





定价:55元
印次:1-2
ISBN:9787302664208
出版日期:2024.07.01
印刷日期:2025.06.27
图书责编:张玥
图书分类:教材
"人工智能在人类社会各领域得到广泛应用,已成为社会进步的核心技术。本书全面介绍当前人工智能技术的基础理论和方法,包括深度神经网络、知识图谱、图神经网络、生成式人工智能和机器学习方法5部分内容。重点介绍深度神经网络基本原理、卷积神经网络、循环神经网络、注意力机制和Transformer,介绍知识图谱、图神经网络和生成式人工智能的基本理论与方法,最后简要介绍弱监督、自监督、迁移学习、深度强化学习、元学习和小样本学习、持续学习等机器学习方法,还介绍了大语言模型中的机器学习方法。 本书是作者总结近年来的教学和科研成果,结合国内外人工智能技术领域**成果编写而成的。全书内容体系新颖,具有先进性、系统性和实用性。本书可作为高等学校人工智能技术课程的教材,也可供相关专业的工程技术人员参考。"
王科俊,男,1962年9月生,教授,博士生导师。1995年12月毕业于哈尔滨工程大学船舶与海洋特辅装置与系统专业,是该专业第一位博士学位获得者。1998年4月在哈尔滨工业大学流体传动与控制专业完成博士后研究工作。现任中国人工智能学会理事,黑龙江省人工智能学会理事长,黑龙江省神经科学学会副理事长,北京理工大学珠海学院教授,哈尔滨工程大学教授。曾任哈尔滨工程大学自动化学院副院长,模式识别与智能系统研究所所长,模式识别与智能系统学科带头人;民盟中央委员,民盟黑龙江省委常委,民盟黑龙江省教育科技委员会主任。主要从事生物特征识别与智能监控,深度学习与神经网络、多模态生物特征识别等方向的研究。已培养博士、硕士300余人。完成科研项目30余项。发表论文350余篇,出版学术专著4部,教材3部,主审教材2部。曾获得部级科技进步二等奖三项,三等奖四项,省高校科学技术一等奖一项、二等奖一项。获得授权发明专利38项,获国家版权局软件著作权登记登记一项。1996年中国船舶工业总公司优秀青年科技工作者称号,1999年哈工程大学首届十大杰出青年。黑龙江省十大杰出青年基金获得者。
前言 自1943年第一个人工神经元模型提出以来,人工智能经历了三起两落。2016年,以AlphaGo(阿尔法狗)为标志,人类失守了“围棋”这一被视为最后智力堡垒的棋类游戏。人工智能开始逐步升温,成为政府、产业界、科研机构以及消费市场竞相追逐的对象。在各国人工智能战略和资本市场的推波助澜下,人工智能的企业、产品和服务层出不穷,在研发可以提高生产力和经济效益的各种人工智能应用(所谓的“弱人工智能”)上取得了极大进步。2022年以来,生成式人工智能发展日益强大,OpenAI的DALLE2、Stability AI的Stable Diffusion生成模型和ChatGPT(基于Transformer)横空出世,对人类智力提出了强有力的挑战。Stable Diffusion模型可以根据文字描述直接创作出具有惊人视觉效果的图像,在艺术创业比赛中击败人类艺术家,正在颠覆人类创造艺术的方式。ChatGPT可以根据上下文生成通过图灵测试的文本,编写时妙笔生花,广征博引,恣肆汪洋,令人类写手黯然失色。在日常生活工作中,绝大多数模式化文章都可以用ChatGPT自动生成,其文章质量超过了人类的平均水平。ChatGPT在邮件撰写、视频脚本编写、文本翻译、代码编写等任务上的强大表现不比人类差,埃隆·马斯克声称感受到了AI的“危险”。使其被称为像AlphaGo一样轰动的事件,是人工智能“奇点”(有望超越人类的“强人工智能”)来临的初显。微软联合创始人比尔·盖茨判断,ChatGPT的历史意义重大,不亚于PC或互联网的诞生。尽管我们无法描述人工智能技术在未来几十年会形成什么样的具体形态,但可以确定的...
第1章人工智能简介1
1.1人工智能的定义及发展历史1
1.1.1人工智能的定义1
1.1.2人工智能的发展历史1
1.2人工智能方法3
1.3人工智能的应用5
1.4人工智能的未来6
1.4.1近期发展目标6
1.4.2人工智能的未来7
1.5小结7
思考与练习7
第2章神经网络基础8
2.1生物神经元与生物神经网络8
2.1.1生物神经元8
2.1.2生物神经网络9
2.2人工神经元与人工神经网络9
2.2.1人工神经元9
2.2.2激活函数10
2.2.3人工神经网络13
2.3前向神经网络13
2.4反向传播算法14
2.4.1链式法则15
2.4.2梯度下降法15
2.4.3反向传播算法15
2.4.4反向传播算法的改进算法18
2.5处理数据和训练模型的技巧20
2.5.1数据预处理——数据标准化20
2.5.2权重初始化21
2.5.3防止过拟合的常用方法23
2.6小结24
思考与练习24
第3章卷积神经网络25
3.1卷积神经网络的特性25
3.1.1局部连接26
3.1.2权值共享26
3.1.3不变性27
3.2卷积神经网络结构和训练27
3.2.1卷积层27
3.2.2池化层32
3.2.3全连接层33
3.2.4卷积神经网络的训练35
3.3卷积神经网络经典模型36
3.3.1LeNet5网络37
3.3.2AlexNet网络38
3.3.3VGGNet网络41
3.3.4其他几种经典网络的基本结构42
3.4小结48
思考与练习48
第4章循... 查看详情