掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能基礎實驗教程(普通高等學校十四五系列教材) 版權信息
- ISBN：9787113293208
- 條形碼：9787113293208 ; 978-7-113-29320-8
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能基礎實驗教程(普通高等學校十四五系列教材) 本書特色
本書作為一本實驗教程，特色是簡明、實用、邏輯性強、可讀性好，使讀者在有限的時間內掌握人工智能的基本原理與應用技術。本書圍繞基礎知識點在前兩章介紹了Python基本開發環境及編程基礎語法、常用數據結構的使用；第3章介紹了機器學習中經典算法及常用算法，包括邏輯回歸、決策樹、K近鄰、隨機森林、支持向量機、樸素貝葉斯、AdaBoost、神經網絡等算法的實現；第4、5章介紹了深度學習基礎知識和實現環境，以及深度神經網絡經典算法；第6~8章分別介紹了三大應用領域——計算機視覺的基礎算法及應用實例、自然語言處理的基本應用算法實現、智能機器人的基本操作及功能實現，*后兩章通過兩個嵌入式人工智能案例融合前面章節介紹的基礎算法，完整實現了人工智能在實際生活中的應用實例。
人工智能基礎實驗教程(普通高等學校十四五系列教材) 內容簡介
本書圍繞人工智能基礎知識介紹了基本開發環境及編程基礎知識，機器學習中經典及常用算法及算法實現，深度學習基礎知識和實現環境，以及深度神經網絡的實現過程，計算機視覺和自然語言處理的部分算法實現，zui后通過兩個嵌入式人工智能案例融合前面章節介紹的基礎算法，完整實現了人工智能在實際生活中的應用實例。通過學習，學生能掌握人工智能的基本知識、基本原理和方法；了解人工智能的發展歷史，全新進展和發展方向；為培養學生利用人工智能的方法求解復雜計算機工程問題，以及今后進一步在人工智能的理論和應用研究等方面的發展提供初步的基礎。 本書適合作為高等學校人工智能、大數據、智能科學與技術等專業的實驗教材，也可以作為對人工智能相關的培訓教材。
人工智能基礎實驗教程(普通高等學校十四五系列教材) 目錄
第1章 Python編程基礎
1．1 Python基礎語法
1．1．1 基礎知識
1．1．2 運算符
1．1．3 注釋與縮進
1．2 Python基本語句
1．2．1 條件控制語句
1．2．2 循環控制語句
1．3 Python開發環境的安裝和使用
1．4 集成開發環境PyCharm的安裝和使用
1．5 輸出函數實驗
1．6 Python文件I/O實驗
第2章 Python數據結構
2．1 基礎數據結構
2．2 Python字符串實驗
2．3 Python列表實驗
2．3．1 列表的序列化操作
2．3．2 列表推導式和生成器表達式
2．4 Python元組實驗
2．5 Python字典實驗
2．6 類與對象
2．7 Python函數
第3章 機器學習
3．1 機器學習基礎知識
3．1．1 概述
3．1．2 學習形式分類
3．2 AdaBoost分類算法
3．3 KNN算法
3．4 基于KD樹的KNN算法
3．5 支持向量機SVM
3．6 樸素貝葉斯分類器
3．7 決策樹
3．8 Kmeans算法
3．9 線性回歸
3．10 PCA降維實驗
第4章 深度學習
4．1 深度學習基礎知識
4．1．1 傳統機器學習和深度學習方法
4．1．2 深度學習發展階段
4．1．3 深度學習特點
4．2 TensorFlow框架
4．2．1 TensorFlow簡介
4．2．2 Tensor基本概念
4．2．3 創建常量與變量
4．3 TensorFlow安裝與配置
4．4 PyTorch安裝與配置
4．5 數據操作實驗
第5章 神經網絡構建
5．1 神經網絡實現原理
5．1．1 基礎概念
5．1．2 神經網絡的參數
5．1．3 模型訓練
5．2 神經網絡一元線性回歸
5．3 神經網絡多元線性回歸
5．4 神經網絡非線性回歸
5．5 基礎神經網絡實驗
5．6 高級神經網絡實驗
5．7 卷積神經網絡實驗
5．8 手寫數字識別實驗——CNN
5．9 循環神經網絡實驗
第6章 計算機視覺
6．1 圖像基礎知識
6．2 圖像均值濾波實驗
6．3 圖像中值濾波實驗
6．4 圖像分割實驗
6．5 仿射變換實驗
6．6 三角形仿射實驗
6．7 基于Hopfield神經網絡的圖片識別
6．8 基于支持向量機的人臉識別
6．9 基于隱馬爾科夫的語音識別
第7章 自然語言處理
7．1 NLP概述
