封面
版权信息
作者简介
内容简介
编写组
总序
前言
第1章 引言
1.1 人工智能概述
1.2 机器学习概述
1.3 深度学习概述
习题
参考文献
第2章 简单模型
2.1 KNN算法
- APP免费
2.2 线性回归
- APP免费
2.3 逻辑回归
- APP免费
2.4 实验：逻辑回归算法
- APP免费
习题
- APP免费
参考文献
- APP免费
第3章 贝叶斯学习
- APP免费
3.1 贝叶斯方法简述
- APP免费
3.2 贝叶斯基础理论
- APP免费
3.3 朴素贝叶斯
- APP免费
3.4 贝叶斯网络
- APP免费
3.5 实验
- APP免费
习题
- APP免费
参考文献
- APP免费
第4章 决策树
- APP免费
4.1 决策树简述
- APP免费
4.2 划分属性选择
- APP免费
4.3 剪枝处理
- APP免费
4.4 决策树算法
- APP免费
4.5 实验：基于CART算法的鸢尾花决策树构建
- APP免费
习题
- APP免费
参考文献
- APP免费
第5章 支持向量机
- APP免费
5.1 最大间隔理论简介
- APP免费
5.2 两类问题的线性分类
- APP免费
5.3 非线性空间映射与核函数
- APP免费
5.4 多类问题的分类
- APP免费
5.5 实验
- APP免费
习题
- APP免费
参考文献
- APP免费
第6章 集成学习
- APP免费
6.1 集成学习简述
- APP免费
6.2 个体学习器与集成学习算法
- APP免费
6.3 Bagging算法和随机森林算法
- APP免费
6.4 Boosting算法和AdaBoost算法
- APP免费
6.5 结合策略
- APP免费
6.6 实验：集成学习实例
- APP免费
习题
- APP免费
参考文献
- APP免费
第7章 聚类
- APP免费
7.1 聚类简述
- APP免费
7.2 原型聚类
- APP免费
7.3 密度聚类
- APP免费
7.4 层次聚类
- APP免费
7.5 实验：用k均值聚类实现篮球运动员聚类
- APP免费
习题
- APP免费
参考文献
- APP免费
第8章 感知机与神经网络
- APP免费
8.1 感知机
- APP免费
8.2 神经网络原理
- APP免费
8.3 反向传播神经网络
- APP免费
8.4 Hopfield神经网络
- APP免费
8.5 实验：基于Python的感知机实验
- APP免费
习题
- APP免费
参考文献
- APP免费
第9章 卷积神经网络
- APP免费
9.1 卷积神经网络简述
- APP免费
9.2 网络部件
- APP免费
9.3 核心算法
- APP免费
9.4 激活函数和损失函数
- APP免费
9.5 经典CNN模型
- APP免费
9.6 实验：应用CNN模型进行手写数字辨识
- APP免费
习题
- APP免费
参考文献
- APP免费
第10章 循环神经网络
- APP免费
10.1 RNN简介
- APP免费
10.2 双向RNN
- APP免费
10.3 LSTM
- APP免费
10.4 GRU
- APP免费
10.5 RNN的实现
- APP免费
10.6 实验：应用LSTM模型进行手写数字辨识
- APP免费
习题
- APP免费
参考文献
- APP免费
第11章 生成对抗网络
- APP免费
11.1 生成对抗网络简述
- APP免费
11.2 生成对抗网络的基本原理、学习机制、应用、特点
- APP免费
11.3 生成对抗网络的变种网络
- APP免费
11.4 实验
- APP免费
习题
- APP免费
参考文献
- APP免费
第12章 强化学习
- APP免费
12.1 强化学习的引入
- APP免费
12.2 马尔可夫决策过程
- APP免费
12.3 有模型学习——动态规划
- APP免费
12.4 免模型学习——蒙特卡罗方法
- APP免费
12.5 实验
- APP免费
习题
- APP免费
参考文献
- APP免费
附录A 人工智能实验环境
- APP免费
附录B 人工智能云平台
- APP免费
反侵权盗版声明
- APP免费
作者简介
更新时间：2023-02-28 19:58:54
完结共106章
倒序