丝瓜视频污污污污污污污污污,日韩免费精品视频在线首页观看

內(nèi)容簡介

　　《人工智能：機器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)》以人工智能實現(xiàn)算法為視角，系統(tǒng)闡述機器學(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。對于機器學(xué)習(xí)，在深入理解機器學(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)拓撲結(jié)構(gòu)與學(xué)習(xí)方法的認識，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。最后對機器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)下一步的發(fā)展趨勢進行了展望。

作者簡介

暫缺《人工智能：機器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)》作者簡介

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 機器學(xué)習(xí)
1．1．3 人工神經(jīng)網(wǎng)絡(luò)
1．2 機器學(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
第2章機器學(xué)習(xí)基礎(chǔ)
2．1 機器學(xué)習(xí)
2．2 機器學(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)／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
參考文獻
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
3．2．1 最小平方誤差
3．2．2 最小化熵
3．2．3 極大似然估計
3．2．4 極大后驗概率估計
3．2．5 最小描述長度
3．3 記憶學(xué)習(xí)
3．4 決策樹學(xué)習(xí)
3．4．1 決策樹
3．4．2 基于信息增益的決策樹生成算法（ID3算法）
3．4．3 ID3算法的過學(xué)習(xí)問題與對策
3．4．4 基于最小描述長度準則的決策樹學(xué)習(xí)算法
3．5 支持向量機
……
第4章相似性度量
第5章聚類方法
第6章關(guān)聯(lián)規(guī)則挖掘方法
第7章半監(jiān)督學(xué)習(xí)方法
第8章強化學(xué)習(xí)
第9章人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
第10章前饋神經(jīng)網(wǎng)絡(luò)
第11章反饋神經(jīng)網(wǎng)絡(luò)
第12章結(jié)語