首页 > 图书中心 >图书详情

AlphaGo如何战胜人类围棋大师——智能硬件TensorFlow实践

本书深入阐述了谷歌的AlphaGo的基本原理,AlphaGo结合深度学习与强化学习技术, 通过学习人类的棋谱和自我博弈,不断提升能力,最后达到击败人类顶级围棋选手的水平,体现了人工智能技术的强大和广阔的应用前景。 本书针对当前热门的智能硬件技术,结合深度学习工具TensorFlow框架,从理论到实践,示范性的将语音识别的TensorFlow实现过程展示出来,亲手完成具有语音控制的安卓APP应用。

作者:陈震 郑文勋
定价:39
印次:1-2
ISBN:9787302492702
出版日期:2018.07.01
印刷日期:2018.10.19

本书主要阐述了当前机器智能的热点技术——深度学习和强化学习技术的原理。在此基础上,介绍AlphaGo结合深度学习和强化学习技术,如何战胜人类围棋大师的原理。接下来,将深度学习的理论转化为实践,给出如何通过掌握TensorFlow和Keras深度学习框架,制作声控智能硬件的例子,同时给出机器视觉的对象检测案例,指导读者逐步学习使用深度学习技术。 本书的主要特点是实践操作,用实用可运行的案例来上手。本书可作为实践入门指导书,适用于对机器智能有兴趣的高年级本科生,也适合于对机器智能有兴趣的人员参考。

more >

前言 信息技术日新月异,机器智能更是一个快速发展的领域,其所引发的社会变化和带来的社会影响也是巨大的。围绕这一领域的热点技术,如深度学习和强化学习,涉及一些基础数学知识,包括微积分、线性代数和优化理论等。机器智能作为计算机科学的一个应用,虽然涉及计算机体系结构、分布式系统、软硬件协同设计、算法与数据管理等诸多计算机理论知识,但其核心内容还是算法与数据。 AlphaGo战胜人类围棋大师,其实就是人类所创造的智能工具能力的胜利,是科学理性的胜利。AlphaGo的成功,证明了基于深度强化学习和蒙特卡洛树搜索方法的机器智能,在很多规则清晰的场景下完全可以比人类做得更好。 机器智能的领域不断扩大,遇到的问题也越来越多,需要人们不断创新,不断深入探究。近些年来的教学实践表明,对于一个新的知识领域,在具备一定的基础知识后,本科生完全有能力投入这一领域前沿技术的研究工作中。本书的目的就是要通过系统整理机器智能领域知识点,帮助本科同学迅速了解全貌,从而快速深入技术细节,为进一步的科研工作打下基础。 大凡与机器智能相关的技术,都需要训练有素的头脑,快速分析问题与解决问题的能力。所以,本科同学要想进入这个领域,除了解、掌握本书中的知识和实践操作外,还需要不断地训练自己思考问题和解决问题的能力。 本书的编写离不开清华大学iCenter智能系统实验室教师团队的协助,他们是马晓东、章屹松、王蓓和高英。本书在本科生课程“大数据智能”与“智能硬件”的实践教学中,根据反馈意见已经做了多次修订。实验室学生郑文勋、王亦凡、常嘉辉、吴垠鋆、冯杰、宋丹丹、钱鹏等多次担任课程或单元的助教,为本书的完善做出很大贡献。实验室SRT学生的多次学术活动,也为本书提供了有益的参考资料。 同时,我们也得到微软公司ETG团队的大力支持,他们是杨滔、章艳、刘士君、闫伟。微软公司除了提供云计算与机器学习服务支持外,还连续三届为清华iCenter——人工智能挑战赛提供了支持,极大方便了我们的课程教学和实验工作。 最后,感谢所有参与我们课程及挑战单元的同学们。他们朝气蓬勃,锐意进取,对未知领域充满好奇并进行着不知疲倦的探索。我们坚信,他们是学术和产业的希望及未来。 书中代码可从清华大学出版社网站www.tup.com.cn下载。 作 者2018年1月

more >
扫描二维码
下载APP了解更多
图书分类全部图书
more >
  • AlphaGo如何能战胜顶级围棋选手,本书将给你解开神秘的面纱。

    本书理论与实践结合,带领你动手学习和了解最热门的人工智能技术。
    通过深度学习TensorFlow工具的实践,处理真实世界的人机交互问题。

    本书带你快速入门人工智能技术,通过实例说明让硬件如何“智能化”。

  • AlphaGo如何能战胜顶级围棋选手,本书将给你解开神秘的面纱。

    本书理论与实践结合,带领你动手学习和了解最热门的人工智能技术。
    通过深度学习TensorFlow工具的实践,处理真实世界的人机交互问题。

    本书带你快速入门人工智能技术,通过实例说明让硬件如何“智能化”。

more >
  • 目录

    第1章机器智能的发展1

    1.1机器智能1

    1.1.1机器智能的定义1

    1.1.2机器智能的分类1

    1.2深度学习2

    1.2.1机器智能的神经网络方法2

    1.2.2人工神经元与人工神经网络3

    1.2.3神经网络的复兴4

    1.3机器学习5

    1.3.1机器学习的基本原理5

    1.3.2机器学习泛化能力6

    1.3.3大数据是深度学习的基础6

    参考文献7

    第2章深度学习8

    2.1深度学习的原理8

    2.1.1人工神经元8

    2.1.2多层人工神经网络10

    2.1.3神经网络训练11

    2.2典型的神经网络架构15

    2.2.1卷积神经网络15

    2.2.2循环神经网络17

    2.2.3长短时记忆循环网络18

    2.2.4门控循环单元循环网络19

    2.3机器感知21

    2.3.1语音识别21

    2.3.2计算机视觉25

    2.4深度学习实践26

    2.4.1建模工具26

    2.4.2软硬件工具26

    2.5小结28

    参考文献28

    第3章强 化 学 习30

    3.1强化学习基础30

    3.1.1强化学习概述30

    3.1.2深度强化学习32

    3.1.3强化学习框架35

    3.2计算机围棋36

    3.2.1围棋游戏36

    3.2.2蒙特卡洛树搜索37

    3.2.3基于卷积网络的围棋程序43

    3.3阿尔法围棋的原理43

    3.3.1阿尔法围棋团队44

    3.3.2深度卷积网络44

    3.3.3结合策略网络和价值网络的蒙特卡洛树搜索46

    3.3.4阿尔法围棋技术总结48

    3.4小结49

    参考文献49

    第4章TensorFlow简介51

    4.1...

精彩书评more >

标题

评论

版权所有(C)2019 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802013248号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