包邮人工智能基础

第1章 绪论
1.1 人工智能的基本定义
1.1.1 人工智能的概念与特征
1.1.2 人工智能的学科体系
1.2 人工智能发展历程简介
1.2.1 人工智能的主要发展阶段
1.2.2 人工智能的三大学派
1.2.3 人工智能发展战略规划
1.3 人工智能的主要应用方向
1.4 本章小结
习题
参考文献
第2章 数学基础
2.1 逻辑基础
2.1.1 知识表示
2.1.2 推理方法
2.2 计算基础
2.2.1 计算复杂性
2.2.2 线性代数
2.2.3 微积分
2.3 概率基础
2.3.1 不确定性的量化
2.3.2 概率推理基础
2.4 本章小结
习题
参考文献
第3章 群智能算法
3.1 群智能算法概述
3.2 遗传算法
3.2.1 遗传算法的基本原理
3.2.2 遗传算法的一般步骤
3.3 粒子群优化算法
3.4 蚁群算法
3.5 本章小结
习题
参考文献
第4章 机器学习
4.1 机器学习概述
4.2 线性回归
4.3 支持向量机
4.3.1 支持向量与间隔
4.3.2 对偶问题与核函数
4.4 决策树
4.5 随机森林
4.6 本章小结
习是亟
参考文献
第5章 人工神经网络
5.1 人工神经网络概述
5.2 神经元模型
5.3 多层感知机
5.3.1 多层感知机模型
5.3.2 神经网络的表达能力与近似理论
5.3.3 反向传播算法
5.4 多层感知机的改进
5.4.1 提高训练效率
5.4.2 过拟合与正则化
5.4.3 深度网络训练
5.5 本章小结
习题
参考文献
第6章 卷积神经网络
6.1 卷积神经网络概述
6.2 卷积神经网络的层级结构
6.2.1 卷积层的工作原理
6.2.2 池化层的工作原理
6.2.3 批归一化与卷积神经网络优化
6.3 卷积神经网络进阶
6.3.1 残差网络
6.3.2 Inception模块
6.3.3 卷积神经网络的迁移学习
6.4 卷积神经网络在计算机视觉中的应用
6.4.1 图像分类
6.4.2 目标检测
6.4.3 图像分割
6.5 本章小结
习题
参考文献
第7章 循环神经网络
7.1 循环神经网络概述
7.2 循环神经网络的层级结构
7.2.1 循环神经元结构
7.2.2 循环神经网络架构
7.2.3 随时间反向传播算法
7.2.4 梯度消失与梯度爆炸问题
7.3 长短期记忆网络
7.4 门控循环单元网络
7.5 循环神经网络进阶与应用
7.5.1 双向循环神经网络
7.5.2 注意力机制与循环神经网络的结合
7.5.3 循环神经网络的应用案例
7.6 本章小结
习题
参考文献
第8章 生成对抗网络
8.1 生成对抗网络概述
8.2 生成对抗网络的层级结构
8.2.1 生成器与判别器的工作原理
8.2.2 生成对抗网络的训练过程
8.2.3 生成对抗网络的收敛性
8.3 生成对抗网络进阶
8.3.1 条件生成对抗网络
8.3.2 信息*大化生成对抗网络
8.4 生成对抗网络在图像处理中的应用
8.4.1 图像生成
8.4.2 图像编辑
8.4.3 图像超分辨率
8.5 本章小结
习题
参考文献
第9章 人工智能大模型
9.1 大模型概述
9.1.1 大模型的定义与特征
9.1.2 大模型的发展历程
9.1.3 大模型与传统机器学习算法的对比
9.2 大模型的架构与构建流程
9.2.1 Transformer
9.2.2 大规模预训练模型
9.2.3 多模态大模型
9.2.4 大模型的构建流程
9.3 大模型的应用
9.3.1 自然语言处理领域中的应用
9.3.2 计算机视觉领域中的应用
9.3.3 跨领域应用与迁移学习
9.4 大模型面临的挑战与未来展望
9.4.1 计算资源与能源消耗
9.4.2 大模型的可解释性问题
9.4.3 大模型的发展方向
9.5 本章小结
习题
参考文献