Computational Intelligence pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Oxford University Press, USA

作者:David Poole

出品人:

页数:576

译者:

出版时间:1998-1-8

价格:USD 135.00

装帧:Hardcover

isbn号码:9780195102703

丛书系列:

图书标签:

人工智能
计算智能
人工智能
机器学习
深度学习
优化算法
神经网络
模糊逻辑
进化计算
数据挖掘
模式识别

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

This introductory textbook on Artificial Intelligence (AI) is aimed at junior/senior undergraduate and graduate level students. The book will weave a unifying theme among the core concepts that underlie the discipline of AI. While the text makes use of Prolog as its primary programming language, class testers have successfully substituted a Lisp-like pseudocode. The book encourages the student to explore, implement and experiment with a series of progressively richer logic-based representations that can capture the essential features of more and more demanding tasks and environments. The unifying theme will feature an intelligent agent acting in its own environment. This will serve to place the core concepts of AI in a coherent and cohesive framework, making it easier to teach and learn from. This approach will clarify and integrate representation and reasoning fundamentals and lead the students from simple to complex ideas with clear motivation. The authors have developed AI representation schemes and describe their use for interesting and popular applications, such as natural language vision, robotics, game playing, and expert systems. The manuscript has been class tested in a number of different courses in Canada, Japan, and Europe. Virtually every university and college has an interdisciplinary course on artificial intelligence. The enrollment in such courses is rising, as many interdisciplinary programs, such as cognitive science, psychology, linguistics, engineering, medicine, business and philosophy, recommend the course.

《计算智能》导读这是一本关于计算智能（Computational Intelligence, CI）的入门级教材，旨在为读者构建对这一新兴领域全面而深入的理解。计算智能作为人工智能（Artificial Intelligence, AI）的一个重要分支，关注如何模拟和借鉴生物体，特别是人类的认知和学习能力，来解决复杂问题。与传统的符号主义AI不同，计算智能更侧重于基于数据驱动的、适应性的学习方法。本书的结构清晰，从基础概念出发，逐步深入到计算智能的核心技术和应用。第一部分：计算智能的基础在本书的开篇，我们会首先对“智能”这一概念进行哲学和科学上的探讨，从不同角度审视智能的本质。接着，我们将引入“计算智能”的定义，阐述其与人工智能、机器学习、模式识别等相关领域的联系和区别。这一部分将帮助读者建立起对计算智能宏观的认知框架。随后，我们将详细介绍计算智能的几大核心组成部分：神经网络（Neural Networks）：借鉴生物神经网络的结构和工作原理，介绍人工神经网络的基本模型，包括感知机、多层感知机（MLP）等。我们将深入讲解前向传播和反向传播算法，以及各种激活函数的作用。模糊逻辑（Fuzzy Logic）：解释模糊集合和模糊逻辑的原理，如何处理不确定性和模糊信息，以及模糊推理的规则。读者将学习如何将人类的模糊语言转化为计算模型。进化计算（Evolutionary Computation）：重点介绍遗传算法（Genetic Algorithms, GA），包括其选择、交叉和变异等关键操作。此外，我们还会涉及遗传编程（Genetic Programming）等更广泛的进化计算技术，展示其在优化和搜索问题中的强大能力。第二部分：计算智能的核心技术在掌握了基本概念后，本书将进一步探讨计算智能中的一些高级技术和理论：深度学习（Deep Learning）：作为计算智能领域近年来最热门的分支，我们将详细介绍深度学习的架构，如卷积神经网络（CNN）和循环神经网络（RNN）及其变种（LSTM, GRU）。读者将了解深度神经网络是如何通过多层非线性变换来提取和学习高层次特征的。混合智能系统（Hybrid Intelligent Systems）：探讨如何将不同的计算智能技术有机地结合起来，以克服单一技术的局限性，实现更强大的性能。例如，结合模糊逻辑和神经网络的模糊神经网络，以及结合遗传算法和神经网络的遗传神经网络。计算智能的优化与学习理论：深入研究计算智能模型在训练过程中的优化算法，如梯度下降的各种变体（Adam, SGD with momentum等）。同时，我们也会探讨泛化能力、过拟合与欠拟合等机器学习中的重要理论概念，以及如何通过正则化等方法来解决这些问题。计算智能中的数据预处理与特征工程：强调在应用计算智能技术之前，对数据进行有效的预处理和特征提取的重要性，包括数据清洗、归一化、特征选择和特征构建等步骤。第三部分：计算智能的应用领域为了让读者更直观地理解计算智能的实际价值，本书的第三部分将聚焦于其在各个领域的广泛应用：模式识别与图像处理：介绍如何利用神经网络和深度学习进行图像分类、目标检测、人脸识别等任务。自然语言处理（NLP）：探讨如何应用循环神经网络、注意力机制等技术进行文本分类、情感分析、机器翻译等。控制系统：展示模糊逻辑和神经网络在机器人控制、自动驾驶、工业自动化等领域的应用。金融与经济预测：介绍如何利用计算智能模型进行股票市场预测、风险评估、信用评分等。医疗健康：探讨计算智能在疾病诊断、药物研发、医学影像分析等方面的潜力。其他领域：还会简要提及计算智能在推荐系统、智能交通、环境保护等方面的应用案例。学习目标与读者群体本书的目标读者包括计算机科学、人工智能、电子工程、自动化、数学以及相关领域的本科生、研究生和专业研究人员。无论您是初次接触计算智能，还是希望深化对此领域的理解，本书都将为您提供扎实的理论基础和丰富的实践指导。通过阅读本书，您将能够：掌握计算智能的基本概念和核心技术。理解不同计算智能方法的工作原理和适用场景。学习如何构建和训练计算智能模型。了解计算智能在现实世界中的各种应用。为进一步深入研究计算智能的某一特定方向打下坚实基础。本书力求语言通俗易懂，配以大量的图示和实例，帮助读者克服学习过程中的难点。我们希望本书能够激发读者对计算智能的浓厚兴趣，并鼓励他们在未来的学习和研究中，积极探索和应用这些强大的智能工具。