免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

第 1章 人工智能概述2
1.1 智能與人工智能4
1.2 計算機的誕生5
1.3 達特茅斯會議7
1.4 三大學派9
1.5 機器學習與深度學習13
1.6 人工智能的應用16
習題119
第 2章 數(shù)學基礎22
2.1 線性代數(shù)24
2.1.1 矢量的概念24
2.1.2 矢量的基本運算25
2.1.3 矢量的坐標表示法26
2.1.4 矢量的方向角27
2.1.5 矢量的點積28
2.1.6 矩陣的概念29
2.1.7 矩陣的基本運算30
2.1.8 矢量的矩陣表示法33
2.1.9 矩陣的初等變換34
2.1.10 線性相關性37
2.1.11 逆矩陣40
2.1.12 本征值與本征矢量45
2.1.13 張量49
2.2 微積分54
2.2.1 導數(shù)與偏導數(shù)54
2.2.2 超曲面與超平面58
2.2.3 方向導數(shù)與梯度61
2.2.4 函數(shù)圖像中的特殊點65
2.2.5 凸集與凸函數(shù)72
2.2.6 矩陣函數(shù)74
2.3 概率與統(tǒng)計81
2.3.1 條件概率公式81
2.3.2 全概率公式83
2.3.3 貝葉斯公式86
2.3.4 期望值與方差88
2.3.5 熵92
2.3.6 最大似然估計97
習題2103
第3章 機器學習110
3.1 機器學習的基本概念112
3.2 機器學習方法分類119
3.3 機器學習的三要素121
3.4 機器學習的整體流程126
3.5 常見的機器學習算法131
3.5.1 線性回歸131
3.5.2 邏輯回歸138
3.5.3 K-NN144
3.5.4 K-Means149
3.5.5 SVM152
3.5.6 PCA158
3.5.7 樸素貝葉斯168
3.5.8 決策樹174
3.5.9 隨機森林189
3.5.10 集成學習193
3.6 機器學習的性能評估198
習題3200
第4章 深度學習204
4.1 生物神經(jīng)網(wǎng)絡206
4.1.1 大腦與神經(jīng)元206
4.1.2 神經(jīng)元之間的連接207
4.1.3 神經(jīng)信息處理過程209
4.1.4 記憶與學習210
4.1.5 人腦與電腦211
4.2 麥卡洛克 皮茲模型與感知器213
4.2.1 麥卡洛克 皮茲模型213
4.2.2 模式識別初探217
4.2.3 感知器222
4.2.4 多線性可分問題232
4.2.5 XOR問題236
4.3 多層感知器238
4.3.1 并行排列和串行連接238
4.3.2 多層感知器的基本結構243
4.3.3 多層感知器的設計與運作247
4.3.4 前向計算與后向計算249
4.3.5 梯度下降法259
4.3.6 BP算法263
4.3.7 批量訓練方式277
4.3.8 初始位置與偽極小值點283
4.3.9 學習率285
4.3.10 欠擬合與過擬合287
4.3.11 規(guī)模與容量290
4.3.12 欠訓練與過度訓練293
4.3.13 結構變化295
4.4 卷積神經(jīng)網(wǎng)絡296
4.4.1 卷積運算與相關運算296
4.4.2 卷積特征映射圖297
4.4.3 池化特征映射圖304
4.4.4 激活特征映射圖313
4.4.5 CNN的一般結構314
4.4.6 LeNet-5323
4.4.7 Hubel-Wiesel實驗333
4.5 循環(huán)神經(jīng)網(wǎng)絡334
4.5.1 時序性334
4.5.2 單向RNN342
4.5.3 雙向RNN345
4.5.4 BPTT算法349
4.5.5 梯度消失問題352
4.5.6 LSTM356
習題4364
第5章 編程實驗366
5.1 實驗環(huán)境安裝368
5.1.1 安裝Python368
5.1.2 安裝MindSpore372
5.1.3 安裝Jupyter372
5.1.4 安裝工具庫373
5.2 線性回歸375
5.2.1 示例驗證375
5.2.2 房價預測377
5.2.3 三維情況380
5.3 邏輯回歸382
5.3.1 跳高問題382
5.3.2 房屋出租384
5.3.3 數(shù)據(jù)標準化386
5.4 K-Means與GNB390
5.4.1 K-Means390
5.4.2 GNB393
5.5 MindSpore基礎394
5.5.1 張量的屬性394
5.5.2 張量的生成396
5.5.3 張量的運算和操作400
5.5.4 數(shù)據(jù)集的加載和處理403
5.5.5 網(wǎng)絡的構建408
5.5.6 損失函數(shù)424
5.6 手寫體數(shù)字識別429
5.6.1 設計概要429
5.6.2 數(shù)據(jù)準備430
5.6.3 構建MLP433
5.6.4 確定訓練參數(shù)及相關選項434
5.6.5 模型的編譯434
5.6.6 設置檢查點434
5.6.7 模型的訓練435
5.6.8 模型的評估437
5.6.9 模型的加載437
附錄 習題答案440
習題1答案440
習題2答案441
習題3答案449
習題4答案449