
3.4 本章小结 57
第4 章 随机数生成 59
4.1 伪随机数生成算法的概念 60
4.2 随机数分布类型 61
4.3 轮盘模拟法 64
4.4 伪随机数生成算法 65
4.5 用蒙特卡洛方法估算PI 值 72
4.6 本章小结 74
第5 章 K 均值聚类算法 75
5.1 理解训练集 77
5.2 理解K 均值算法 80
5.3 K 均值算法的初始化 84
5.4 本章小结 90
第6 章 误差计算 91
6.1 方差和误差 92
6.2 均方根误差 93
6.3 均方误差 93
6.4 误差计算方法的比较 94
6.5 本章小结 96
第7 章 迈向机器学习 97
7.1 多项式系数 99
7.2 训练入门 101
7.3 径向基函数网络 103
7.4 本章小结 115
第8 章 优化训练 117
8.1 爬山算法 117
8.2 模拟退火算法 121
8.3 Nelder-Mead 算法 128
8.4 Nelder-Mead 算法的终止条件 133
8.5 本章小结 134
第9 章 离散优化 135
9.1 旅行商问题 135
9.2 环形旅行商问题 138
9.3 背包问题 139
9.4 本章小结 143
第 10 章 线性回归 144
10.1 线性回归 144
10.2 广义线性模型 152
10.3 本章小结 155
附录A 示例代码使用说明 157
A.1 “读懂人工智能”系列书简介 157
A.2 保持更新 157
A.3 获取示例代码 158
A.4 示例代码的内容 159
A.5 如何为项目做贡献 163
参考资料 164
《人工智能算法 卷2 受大自然启发的算法》
第 1 章 种群、计分和选择 1
1.1 理解种群 2
1.2 对种群计分 6
1.3 从种群中选择 7
1.4 截断选择 8
1.5 联赛选择 9
1.6 如何选择轮数 12
1.7 适应度比例选择 13
1.8 随机遍历抽样 15
1.9 本章小结 18
第 2 章 交叉和突变 20
2.1 演化算法 21
2.2 解编码 22
2.3 交叉 23
2.4 突变 28
2.5 为什么需要精英 33
2.6 本章小结 34
第 3 章 遗传算法 35
3.1 离散问题的遗传算法 35
3.2 连续问题的遗传算法 42
3.3 遗传算法的其他应用 45
3.4 本章小结 49
第 4 章 遗传编程 50
4.1 程序作为树 50
4.2 树突变 67
4.3 树交叉 68
4.4 拟合公式 70
4.5 本章小结 73
第 5 章 物种形成 75
5.1 物种形成实现 76
5.2 遗传算法中的物种 79
5.3 遗传编程中的物种 79
5.4 使用物种形成 80
5.5 本章小结 81
第 6 章 粒子群优化 83
6.1 群聚 83
6.2 粒子群优化 86
6.3 本章小结 91
第 7 章 蚁群优化 93
7.1 离散蚁群优化 95
7.2 连续蚁群优化 103
7.3 本章小结 110
第 8 章 细胞自动机 111
8.1 基本细胞自动机 112
8.2 康威的《生命游戏》 116
8.3 演化自己的细胞自动机 121
理解合并物理学 125
8.4 本章小结 129
第 9 章 人工生命 130
9.1 里程碑 1：绘制植物 131
9.2 里程碑 2：创建植物生长动画 134
9.3 里程碑 3：演化植物 140
给植物计分 141
9.4 本章小结 142
第 10 章 建模 144
10.1 Kaggle 竞赛 145
10.2 里程碑 1：整理数据 148
10.3 里程碑 2：建立模型 152
10.4 里程碑 3：提交测试回复 156
10.5 本章小结 157
附录 A 示例代码使用说明 159
参考资料 166
《人工智能算法 卷3 深度学习和神经网络（全彩印刷）》
第 1 章 神经网络基础 1
1.1 神经元和层 2
1.2 神经元的类型 5
1.3 激活函数 10
1.4 修正线性单元（ReLU）13
1.5 神经网络逻辑 19
1.6 本章小结 22
第 2 章 自组织映射 23
2.1 自组织映射 24
2.2 本章小结 33
