扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
人工智能 版权信息
- ISBN：9787302531876
- 条形码：9787302531876 ; 978-7-302-53187-6
- 装帧：平装
- 册数：暂无
- 重量：暂无
- 所属分类：>
人工智能 本书特色
本书向读者介绍当代人工智能技术的入门知识,特别是以深度学习为代表的机器学习方法。本书主要内容包括人工智能在模拟人类视觉、听觉、语言、行为、思维五个方面的*进展,覆盖了当前人工智能应用*广泛的几个领域,包括人脸识别、语音识别、声纹识别、自然语言理解、机器人设计等。 本书介绍的很多算法都需要动手实践才能有更好的理解。读者可以下载本书的实验套件 (ht p://iok.storg),边学边做,才能真正领略人工智能的神奇与瑰丽。 abocl.唯其如此, 本书是一本科普著作,没有复杂的数学公式,适用于任何对人工智能技术感兴趣的读者。书中提到的每项关键技术都提供了参考文献,有志于深入理解人工智能算法的读者可以按图索骥,深入钻研。
人工智能 内容简介
本书向读者介绍当代人工智能技术的入门知识,特别是以深度学习为代表的机器学习方法。本书主要内容包括人工智能在模拟人类视觉、听觉、语言、行为、思维五个方面的近期新进展,覆盖了当前人工智能应用很广泛的几个领域,包括人脸识别、语音识别、声纹识别、自然语言理解、机器人设计等。 本书介绍的很多算法都需要动手实践才能有更好的理解。读者可以下载本书的实验套件 (ht p://iok.storg),边学边做,才能真正领略人工智能的神奇与瑰丽。 abocl.唯其如此, 本书是一本科普著作,没有复杂的数学公式,适用于任何对人工智能技术感兴趣的读者。书中提到的每项关键技术都提供了参考文献,有志于深入理解人工智能算法的读者可以按图索骥,深入钻研。
人工智能 目录
目录
第1章 神奇的人工智能 1
1.1 什么是人工智能 2
1.2 人工智能简史 2
1.2.1 数理逻辑:人工智能的前期积累 2
1.2.2 图灵:人工智能的真正创始人 4
1.2.3 达特茅斯会议:AI的开端 5
1.2.4 人工智能的三起两落 6
1.3 机器学习:现代人工智能的灵魂 8
1.3.1 什么是机器学习 9
1.3.2 机器学习发展史 9
1.3.3 机器学习的基本框架 11
1.4 让人惊讶的“学习” 13
1.4.1 从猴子摘香蕉到星际大战 13
1.4.2 集体学习的机器人 14
1.4.3 图片和文字理解 16
1.4.4 AlphaGo 17
1.4.5 机器智能会超过人类智能吗 18
1.5 开始你的机器学习之旅 19
1.5.1 训练、验证与测试 19
1.5.2 Occam剃刀准则 20
1.5.3 没有免费的午餐 20
1.5.4 对初学者的几点建议 20
1.6 AIDemo示例系统 21
1.6.1 AIDemo环境搭建 21
1.6.2 AIDemo示例基础 22
1.6.3 人脸检测(Face-detection):**个示例程序 23 第2章 认识你的脸 26
2.1 人脸识别概述 26
2.1.1 什么是人脸识别 26
2.1.2 人脸识别系统的基本组成 28
2.1.3 人脸识别简史 29
2.2 基于特征脸的人脸识别 34
2.2.1 主成分分析 34
2.2.2 支持向量机 37
2.3 基于深度学习的人脸识别 39
2.3.1 神经网络的故事 39
2.3.2 神经网络结构 42
2.3.3 深度学习 43
2.3.4 基于深度卷积网络的人脸识别 44
2.3.5 基于DNN的人脸识别性能 46
2.4 深度神经网络的其他应用 49
2.4.1 人脸检测 49
2.4.2 人脸正规化 50
2.4.3 图像生成 50
2.4.4 图像风格转换 52
2.5 AIDemo:人脸识别 53
思考题 57
第3章 聆听你的声音 58
3.1 语音的产生与感知 59
3.1.1 语音的产生 59
3.1.2 语音的感知 61
3.2 语音识别概述 62
3.2.1 什么是语音识别 62
3.2.2 语音识别简史 63
3.3 基于GMM-HMM 的语音识别 67
3.3.1 MFCC特征提取 68
3.3.2 GMM-HMM 声学模型 68
3.3.3 N-Gram语言模型 69
3.3.4 解码过程 70 3.4 基于深度学习的语音识别 71
3.4.1 DNN特征提取 72
3.4.2 DNN静态建模 72
3.4.3 RNN动态建模 72
3.5 说话人识别 76
3.5.1 传统GMM-UBM 系统 76
3.5.2 基于DNN的说话人识别系统 77
3.6 语音合成 79
3.6.1 参数合成 80
3.6.2 拼接合成 81
3.6.3 统计模型合成 81
3.6.4 神经模型合成 82
3.7 AIDemo:语音信号处理 84
3.7.1 实验说明 84
3.7.2 实验步骤 84
思考题 86
第4章 理解你的语言 87
4.1 人类语言的复杂性 88
4.1.1 结构复杂性 88
4.1.2 语义复杂性 89
4.1.3 知识复杂性 90
4.1.4 时空复杂性 90
4.1.5 应用复杂性 91
4.1.6 什么是语言理解 91
4.2 传统语言理解方法 91
4.2.1 词法分析 92
4.2.2 句法分析 93
4.2.3 语义分析 94
4.3 基于深度学习的语言理解方法 96
4.3.1 词向量 97
4.3.2 句向量 99
4.3.3 传统方法和深度学习方法对比 100
4.4 机器翻译 101
