电子书
内容简介
本书系统地阐述了人工智能算法的基本原理、实现技术及其应用，基本涵盖了其重要理论和方法，包括了最近发展起来的并被实践证明的新技术、新理论，如机器学习、模式识别、图像处理、神经网络、深度学习、群智能方法等。本书注重结合实际，通过实际问题介绍各种理论和方法，着重介绍各种智能算法的MATLAB实现，具有较强的指导性和实用性。
本书可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生和研究生学习人工智能的教材，也可作为从事计算机科学研究、开发和应用的教学和科研人员参考。
章节目录
- 封面
- 扉页
- 版权页
- 内容提要
- 前言
- 第1章 概述
- 1.1 人工智能的定义与发展
- 1.1.1 人工智能的定义
- 1.1.2 人工智能的发展
- 1.2 人工智能的技术特征
- 1.3 人类智能的计算机模拟
- 1.4 人工智能的研究与应用领域
- 1.5 人工智能之知识获取
- 第2章 机器学习
- 2.1 机器学习概述
- 2.2 机器学习的分类
- 2.3 机器学习的主要策略与机器学习系统的基本结构
- 2.3.1 机器学习的主要策略
- 2.3.2 机器学习系统的基本结构
- 2.4 机器学习算法
- 2.4.1 决策树算法
- 2.4.2 贝叶斯网络算法
- 2.4.3 支持向量机算法
- 2.4.4 k近邻分类算法
- 2.4.5 模糊聚类算法
- 2.4.6 随机森林算法
- 2.4.7 集成学习
- 2.4.8 EM算法
- 2.5 机器学习的MATLAB实战
- 第3章 人工神经网络
- 3.1 人工神经网络的基本原理
- 3.1.1 人工神经元
- 3.1.2 传递函数
- 3.1.3 人工神经网络的特点
- 3.1.4 人工神经网络的数学基础知识
- 3.2 人工神经网络的结构形式
- 3.2.1 分层网络结构
- 3.2.2 相互连接型网络结构
- 3.3 人工神经网络模型分类
- 3.4 人工神经网络学习算法
- 3.4.1 Hebb学习算法
- 3.4.2 误差修正学习算法
- 3.4.3 随机学习算法
- 3.4.4 竞争学习算法
- 3.4.5 基于记忆的学习算法
- 3.4.6 结构学习算法
- 3.5 典型的人工神经网络
- 3.5.1 单层前向网络
- 3.5.2 多层前向网络及BP学习算法
- 3.5.3 径向基函数神经网络
- 3.5.4 自组织竞争人工神经网络
- 3.5.5 对向传播神经网络
- 3.5.6 反馈型神经网络
- 3.6 人工神经网络的MATLAB实战
- 第4章 深度学习
- 4.1 深度学习概述
- 4.2 深度学习模型
- 4.2.1 卷积神经网络
- 4.2.2 循环神经网络
- 4.2.3 深度信念网络
- 4.2.4 深度神经网络
- 4.3 深度学习的学习与训练
- 4.3.1 反向传播
- 4.3.2 随机梯度下降
- 4.3.3 学习率衰减
- 4.3.4 节点丢弃
- 4.3.5 最大池
- 4.3.6 批量标准化
- 4.3.7 Skip-gram
- 4.3.8 连续词袋模型
- 4.3.9 迁移学习
- 4.4 深度学习框架
- 4.4.1 Caffe
- 4.4.2 TensorFlow
- 4.4.3 DeepLearning4J
- 4.4.4 Keras
- 4.5 深度学习的应用及面临的问题与挑战
- 4.5.1 深度学习的应用
- 4.5.2 深度学习面临的问题与挑战
- 4.6 深度学习的MATLAB实战
- 第5章 计算智能
- 5.1 进化算法
- 5.1.1 遗传算法
- 5.1.2 进化策略
- 5.2 模糊计算
- 5.2.1 模糊系统理论基础
- 5.2.2 模糊规则和推理
- 5.2.3 模糊聚类分析
- 5.3 搜索算法
- 5.3.1 搜索过程的三大要素
- 5.3.2 搜索算法的基本思想和基本步骤
- 5.3.3 典型的搜索算法
- 5.4 群智能算法
- 5.4.1 群智能算法概述
- 5.4.2 群智能算法的一般框架
- 5.4.3 群智能的共性要素
- 5.4.4 构建有效的群智能算法
- 5.4.5 群智能算法的特点
- 5.4.6 常用群智能算法
- 5.5 混合算法
- 5.5.1 混合优化策略的关键问题
- 5.5.2 混合算法的统一优化结构
- 5.6 计算智能的MATLAB实战
- 第6章 数据挖掘
- 6.1 数据挖掘概述
- 6.1.1 数据挖掘的定义
- 6.1.2 数据挖掘的分类、过程与任务
- 6.1.3 数据挖掘建模
- 6.2 数据挖掘算法
- 6.2.1 假设检验
- 6.2.2 回归分析
- 6.2.3 二项逻辑回归
- 6.2.4 方差分析
- 6.2.5 主成分分析
- 6.2.6 因子分析
- 6.3 数据挖掘相关技术
- 6.3.1 关联分析
- 6.3.2 粗糙集技术
- 6.3.3 可视化技术
