超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

不再提示
关闭
欢迎光临中图网 请 | 注册
> >>
人工智能应用的数学基础(微课版)

人工智能应用的数学基础(微课版)

出版社:清华大学出版社出版时间:2024-05-01
开本: 其他 页数: 330
本类榜单:教材销量榜
中 图 价:¥52.4(7.6折) 定价  ¥69.0 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>

人工智能应用的数学基础(微课版) 版权信息

人工智能应用的数学基础(微课版) 本书特色

本书内容全面丰富,知识体系严谨,覆盖概率论基础、随机过程、矩阵论与矩阵计算、运筹与规划等基础知识。
内容编排和讲解围绕培养学生从事人工智能行业相关数学能力的目标,通过例子和问题讲解知识点及其应用,并给出详细分析和讨论。
提供了大量习题,并提供习题解答。
提供部分例子的电子版演示和微视频。

人工智能应用的数学基础(微课版) 内容简介

本书介绍与人工智能关系紧密的数学知识模块,以使读者更好地掌握数学方法在人工智能领域的应用。本书整合了随机过程、矩阵论和运筹学中相关的数学基础,共12章,分为3部分。第1部分为随机过程,包括第1~3章,主要介绍概率论预备知识、随机过程的概念和基本类型、马尔可夫链。第2部分为矩阵论,包括第4~8章,主要介绍矩阵论预备知识、线性空间与线性变换、范数理论及其应用、矩阵分解和特征值的估计。第3部分为运筹学,包括第9~12章,主要介绍运筹学思想与运筹学建模、数学规划、**化问题和多目标决策。 本书面向高校计算机和人工智能等相关专业的学生,可以作为高年级本科生、低年级研究生的专业必修课或选修课的教材,也可以作为人工智能领域从业者的参考书。

