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
随着互联网的飞速发展，各行各业对互联网服务的要求也越来越高，互联网系统很多常见的存储类场景都面临着容量和稳定性风险。此时，本地缓存已无法满足需要，分布式缓存由于其高性能、高可用性等优点迅速被广大互联网公司接受并使用。。本书共分3个部分，每个部分都有3章。第1部分为基本功能的实现,主要介绍基于HTTP的inmemory缓存服务、HTTP/REST协议、TCP等。第2部分介绍性能相关的内容，我们将集中
电子书
本书内容包括ProcessSimulate概述，夹具、机器人的定义与机构的创建，机器人搬运、机床上下料、机器人焊接、点焊工作站、码垛工作站的模拟仿真。
电子书
本书介绍了自然语言处理的原理与Java编程语言的技术实现，主要包括多种语言的文本处理、分布式算法与代码实现、自然语言处理相关系统构建等内容。
电子书
本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习等几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书还用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能密切相关的前沿技术。
