 |
-- 會員 / 註冊 --
|
 |
|
|
|
人工智能算法 卷1 基礎算法 ( 簡體 字) |
| 作者：[美] 杰弗瑞·希頓（Jeffery Heaton） | 類別：1. -> 程式設計 -> 人工智慧 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 52238
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：1/1/2020 |
| 頁數：166 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115523402 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：算法是人工智能技術的核心。本書介紹了人工智能的基礎算法，全
書共10 章，涉及維度法、距離度量算法、K 均值聚類算法、誤差計算、
爬山算法、模擬退火算法、Nelder-Mead 算法和線性回歸算法等。書中
所有算法均配以具體的數值計算來進行講解，讀者可以自行嘗試。每章
都配有程序示例，GitHub 上有多種語言版本的示例代碼可供下載。
本書適合作為人工智能入門讀者以及對人工智能算法感興趣的讀者
閱讀參考。 |
目錄：第 1 章 AI 入門 1
1.1 與人類大腦的聯系 2
1.1.1 大腦和真實世界 3
1.1.2 缸中之腦 5
1.2 對問題建模 6
1.2.1 大腦和真實世界 7
1.2.2 回歸分析 9
1.2.3 聚類問題 10
1.2.4 時序問題 10
1.3 對輸入/ 輸出建模 11
1.3.1 一個簡單的例子 15
1.3.2 燃油效率 16
1.3.3 向算法傳入圖像 18
1.3.4 金融算法 20
1.4 理解訓練過程 21
1.4.1 評估成果 22
1.4.2 批量學習和在線學習 22
1.4.3 監督學習和非監督學習 23
1.4.4 隨機學習和確定學習 23
1.5 本章小結 23
第 2 章 數據歸一化 25
2.1 計量尺度 25
2.2 觀測值歸一化 29
2.2.1 名義量歸一化 30
2.2.2 順序量歸一化 32
2.2.3 順序量解歸一化 34
2.2.4 數字量歸一化 35
2.2.5 數字量解歸一化 37
2.3 其他歸一化方法 38
2.3.1 倒數歸一化 38
2.3.2 倒數解歸一化 38
2.3.3 理解等邊編碼法 39
2.3.4 等邊編碼法的實現 41
2.4 本章小結 45
第3 章 距離度量 47
3.1 理解向量 47
3.2 計算向量距離 49
3.2.1 歐氏距離 49
3.2.2 曼哈頓距離 51
3.2.3 切比雪夫距離 53
3.3 光學字符識別 54
3.4 本章小結 57
第4 章 隨機數生成 59
4.1 偽隨機數生成算法的概念 60
4.2 隨機數分布類型 61
4.3 輪盤模擬法 64
4.4 偽隨機數生成算法 65
4.4.1 線性同余生成法 66
4.4.2 進位乘數法 67
4.4.3 梅森旋轉算法 68
4.4.4 Box-Muller 轉換法 70
4.5 用蒙特卡洛方法估算PI 值 72
4.6 本章小結 74
第5 章 K 均值聚類算法 75
5.1 理解訓練集 77
5.1.1 非監督學習 77
5.1.2 監督學習 80
5.2 理解K 均值算法 80
5.2.1 分配 81
5.2.2 更新 83
5.3 K 均值算法的初始化 84
5.3.1 隨機K 均值初始化 84
5.3.2 K 均值算法的Forgy 初始化 87
5.4 本章小結 90
第6 章 誤差計算 91
6.1 方差和誤差 92
6.2 均方根誤差 93
6.3 均方誤差 93
6.4 誤差計算方法的比較 94
6.5 本章小結 96
第7 章 邁向機器學習 97
7.1 多項式系數 99
7.2 訓練入門 101
7.3 徑向基函數網絡 103
7.3.1 徑向基函數 104
7.3.2 徑向基函數網絡 107
7.3.3 實現徑向基函數網絡 109
7.3.4 應用徑向基函數網絡 113
7.4 本章小結 115
第8 章 優化訓練 117
8.1 爬山算法 117
8.2 模擬退火算法 121
8.2.1 模擬退火算法的應用 122
8.2.2 模擬退火算法 123
8.2.3 冷卻進度 126
8.2.4 退火概率 127
8.3 Nelder-Mead 算法 128
8.3.1 反射 130
8.3.2 擴張操作 131
8.3.3 收縮操作 132
8.4 Nelder-Mead 算法的終止條件 133
8.5 本章小結 134
第9 章 離散優化 135
9.1 旅行商問題 135
9.1.1 旅行商問題簡要說明 136
9.1.2 旅行商問題求解的實現 137
9.2 環形旅行商問題 138
9.3 背包問題 139
9.3.1 背包問題簡要說明 140
9.3.2 背包問題求解的實現 141
9.4 本章小結 143
第 10 章 線性回歸 144
10.1 線性回歸 144
10.1.1 最小二乘法擬合 146
10.1.2 最小二乘法擬合示例 148
10.1.3 安斯庫姆四重奏 149
10.1.4 鮑魚數據集 151
10.2 廣義線性模型 152
10.3 本章小結 155
附錄A 示例代碼使用說明 157
A.1 “讀懂人工智能”系列書簡介 157
A.2 保持更新 157
A.3 獲取示例代碼 158
A.4 示例代碼的內容 159
A.5 如何為項目做貢獻 163
參考資料 164 |
| 序： |
|