- 6.4 数据挖掘应用
- 6.4.1 分类
- 6.4.2 预测
- 6.4.3 聚类
- 6.5 数据挖掘应用领域
- 6.5.1 金融业中的应用
- 6.5.2 零售业方面的应用
- 6.5.3 电信业中的应用
- 6.5.4 管理中的应用
- 6.5.5 科研中的应用
- 6.5.6 制造业中的应用
- 6.5.7 故障诊断与监测中的应用
- 6.5.8 医疗领域中的应用
- 6.6 数据挖掘的MATLAB实战
- 第7章 图像处理与识别
- 7.1 图像基本概述
- 7.1.1 图像格式
- 7.1.2 图像类型
- 7.1.3 图像处理
- 7.2 图像变换
- 7.2.1 傅里叶变换
- 7.2.2 离散余弦变换
- 7.2.3 Radon变换
- 7.2.4 小波变换
- 7.3 图像分析与处理
- 7.3.1 图像数字化
- 7.3.2 图像运算
- 7.3.3 图像调整
- 7.3.4 图像复原
- 7.3.5 图像特征分析
- 7.3.6 图像区域分割
- 7.3.7 数学形态学
- 7.4 图像识别
- 7.5 图像处理和识别的MATLAB实战
- 参考文献
展开全部
人工智能原理及MATLAB实现是2024年由人民邮电出版社出版,作者许国根。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《人工智能原理及MATLAB实现》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。
电子书
电子书
本书内容深入浅出，每章基本按照“理论知识—例题讲解—案例分析”的模式编写，突出理论知识指导实际应用。为便于读者快速掌握数字信号处理的实践能力，很多例题给出了MATLAB源码，并提供这些源码的下载资源，读者可直接粘贴在MATLAB命令窗口，观看运行结果。同时，书中提供了大量经过精心设计的习题，帮助读者掌握课程内容。本书可作为普通高等学校电子信息类专业和相近专业的本科生或专科生教材，也可供相关专业的技
电子书
本书的编程语言以MATLAB为主，分别从学习方式和理论知识两个方面来对机器学习（实现人工智能的方法）的算法进行分类介绍。通过阅读本书，读者可以对人工智能的子集——机器学习形成一个系统、全面、完整的认识，并且在今后的研究工作中逐步拓展，*终形成自己的体系。全书共6篇，分别为特征处理算法、分类和聚类算法、神经网络算法、优化算法、基于不同数学思想的算法以及集成算法，每一篇都对该类别中常见算法的思想、流程
电子书
内容提要本书集合了由中国人工智能产业发展联盟组织的“人工智能技术和应用案例评选”活动中名列前茅的100个优秀案例，涉及智能产品、核心基础、智能制造、支撑体系四大领域，展示了人工智能技术在医疗、交通、金融、通信、法务、教育、公共安全等各个领域的实际应用，展现中国科技公司引领技术创新完成行业融合的新浪潮。
电子书
《区块链技术与智能服务应用》系统介绍了区块链以及智能服务的有关概念和原理，以及基于区块链智能合约的服务推荐、协同、优化以及负载均衡等技术。《区块链技术与智能服务应用》分为七章，内容涵盖：传统服务到智能化服务的演化，区块链基本概念、智能服务与区块链结合的框架与理论基础，面向冷启动问题的区块链智能服务跨域推荐，基于语义和基于QoS的智能服务组合；基于SaaS的智能服务平台负载均衡，基于分片和状态通的智
电子书
本书内容涉及摄影学、计算机视觉、深度学习3个领域，系统地介绍了计算机视觉在图像质量和摄影学各个领域的核心算法和应用，包括传统的图像处理算法和深度学习核心算法。本书理论知识体系完备，同时提供大量实例，供读者实战演练。本书融合摄影学和计算机视觉的内容，覆盖面非常广。第1章简单介绍摄影的历史、摄影与图像的基本概念和摄影中的许多基本技巧。从第2章开始，本书对摄影学中图像处理算法的各个重要方向进行介绍，包括
电子书
大数据时代为机器学习的应用提供了广阔的空间，各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开，着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发，介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时，书中不但阐述基本原理，而且讨论模型的评价与选择。为方便读者学习各种算法，本书介绍了R语言中相应的软件包
电子书
本书是一本深度学习的基础入门读物，对深度学习的基本理论进行了介绍，主要以Ubuntu系统为例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分别在3个框架下，通过3个实战项目掌握了框架的使用方法，并详细描述了生产流程，最后讲述了通过集群部署深度学习的项目以及如何进行运营维护的注意事项。本书适合对深度学习有浓厚兴趣的读者、希望用深度学习完成设计的计算机专业或电子信息专业的高校
