机器学习与深度学习--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

本书是“高级人工智能人才培养丛书”中的一本，首先介绍了机器学习的相关概念和发展历史，随后在此基础上介绍了深度学习——它本质上是近几年来大数据技术催生的产物。本书共12章，其中，第1～7章为机器学习方面的内容，分别介绍了机器学习的简单模型、贝叶斯学习、决策树、支持向量机、集成学习和聚类；第8～12章为深度学习方面的内容，由感知机与神经网络开始，之后分别介绍了卷积神经网络、循环神经网络、生成对抗网络及强化学习。第2～12章均提供了相应的实验案例，不仅配有完整翔实的Python语言代码及相关注释，还给出了实验结果和实验分析，便于初学者上机操作并加强理解。本书注重易学性、系统性和实战性，力求为人工智能及相关专业的学生提供一本基础教材，同时为在其他学科应用人工智能技术的读者提供一本深入浅出的参考书。本书适合作为人工智能、计算机科学与技术、自动化控制等相关专业本科生和研究生的教材。此外，高职和专科学校也可以选用本书部分内容开展教学。

作者简介

陶玉婷，2013年毕业于南京理工大学，获模式识别与智能系统专业的工学博士学位。曾于2010—2011年赴美国亚利桑那州立大学访学半年。现为金陵科技学院智能科学与技术专业骨干教师、CCF会员和JSAI会员。讲授人工智能数学基础、机器视觉与边缘计算应用等课程，发表教改论文2篇，主持人工智能课程教学试点项目1项。研究方向为图像处理、机器学习、数值计算，发表SCI论文6篇、EI论文4篇，申请软件著作权3项，并主持和参与校科研孵化基金项目、江苏省国际科技合作项目、江苏省自然科学重大项目、国家自然科学基金面上项目等多个科研项目。

第1章引言
1.1人工智能概述
1.1.1人工智能产生的基础条件
1.1.2人工智能的发展史
1.1.3人工智能的几个重要分支
1.1.4人工智能与机器学习和深度学习的关系
1.2机器学习概述
1.2.1机器学习的定义
1.2.2机器学习的主要方法
1.2.3机器学习的应用及其相关课程介绍
1.3深度学习概述
1.3.1深度学习产生的背景
1.3.2深度学习的几种常用模型
1.3.3深度学习的应用场合
1.3.4深度学习开源工具
习题
参考文献
第2章简单模型
2.1KNN算法
2.1.1算法原理
2.1.2算法步骤
2.1.3算法描述
2.1.4算法评价
2.1.5算法实例
2.2线性回归
2.2.1算法原理
2.2.2模型求解
2.2.3算法步骤
2.2.4算法描述
2.2.5算法评价
2.2.6算法实例
2.3逻辑回归
2.3.1算法原理
2.3.2模型求解
2.3.3算法步骤
2.3.4算法描述
2.3.5算法评价
2.4实验：逻辑回归算法
2.4.1实验目的
2.4.2实验要求
2.4.3实验原理
2.4.4实验步骤
2.4.5实验结果
2.4.6结果分析
习题
参考文献
第3章贝叶斯学习
3.1贝叶斯方法简述
3.2贝叶斯基础理论
3.2.1概率基础
3.2.2贝叶斯方法
3.3朴素贝叶斯
3.3.1朴素贝叶斯法介绍
3.3.2朴素贝叶斯法实例
3.3.3朴素贝叶斯法优缺点
3.4贝叶斯网络
3.4.1贝叶斯网络介绍
3.4.2贝叶斯网络实现
3.4.3贝叶斯网络特性及应用
3.5实验
3.5.1实验目的
3.5.2实验要求
……
第4章决策树
第5章支持向量机
第6章集成学习
第7章聚类
第8章感知机与神经网络
第9章卷积神经网络
第10章循环神经网络
第11章生成对抗网络
第12章强化学习
附录A人工智能实验环境
附录B人工智能云平台

机器学习与深度学习

库存： {{selectedSku?.stock}} 库存充足