第 3 章 Hopfield 网络和玻尔兹曼机34
3.1 Hopfield 神经网络 34
3.2 Hopfield-Tank 网络 41
3.3 玻尔兹曼机 42
3.4 应用玻尔兹曼机 45
3.5 本章小结 51
第 4 章 前馈神经网络 53
4.1 前馈神经网络结构 54
4.2 计算输出 56
4.3 初始化权重 60
4.4 径向基函数网络 63
4.5 规范化数据 67
4.6 本章小结 75
第 5 章 训练与评估 77
5.1 评估分类 78
5.2 评估回归 88
5.3 模拟退火训练 89
5.4 本章小结 92
第 6 章 反向传播训练 93
6.1 理解梯度 93
6.2 计算输出节点增量 98
6.3 计算剩余节点增量 99
6.4 激活函数的导数 100
6.5 应用反向传播 103
6.6 本章小结 108
第 7 章 其他传播训练 110
7.1 弹性传播 110
7.2 RPROP 参数 111
7.3 数据结构 113
7.4 理解 RPROP 114
7.5 Levenberg-Marquardt 算法 116
7.6 Hessian 矩阵的计算 119
7.7 具有多个输出的 LMA 120
7.8 LMA 过程概述 122
7.9 本章小结 122
第 8 章 NEAT，CPPN 和 HyperNEAT 124
8.1 NEAT 网络 125
8.2 CPPN 网络 134
8.3 HyperNEAT 网络 138
8.4 本章小结 142
第 9 章 深度学习 143
9.1 深度学习组件 143
9.2 部分标记的数据 144
9.3 修正线性单元 145
9.4 卷积神经网络 145
9.5 神经元 Dropout 146
9.6 GPU 训练 147
9.7 深度学习工具 149
9.8 深度信念神经网络 152
9.9 本章小结 164
第 10 章 卷积神经网络 165
10.1 LeNET-5 166
10.2 卷积层 168
10.3 最大池层 170
10.4 稠密层 172
10.5 针对 MNIST 数据集的 ConvNets 172
10.6 本章小结 174
第 11 章 剪枝和模型选择 175
11.1 理解剪枝 176
11.2 剪枝算法 177
11.3 模型选择 179
11.4 本章小结 185
第 12 章 Dropout 和正则化 186
12.1 L1 和 L2 正则化 187
12.2 Dropout 层 190
12.3 使用 Dropout 194
12.4 本章小结 195
第 13 章 时间序列和循环网络 197
13.1 时间序列编码 198
13.2 简单循环神经网络 204
13.3 本章小结 213
第 14 章 架构神经网络 214
14.1 评估神经网络 215
14.2 训练参数 215
14.3 常规超参数 220
14.4 LeNet-5 超参数 223
14.5 本章小结 224
第 15 章 可视化 226
15.1 混淆矩阵 227
15.2 t-SNE 降维 229
15.3 本章小结 236
第 16 章 用神经网络建模 237
16.0.1 挑战赛的经验 241
16.0.2 挑战赛取胜的方法 242
16.0.3 我们在挑战赛中的方法 244
16.1 用深度学习建模 245
16.2 本章小结 250
附录 A 示例代码使用说明 252
A.1 系列图书简介 252
A.2 保持更新 252
A.3 获取示例代码 253
A.3.1 下载压缩文件 253
A.3.2 克隆 Git 仓库 254
A.4 示例代码的内容 255
A.5 如何为项目做贡献 257
参考资料 259
人工智能算法：卷1基础算法+卷2受大自然启发的算法+卷3深度学习和神经网络（京东套装3册）(异步图书是2021年由人民邮电出版社出版,作者[美],杰弗瑞·希顿（Jeffery,Heaton）。
得书感谢您对《人工智能算法：卷1基础算法+卷2受大自然启发的算法+卷3深度学习和神经网络（京东套装3册）(异步图书》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
