人工智能(第2版)
作者:[美]史蒂芬·卢奇(Stephen Lucci),丹尼·科佩克(Danny Kopec)
出版社:人民邮电出版社
ISBN:9787115488435
VIP会员免费
(仅需0.8元/天)
¥ 69.12
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
人工智能简史.[美]尼克(带书签高清文字版).rar 评分:
本书全面讲述人工智能的发展史,几乎覆盖人工智能学科的所有领域,包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等,以宏阔的视野和生动的语言,对人工智能进行了全面回顾和深度点评。本书作者和书中诸多人物或为师友或相熟相知,除了详实的考证还有有趣的轶事。本书既适合专业人士了解人工智能鲜为人知的历史,也适合对人工智能感兴趣的大众读者作为入门的向导。 第1章 达特茅斯会议:人工智能的缘起 14 1. 背景 14 2. 达特茅斯会议 19 3. AI 历史的方法论 22 4. 会议之后 27 5. 预测未来:会有奇点吗? 32 参考文献指南 35 第2章 自动定理证明兴衰纪 37 1. 自动定理证明的起源 37 2. 罗宾逊和归结原理 45 3. 项重写 47 4. 阿贡小组和马库恩 48 5. 符号派的内部矛盾:问答系统和归结原理的失落 50 6. 几何定理证明与计算机代数 52 7. 定理证明系统和竞赛 57 8. 哲学问题 59 9. 现状 62 10. 结语 64 参考文献指南 67 附录1:自动定理证明大事记 68 附录2:埃尔布朗奖 69 第3章 从专家系统到知识图谱 73 1. 费根鲍姆和DENDRAL 73 2. MYCIN 77 3. 专家系统的成熟 78 4. 知识表示 79 逻辑 80 心理学与语言学 81 明斯基的框架 82 Sowa 的概念图 83 5. 雷纳特和大知识系统 83 6. 语义网 86 7. 谷歌和知识图谱 88 参考文献指南 90 第4章 第五代计算机的教训 92 1. 背景 92 2. 理论基础:逻辑程序和Prolog 95 3. 五代机计划和五代机研究所 98 4. 并发Prolog 101 5. 美国和欧洲对日本五代机计划的反应 103 美国的回应 103 英国的阿尔维计划 105 欧洲的ESPRIT 106 6. 结局和教训 107 7. 日本还有机会吗:日本下一代人工智能促进战略 108 参考文献指南 109 第5章 神经网络简史 110 1. 神经网络的初创文章 110 2. 罗森布拉特和感知机 116 3. 神经网络的复兴 120 4. 深度学习 124 参考文献指南 127 第6章 计算机下棋简史:机定胜人,人定胜天 129 1. 机器下棋史前史 129 2. 跳棋插曲 131 3. 计算机下棋之初 132 4. “深蓝” 137 5. 围棋和AlphaGo 138 参考文献指南 140 第7章 自然语言处理 141 1. 乔治敦实验 141 2. 乔姆斯基和句法分析 142 3. ELIZA 和PARRY 149 4. 维诺格拉德和积木世界 156 5. 统计派又来了 162 6. 神经翻译是终极手段吗? 164 7. 问答系统和IBM 沃森 165 8. 回顾和展望 167 参考文献指南 169 第8章 向自然学习:从遗传算法到强化学习 172 1. 霍兰德和遗传算法 172 2. 遗传编程 177 3. 强化学习 179 4. 计算向自然学习还是自然向计算学习 185 5. 计算理论与生物学 186 参考文献指南 188 第9章 哲学家和人工智能 190 1. 德雷弗斯和《计算机不能干什么》 190 2. 塞尔和中文屋 197 3. 普特南和缸中脑 200 4. 给哲学家一点忠告 203 第10章 人是机器吗?——人工智能的计算理论基础 208 1. 丘奇-图灵论题:为什么图灵机是最重要的发明? 210 2. 相似性原则:另一个重要但不太被提及的计算理论思想 214 3. 超计算 218 4. BSS 实数模型 219 5. 量子计算 221 6. 计算理论的哲学寓意 224 7. 丘奇图灵论题、超计算和人工智能 225 参考文献指南 228 第11章 智能的进化 229 1. 大脑的进化 229 2. 能源的摄取和消耗 231 3. 全社会的算力作为文明的测度 233 4. 人工智能从哪里来? 235 5. 人工智能向哪里去:会有超级智能吗? 236 参考文献指南 241 第12章 当我们谈论生死时,我们在谈论什么? 243 附录 1 图灵小传 250 附录 2 人工智能前史:图灵与人工智能 262 附录 3 冯诺伊曼与人工智能 268 附录 4 计算机与智能 274 1. 模仿游戏 274 2. 对新问题的评论 275 3. 游戏中用到的机器 277 4. 数字计算机 278 5. 数字计算机的通用性 281 6. 主要问题的反方观点 284 7. 学习机器 298 参考文献 304 参考文献 306 人名对照 321
上传时间:2018-12 大小:5.31MB
- 272KB
人工智能发展史.pdf
2022-07-01Machine Learning " 一篇文读懂人工智能发展史 AlphaGo 的胜利,无人驾驶的成功,模式识别的突破性进展,人工智能的的飞速 发展一次又一次地挑动着我们的神经。 作为人工智能的核心, 机器学习也在人工 智能的大步发展中备受瞩目,光辉无限。 如今,机器学习的应用已遍及人工智能的各个分支,如专家系统、自动推理、自 然语言理解、模式识别、计算机视觉、智能机器人等领域。 但也许我们不曾想到的事机器学习乃至人工智能的起源, 是对人本身的意识、 自 我、 心灵等哲学问题的探索。 而在发展的过程中, 更是融合了统计学、 神经科学、 信息论、控制论、计算复杂性理论等学科的知识。 总的来说, 机器学习的发展是整个人工智能发展史上颇为重要的一个分支。 其中 故事一波三折,令人惊讶叹服,颇为荡气回肠。 其中穿插了无数牛人的故事, 在下面的介绍中, 你将会看到以下神级人物的均有 出场,我们顺着 ML 的进展时间轴娓娓道来: 基础奠定的热烈时期 20 世纪 50 年代初到 60 年代中叶 Hebb 于 1949 年基于神经心理学的学习机制开启机器学习的第一步。此后被称 为 Hebb 学习规则。
- 0B
人工智能发展简史.pdf
2022-11-15人工智能发展简史.pdf
- 965KB
自动驾驶技术简史.rar
2023-10-18自动驾驶技术简史.rar
- 216KB
人工智能发展简史.docx
2021-10-24人工智能发展简史.docx
- 0B
(完整word版)人工智能发展简史.doc
2022-11-15(完整word版)人工智能发展简史.doc
- 11KB
(完整word版)雷达发展简史.docx
