中图网

>

计算机教材

人工智能基础实验教程(普通高等学校十四五系列教材)

作者：潘理虎,宋婷

出版社：中国铁道出版社出版时间：2022-09-01

开本： 16开 页数： 305

本类榜单：计算机/网络销量榜

中图价:¥43.8(8.8折) 定价 ~~¥49.8~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥43.8 加入购物车

版权信息
本书特色
内容简介
目录

人工智能基础实验教程(普通高等学校十四五系列教材) 版权信息

ISBN：9787113293208
条形码：9787113293208 ; 978-7-113-29320-8
装帧：70g胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机教材

人工智能基础实验教程(普通高等学校十四五系列教材) 本书特色

本书作为一本实验教程，特色是简明、实用、逻辑性强、可读性好，使读者在有限的时间内掌握人工智能的基本原理与应用技术。本书围绕基础知识点在前两章介绍了Python基本开发环境及编程基础语法、常用数据结构的使用；第3章介绍了机器学习中经典算法及常用算法，包括逻辑回归、决策树、K近邻、随机森林、支持向量机、朴素贝叶斯、AdaBoost、神经网络等算法的实现；第4、5章介绍了深度学习基础知识和实现环境，以及深度神经网络经典算法；第6~8章分别介绍了三大应用领域——计算机视觉的基础算法及应用实例、自然语言处理的基本应用算法实现、智能机器人的基本操作及功能实现，*后两章通过两个嵌入式人工智能案例融合前面章节介绍的基础算法，完整实现了人工智能在实际生活中的应用实例。

人工智能基础实验教程(普通高等学校十四五系列教材) 内容简介

本书围绕人工智能基础知识介绍了基本开发环境及编程基础知识，机器学习中经典及常用算法及算法实现，深度学习基础知识和实现环境，以及深度神经网络的实现过程，计算机视觉和自然语言处理的部分算法实现，zui后通过两个嵌入式人工智能案例融合前面章节介绍的基础算法，完整实现了人工智能在实际生活中的应用实例。通过学习，学生能掌握人工智能的基本知识、基本原理和方法；了解人工智能的发展历史，全新进展和发展方向；为培养学生利用人工智能的方法求解复杂计算机工程问题，以及今后进一步在人工智能的理论和应用研究等方面的发展提供初步的基础。本书适合作为高等学校人工智能、大数据、智能科学与技术等专业的实验教材，也可以作为对人工智能相关的培训教材。

人工智能基础实验教程(普通高等学校十四五系列教材) 目录

第1章 Python编程基础
1．1 Python基础语法
1．1．1 基础知识
1．1．2 运算符
1．1．3 注释与缩进
1．2 Python基本语句
1．2．1 条件控制语句
1．2．2 循环控制语句
1．3 Python开发环境的安装和使用
1．4 集成开发环境PyCharm的安装和使用
1．5 输出函数实验
1．6 Python文件I/O实验

第2章 Python数据结构
2．1 基础数据结构
2．2 Python字符串实验
2．3 Python列表实验
2．3．1 列表的序列化操作
2．3．2 列表推导式和生成器表达式
2．4 Python元组实验
2．5 Python字典实验
2．6 类与对象
2．7 Python函数

第3章机器学习
3．1 机器学习基础知识
3．1．1 概述
3．1．2 学习形式分类
3．2 AdaBoost分类算法
3．3 KNN算法
3．4 基于KD树的KNN算法
3．5 支持向量机SVM
3．6 朴素贝叶斯分类器
3．7 决策树
3．8 Kmeans算法
3．9 线性回归
3．10 PCA降维实验

第4章深度学习
4．1 深度学习基础知识
4．1．1 传统机器学习和深度学习方法
4．1．2 深度学习发展阶段
4．1．3 深度学习特点
4．2 TensorFlow框架
4．2．1 TensorFlow简介
4．2．2 Tensor基本概念
4．2．3 创建常量与变量
4．3 TensorFlow安装与配置
4．4 PyTorch安装与配置
4．5 数据操作实验

第5章神经网络构建
5．1 神经网络实现原理
5．1．1 基础概念
5．1．2 神经网络的参数
5．1．3 模型训练
5．2 神经网络一元线性回归
5．3 神经网络多元线性回归
5．4 神经网络非线性回归
5．5 基础神经网络实验
5．6 高级神经网络实验
5．7 卷积神经网络实验
5．8 手写数字识别实验——CNN
5．9 循环神经网络实验

第6章计算机视觉
6．1 图像基础知识
6．2 图像均值滤波实验
6．3 图像中值滤波实验
6．4 图像分割实验
6．5 仿射变换实验
6．6 三角形仿射实验
6．7 基于Hopfield神经网络的图片识别
6．8 基于支持向量机的人脸识别
6．9 基于隐马尔科夫的语音识别

第7章自然语言处理
7．1 NLP概述
7．2 词性标注
7．3 中文分词——逆向*大匹配
7．4 中文分词——基于隐马尔科夫模型
7．5 文本分类实验
7．6 文本模式识别实验
7．7 Glove词向量模型

第8章智能机器人
8．1 机器人硬件
8．2 开发环境
8．2．1 虚拟机开发环境
8．2．2 网络配置
8．2．3 开发主机SSH登录Nano
8．2．4 编程开发环境
8．3 ROS基本操作
8．4 OpenCV机器人视觉开发
8．5 语音合成开发
8．6 SLAM激光雷达建图

第9章应用开发实训案例——智能家居
9．1 基于深度卷积神经网络的表情识别
9．2 氛围灯控制
9．3 人脸表情识别模型推理功能插件构建
9．4 氛围灯控制系统功能插件构建

第10章应用开发实训案例——智能停车场
10．1 车牌识别模型
10．2 闸机控制系统
10．3 车牌识别功能插件构建
10．4 道闸控制功能插件构建

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