人工智能基础及应用(*高等学校电工电子基础课程教学指导分委员会*教材)

\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"书特色主要有： 1、注重实例的一本教材 尽可能简化繁琐的数学推导和定理证明，将重点放在解决问题的原理和思路上，并介绍一些经典有趣的实例。 2、适合不同专业层次的教材选择 结合教学、科研及应用需求，注重概念清晰、既有深度又有广度、理论性较强的教材，着力于内容的体系化，适合不同层次专业选用。 3、注重能力评价的考核方式 注重能力评价的考核方式，有关内容既是对相关知识的学习和掌握，更重要的是对学生独立思考、创新意识和解决问题能力的锻炼、培养及检验。\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"

宋永端，教授/博导，IEEE Fellow, 国际欧亚科学院院士，国家“千人计划“ 专家（首批），注册职业工程师（美国），美国教师名人录，中国自动化学会常务理事，重庆大学自动化学院院长。1992 年获美国田纳西理工大学电气及计算机工程博士学位，长期从事控制理论及应用，机器人及智能系统方面的研究，著有中英文著作8部。

第1章人工智能简介 1．1人工智能定义 1．2人工智能发展历史与三大学派 1．2．1人工智能发展历史 1．2．2三大学派 1．3国内外发展现状、挑战与未来趋势 1．3．1国内外发展现状 1．3．2面临的问题 1．3．3未来发展趋势 习题 参考文献 第2章数学基础 2．1矩阵及其运算 2．1．1向量 2．1．2矩阵 2．1．3矩阵运算 2．1．4范数 2．2导数与微分 2．2．1导数 2．2．2微分 2．2．3偏导数 2．3泰勒展开式 2．4梯度及其运算 2．4．1梯度 2．4．2梯度下降 2．5概率论相关知识 2．5．1概率 2．5．2条件概率 2．5．3随机变量的分布函数 2．5．4数学期望 习题 参考文献 第3章机器学习的起点： 线性回归 3．1线性回归模型建立 3.1．1机器学习角度 3．1．2统计学角度 3．2线性回归原理 习题 参考文献 第4章支持向量机 4．1线性可分支持向量机 4．1．1线性可分支持向量机的定义 4．1．2函数间隔与几何间隔 4．1．3间隔最大化 4．1．4线性可分支持向量机学习的对偶算法 4．2线性支持向量机 4．2．1线性支持向量机的定义 4．2．2线性支持向量机学习的对偶算法 4．2．3支持向量 4．2．4合页损失函数 4．3非线性支持向量机 4．3．1核技巧 4．3．2常见的核函数 4．3．3非线性支持向量机 习题 参考文献 第5章神经网络及基本结构 5．1神经元介绍 5．2感知机 5．3神经网络的基本结构 5．4反向传播 5．5梯度下降算法 习题 参考文献 第6章卷积神经网络 6．1卷积神经网络发展历史 6．2卷积神经网络结构 6．2．1卷积层 6．2．2池化层 6．2．3softmax分类函数 6．3卷积神经网络常用的损失函数 6．4卷积神经网络常用的训练算法 6．4．1随机梯度下降算法 6．4．2RMSProp优化算法 6．4．3Adam优化算法 习题 参考文献 第7章循环神经网络 7．1循环神经网络原理 7．1．1RNN的基本结构 7．1．2RNN的前向传播 7．1．3RNN的反向传播 7．1．4双向RNN 7．1．5基于编码解码的序列到序列架构 7．2长期依赖问题及优化 7．3基于门结构的RNN 7．3．1门结构 7．3．2LSTM 7．3．3GRU 7．4注意力机制 7．4．1NLP中注意力机制的起源 7．4．2注意力机制的标准形式 7．4．3注意力机制的变形 习题 参考文献 第8章分类与聚类 8．1基于判别函数的分类方法 8．1．1广义判别函数法 8.1．2分段线性判别函数法 8．2基于已知样本类别的分类方法 8．2．1参数估计法 8．2．2非参数估计 8．3基于未知样本类别的聚类方法 8．3．1基于距离阈值的聚类算法 8．3．2层次聚类法 8．3．3动态聚类算法 习题 参考文献 第9章应用实例 9．1MATLAB基础 9．1．1常量 9．1．2变量 9．1．3数组 9．1．4矩阵 9．1．5函数 9．1．6循环语句 9．1．7条件语句 9．2几个典型案例 9．2．1房价预测 9．2．2支持向量机的二分类应用 9．2．3豆瓣读书评价分析 9．2．4手写数字识别 9．2．5基于循环神经网络的情感分类 9．2．6国民健康状况研究 参考文献 参考答案