人工智能应用的数学基础(微课版) 目录

第1部分随 机 过 程
第1章概率论预备知识3
1.1基础知识回顾3
1.1.1基本概念3
1.1.2随机事件4
1.1.3古典概型5
1.1.4条件概率5
1.1.5乘法公式6
1.1.6全概率公式与贝叶斯公式6
1.1.7事件的相互独立性7
1.2随机变量及其分布8
1.2.1一维随机变量及其分布8
1.2.2多维随机变量及其分布11
1.3随机变量的数字特征15
1.3.1随机变量的数学期望15
1.3.2随机变量函数的数学期望16
1.3.3随机变量的方差16
1.3.4重要概率分布的方差17
1.3.5协方差和相关系数18
1.4数据分布特征18
1.4.1集中趋势的测度19
1.4.2离散程度的测度22
1.4.3分布形状的测度27
1.5统计数据的整理与显示30
1.6相关与回归分析38
1.6.1变量相关的概念38
1.6.2相关系数及其计算39
1.6.3回归模型与回归方程45
1.6.4参数β0和β1的*小二乘估计46
1.7大数定理与中心极限定理49
1.7.1大数定理49
1.7.2中心极限定理50
1.8参数估计51
1.8.1点估计51
1.8.2区间估计52
1.8.3估计量的评选标准53
1.8.4正态总体均值与方差的区间估计54
1.8.5两个正态总体均值差的区间估计56
1.8.6两个正态总体方差比的区间估计57
1.9假设检验58
1.9.1假设检验简介59
1.9.2双侧检验和单侧检验61
1.9.3一个正态总体的参数检验63
1.9.4两个正态总体的参数检验66
1.9.5两个相关(配对或匹配)样本的差值检验67
1.9.6两个总体比例之差的检验68
1.9.7假设检验中的其他问题69
1.9.8施行特征函数70
1.9.9分布拟合检验70
1.9.10秩与假设检验问题的P值法71
1.10小结71
1.11习题71 第2章随机过程的概念和基本类型73
2.1随机过程的基本概念73
2.2随机过程中随机变量的分布和数字特征74
2.2.1随机过程的数字特征77
2.2.2两个随机过程的独立性79
2.2.3复随机过程80
2.3随机过程的主要类型80
2.3.1二阶矩过程81
2.3.2正交增量过程81
2.3.3平稳独立增量过程81
2.3.4高斯过程83
2.3.5维纳过程83
2.3.6泊松过程84
2.3.7马尔可夫过程85
2.3.8鞅过程85
2.4小结86
2.5习题86 第3章马尔可夫链88
3.1基本概念88
3.2CK方程89
3.2.1n步转移概率89
3.2.2矩阵的四则运算90
3.3马尔可夫链的状态分类92
3.3.1互达性和周期性92
3.3.2常返与瞬过94
3.4极限定理及平稳分布96
3.4.1极限定理97
3.4.2平稳分布与极限分布98
3.5隐马尔可夫过程99
3.6马尔可夫链的应用102
3.6.1群体消失模型102
3.6.2人口结构变化的马尔可夫链模型103
3.6.3数据压缩与熵104
3.7小结106
3.8习题106 第2部分矩阵论
第4章矩阵论预备知识1114.1矩阵的概念111
4.1.1矩阵的定义111
4.1.2几种特殊的矩阵111
4.1.3矩阵与线性变换112
4.2矩阵的运算及初等变换113
4.2.1矩阵的概念113
4.2.2矩阵的四则运算115
4.2.3矩阵的转置119
4.2.4矩阵初等变换的概念120
4.3线性方程组的求解及性质122
4.3.1向量组的定义122
4.3.2向量组的线性相关性的判定123
4.3.3齐次线性方程组的求解及解的结构124
4.3.4非齐次线性方程组的求解及解的结构126
4.4方阵的特征值与特征向量128
4.4.1特征值与特征向量的概念与计算128
4.4.2方阵特征值与特征向量的性质130
4.5相似方阵131
4.5.1相似方阵相似变换与相似变换方阵131
4.5.2方阵的对角化133
4.6向量空间135
4.6.1向量空间子空间及不变子空间的定义135
4.6.2向量空间基与坐标的概念136
4.6.3基变换与坐标变换136
4.6.4解空间的定义138
4.7小结139
4.8习题139 第5章线性空间与线性变换141
5.1线性空间141
5.1.1集合与映射141
5.1.2线性空间及其性质142
5.1.3基与坐标143
5.2线性变换及其矩阵147
5.2.1线性变换及相关概念147
5.2.2线性变换的运算149
5.2.3线性变换的矩阵表示149
5.2.4线性变换的特征值与特征向量151
5.2.5若尔当标准形154
5.3欧几里得空间与酉空间156
5.3.1欧几里得空间的定义156
5.3.2元素正交性158
5.3.3正交变换与正交矩阵159
5.3.4对称变换与对称矩阵160
5.3.5酉空间的介绍161
5.4小结163
5.5习题163 第6章范数理论及其应用165
6.1向量范数165
6.1.1向量空间序列的收敛性165
6.1.2线性空间的向量范数165
6.1.3范数的等价性167
6.2矩阵范数168
6.2.1矩阵范数的定义168
6.2.2矩阵范数与向量范数的相容性168
6.2.3从属范数170
6.3范数的应用173
6.4小结176
6.5习题176 第7章矩阵分解177
7.1三角分解177
7.2QR分解180
7.3满秩分解191
7.4奇异值分解193
7.5小结196
7.6习题197 第8章特征值的估计198
8.1特征值相关概念介绍198
8.1.1特征值的上界198
8.1.2特征值的包含域199
8.2广义特征值问题203
8.2.1向量的B正交与B标准正交203
8.2.2广义特征向量的正交性203
8.3对称矩阵特征值的极性204
8.3.1常义瑞利商204
8.3.2广义瑞利商205
8.3.3矩阵奇异值的极性206
8.4矩阵的直积及应用206
8.4.1矩阵直积的基本性质207
8.4.2线性矩阵方程的可解性208
8.4.3线性矩阵方程的矩阵函数解法210
8.5小结211
8.6习题211第3部分运筹学 第9章运筹学思想与运筹学建模215
9.1运筹学简介215
9.1.1运筹学的思想与内涵215
9.1.2运筹学的特点与应用原则216
9.1.3运筹学解决问题的一般步骤216
9.1.4运筹学的学科地位217
9.1.5*优化模型的构造思路及评价217
9.2基本概念218
9.2.1向量和子空间投影定理218
9.2.2多元函数及其偏导数219
9.3小结220
9.4习题221 第10章数学规划222
10.1线性规划222
10.1.1线性规划问题及其模型222
10.1.2线性规划的单纯形法225
10.1.3线性规划的对偶问题230
10.1.4灵敏度分析235
10.2整数规划239
10.2.1整数规划问题的提出与建模239
10.2.2整数规划问题解法概述241
10.2.3分支定界法243
10.2.4割平面法246
10.2.5指派问题249
10.3目标规划252
10.3.1目标规划问题的提出与建模252
10.3.2目标规划的几何意义及图解法255
10.3.3解目标规划的单纯形法256
10.4小结260
10.5习题261 第11章*优化问题263
11.1*优化搜索算法的结构与一维搜索263
11.1.1常用的搜索算法结构263
11.1.2一维搜索266
11.2无约束*优化方法272
11.2.1*优性条件272
11.2.2*速下降法273
11.2.3牛顿法及其修正274
11.2.4共轭梯度法276
11.2.5变尺度法278
11.2.6直接算法282
11.3约束*优化方法285
11.3.1KT条件285
11.3.2既约梯度法289
11.3.3罚函数293
11.4小结297
11.5习题297 第12章多目标决策299
12.1层次分析法299
12.1.1层次分析法的基本步骤299
12.1.2求正互反矩阵的*大特征值及相应的特征向量的方法304
12.1.3残缺判断与群组决策307
12.1.4案例分析310
12.2数据包络分析312
12.2.1DEA模型概述312
12.2.2DEA模型的建立312
12.2.3决策单元的DEA有效性313
12.3小结314
12.4习题314
展开全部

人工智能应用的数学基础(微课版) 作者简介

刘帅,博士,教授,,博士生导师,湖南师范大学教育信息化与智能化交叉研究团队负责人,中国计算机学会杰出会员,湖南省人工智能学会教育工作委员会副主任委员,主持或参与国家自然科学基金、国家社会科学基金等项目多项,在国内外重要期刊发表论文100余篇,目前从事人工智能领域内模式识别与计算机视觉、智能教育技术等方面的研究。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服