定 价：¥217.90
| 作 者： | （美）,杰弗瑞·希顿 |
| 出版社： | 人民邮电出版社 |
| 丛编项： | |
| 标 签： | 暂缺 |
| ISBN： | 9787115005786 | 出版时间： | 2021-04-01 | 包装： | |
| 开本： | 16开 | 页数： | 598 | 字数： |
《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
鄂公网安备 42010302001612号 