2022-07-09(完整word版)雷达发展简史.docx(完整word版)雷达发展简史.docx(完整word版)雷达发展简史.docx(完整word版)雷达发展简史.docx(完整word版)雷达发展简史.docx(完整word版)雷达发展简史.docx(完整word版)雷达发展简史....
- 104.44MB
深度学习与PyTorch入门实战教程-人工智能发展简史.rar
2022-04-07深度学习与PyTorch入门实战教程-人工智能发展简史
- 1.54MB
人工智能六十年技术简史.docx
2021-10-24人工智能六十年技术简史.docx
- 8.28MB
计算机发展简史..pptx
2021-10-11计算机发展简史..pptx
- 11KB
半导体材料发展简史.pdf
2022-03-13半导体材料发展简史.pdf
- 1.76MB
科学发展简史.pdf
2021-10-29科学发展简史.pdf
- 1.70MB
计算机简史.pdf
2022-12-22计算机简史.pdf
- 0B
人工智能发展简史.pptx
2022-11-28信息技术基础(WPS Office版)
- 20KB
金鱼简史.doc
2021-12-22金鱼简史.doc
- 21KB
少先队简史.doc
2021-12-06少先队简史.doc
- 593KB
中国插花艺术发展简史.pdf
2022-01-01中国插花艺术发展简史.pdf
- 24KB
灵境内外:互联网治理简史.docx
2023-09-13灵境内外:互联网治理简史.docx
- 65KB
02法医学发展简史.doc
2021-12-0202法医学发展简史.doc
- 533KB
阴极保护技术发展简史.pdf
2021-09-30阴极保护技术发展简史.pdf
- 0B
C语言发展简史.docx
2022-11-17C语言发展简史.docx
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费,不收任何钱和任何积分,纯粹为爱发电,本资源已经为大家整合好了的,看我的博客部署好直接用:https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先,利用YOLOv8算法对视频中的车辆目标进行检测,并对检测到的目标进行标记。然后,通过deepsort算法对标记的车辆目标进行跟踪,实现车辆目标的持续跟踪。最后,根据跟踪结果对车辆数量进行统计,实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明,帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
- 98KB
YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
2024-03-12YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt,需要创建的文件夹都以创建,方便大家不用再去GitHub下载 可以搭配该博客:https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 26.50MB
Transformer模型实现长期预测并可视化结果(附代码+数据集+原理介绍)
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 141KB
社交平台上经济类话题的文章热度信息,数据是真实的,但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见:https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 40.38MB
YOLOV5 + 双目相机实现三维测距(新版本)
2024-04-14YOLOV5 + 双目相机实现三维测距(新版本)
- 62.4MB
行人跌倒数据集(VOC格式)
2023-01-30行人跌倒数据集(VOC格式)
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程,手把手教你使用Unet做眼底图像分割的训练、测试和界面封装,包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高,眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源,其形态和状况的变化可以反映出许多疾病的早期病理变化。然而,由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性,使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管,不仅工作量巨大,极为耗时,而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页:https://space.bilibili.com/161240964 C站主页:https://blog.csdn.net/ECHOSON
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数,以使模型的预测结果尽可能接近真实值。同时,还需要设计一个合适的架构,以便获取足够的信息进行预测。现有方法忽略了一个事实:当输入数据经过逐层的特征提取和空间变换时,会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题,即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息,以计算目标函数,从而获得可靠的梯度信息以更新网络权重。此外,我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络(GELAN)。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示,GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型,它可以获取完整信息,使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果,比较结果如图1所示。
- 850.77MB
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在:https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境:https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看:https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者,感谢大家的支持!