7．2 詞性標注
7．3 中文分詞——逆向*大匹配
7．4 中文分詞——基于隱馬爾科夫模型
7．5 文本分類實驗
7．6 文本模式識別實驗
7．7 Glove詞向量模型
第8章 智能機器人
8．1 機器人硬件
8．2 開發環境
8．2．1 虛擬機開發環境
8．2．2 網絡配置
8．2．3 開發主機SSH登錄Nano
8．2．4 編程開發環境
8．3 ROS基本操作
8．4 OpenCV機器人視覺開發
8．5 語音合成開發
8．6 SLAM激光雷達建圖
第9章 應用開發實訓案例——智能家居
9．1 基于深度卷積神經網絡的表情識別
9．2 氛圍燈控制
9．3 人臉表情識別模型推理功能插件構建
9．4 氛圍燈控制系統功能插件構建
第10章 應用開發實訓案例——智能停車場
10．1 車牌識別模型
10．2 閘機控制系統
10．3 車牌識別功能插件構建
10．4 道閘控制功能插件構建
1．1 Python基礎語法
1．1．1 基礎知識
1．1．2 運算符
1．1．3 注釋與縮進
1．2 Python基本語句
1．2．1 條件控制語句
1．2．2 循環控制語句
1．3 Python開發環境的安裝和使用
1．4 集成開發環境PyCharm的安裝和使用
1．5 輸出函數實驗
1．6 Python文件I/O實驗
第2章 Python數據結構
2．1 基礎數據結構
2．2 Python字符串實驗
2．3 Python列表實驗
2．3．1 列表的序列化操作
2．3．2 列表推導式和生成器表達式
2．4 Python元組實驗
2．5 Python字典實驗
2．6 類與對象
2．7 Python函數
第3章 機器學習
3．1 機器學習基礎知識
3．1．1 概述
3．1．2 學習形式分類
3．2 AdaBoost分類算法
3．3 KNN算法
3．4 基于KD樹的KNN算法
3．5 支持向量機SVM
3．6 樸素貝葉斯分類器
3．7 決策樹
3．8 Kmeans算法
3．9 線性回歸
3．10 PCA降維實驗
第4章 深度學習
4．1 深度學習基礎知識
4．1．1 傳統機器學習和深度學習方法
4．1．2 深度學習發展階段
4．1．3 深度學習特點
4．2 TensorFlow框架
4．2．1 TensorFlow簡介
4．2．2 Tensor基本概念
4．2．3 創建常量與變量
4．3 TensorFlow安裝與配置
4．4 PyTorch安裝與配置
4．5 數據操作實驗
第5章 神經網絡構建
5．1 神經網絡實現原理
5．1．1 基礎概念
5．1．2 神經網絡的參數
5．1．3 模型訓練
5．2 神經網絡一元線性回歸
5．3 神經網絡多元線性回歸
5．4 神經網絡非線性回歸
5．5 基礎神經網絡實驗
5．6 高級神經網絡實驗
5．7 卷積神經網絡實驗
5．8 手寫數字識別實驗——CNN
5．9 循環神經網絡實驗
第6章 計算機視覺
6．1 圖像基礎知識
6．2 圖像均值濾波實驗
6．3 圖像中值濾波實驗
6．4 圖像分割實驗
6．5 仿射變換實驗
6．6 三角形仿射實驗
6．7 基于Hopfield神經網絡的圖片識別
6．8 基于支持向量機的人臉識別
6．9 基于隱馬爾科夫的語音識別
第7章 自然語言處理
7．1 NLP概述
7．2 詞性標注
7．3 中文分詞——逆向*大匹配
7．4 中文分詞——基于隱馬爾科夫模型
7．5 文本分類實驗
7．6 文本模式識別實驗
7．7 Glove詞向量模型
第8章 智能機器人
8．1 機器人硬件
8．2 開發環境
8．2．1 虛擬機開發環境
8．2．2 網絡配置
8．2．3 開發主機SSH登錄Nano
8．2．4 編程開發環境
8．3 ROS基本操作
8．4 OpenCV機器人視覺開發
8．5 語音合成開發
8．6 SLAM激光雷達建圖
第9章 應用開發實訓案例——智能家居
9．1 基于深度卷積神經網絡的表情識別
9．2 氛圍燈控制
9．3 人臉表情識別模型推理功能插件構建
9．4 氛圍燈控制系統功能插件構建
第10章 應用開發實訓案例——智能停車場
10．1 車牌識別模型
10．2 閘機控制系統
10．3 車牌識別功能插件構建
10．4 道閘控制功能插件構建
展開全部
書友推薦
- >
隨園食單
- >
二體千字文
- >
有舍有得是人生
- >
上帝之肋:男人的真實旅程
- >
羅庸西南聯大授課錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
苦雨齋序跋文-周作人自編集
- >
詩經-先民的歌唱
本類暢銷