4.4.1 机器翻译的历史 101 4.4.2 统计机器翻译 103
4.4.3 神经机器翻译 103
4.5 语言理解的其他应用 106
4.5.1 搜索引擎 106
4.5.2 推荐系统 108
4.5.3 会话机器人 109
4.6 AIDemo:计算中文词向量 111
思考题 113
第5章 模仿你的行为 114
5.1 现代机器人发展史 115
5.2 基于设计的机器人 120
5.2.1 操作机器人 120
5.2.2 移动机器人 122
5.3 基于学习的机器人 124
5.3.1 简单的例子:模仿学习 125
5.3.2 强化学习 125
5.3.3 强化学习的学习对象 128
5.4 深度强化学习方法 130
5.4.1 Atari游戏 130
5.4.2 AlphaGoZero 131
5.4.3 实体机器人 132
5.4.4 两种机器人的比较 135
5.5 AIDemo:AI机器人 136
思考题 137
第6章 学习你的思维 138
6.1 形象思维 139
6.1.1 诗词生成 139
6.1.2 DeepDream 143
6.2 逻辑思维 148
6.2.1 定理证明:精确逻辑推理 149
6.2.2 阅读理解:非精确逻辑推理 151
6.3 AIDemo:DeepDream 156
思考题 158
第1章 神奇的人工智能 1
1.1 什么是人工智能 2
1.2 人工智能简史 2
1.2.1 数理逻辑:人工智能的前期积累 2
1.2.2 图灵:人工智能的真正创始人 4
1.2.3 达特茅斯会议:AI的开端 5
1.2.4 人工智能的三起两落 6
1.3 机器学习:现代人工智能的灵魂 8
1.3.1 什么是机器学习 9
1.3.2 机器学习发展史 9
1.3.3 机器学习的基本框架 11
1.4 让人惊讶的“学习” 13
1.4.1 从猴子摘香蕉到星际大战 13
1.4.2 集体学习的机器人 14
1.4.3 图片和文字理解 16
1.4.4 AlphaGo 17
1.4.5 机器智能会超过人类智能吗 18
1.5 开始你的机器学习之旅 19
1.5.1 训练、验证与测试 19
1.5.2 Occam剃刀准则 20
1.5.3 没有免费的午餐 20
1.5.4 对初学者的几点建议 20
1.6 AIDemo示例系统 21
1.6.1 AIDemo环境搭建 21
1.6.2 AIDemo示例基础 22
1.6.3 人脸检测(Face-detection):**个示例程序 23 第2章 认识你的脸 26
2.1 人脸识别概述 26
2.1.1 什么是人脸识别 26
2.1.2 人脸识别系统的基本组成 28
2.1.3 人脸识别简史 29
2.2 基于特征脸的人脸识别 34
2.2.1 主成分分析 34
2.2.2 支持向量机 37
2.3 基于深度学习的人脸识别 39
2.3.1 神经网络的故事 39
2.3.2 神经网络结构 42
2.3.3 深度学习 43
2.3.4 基于深度卷积网络的人脸识别 44
2.3.5 基于DNN的人脸识别性能 46
2.4 深度神经网络的其他应用 49
2.4.1 人脸检测 49
2.4.2 人脸正规化 50
2.4.3 图像生成 50
2.4.4 图像风格转换 52
2.5 AIDemo:人脸识别 53
思考题 57
第3章 聆听你的声音 58
3.1 语音的产生与感知 59
3.1.1 语音的产生 59
3.1.2 语音的感知 61
3.2 语音识别概述 62
3.2.1 什么是语音识别 62
3.2.2 语音识别简史 63
3.3 基于GMM-HMM 的语音识别 67
3.3.1 MFCC特征提取 68
3.3.2 GMM-HMM 声学模型 68
3.3.3 N-Gram语言模型 69
3.3.4 解码过程 70 3.4 基于深度学习的语音识别 71
3.4.1 DNN特征提取 72
3.4.2 DNN静态建模 72
3.4.3 RNN动态建模 72
3.5 说话人识别 76
3.5.1 传统GMM-UBM 系统 76
3.5.2 基于DNN的说话人识别系统 77
3.6 语音合成 79
3.6.1 参数合成 80
3.6.2 拼接合成 81
3.6.3 统计模型合成 81
3.6.4 神经模型合成 82
3.7 AIDemo:语音信号处理 84
3.7.1 实验说明 84
3.7.2 实验步骤 84
思考题 86
第4章 理解你的语言 87
4.1 人类语言的复杂性 88
4.1.1 结构复杂性 88
4.1.2 语义复杂性 89
4.1.3 知识复杂性 90
4.1.4 时空复杂性 90
4.1.5 应用复杂性 91
4.1.6 什么是语言理解 91
4.2 传统语言理解方法 91
4.2.1 词法分析 92
4.2.2 句法分析 93
4.2.3 语义分析 94
4.3 基于深度学习的语言理解方法 96
4.3.1 词向量 97
4.3.2 句向量 99
4.3.3 传统方法和深度学习方法对比 100
4.4 机器翻译 101
4.4.1 机器翻译的历史 101 4.4.2 统计机器翻译 103
4.4.3 神经机器翻译 103
4.5 语言理解的其他应用 106
4.5.1 搜索引擎 106
4.5.2 推荐系统 108
4.5.3 会话机器人 109
4.6 AIDemo:计算中文词向量 111
思考题 113
第5章 模仿你的行为 114
5.1 现代机器人发展史 115
5.2 基于设计的机器人 120
5.2.1 操作机器人 120
5.2.2 移动机器人 122
5.3 基于学习的机器人 124
5.3.1 简单的例子:模仿学习 125
5.3.2 强化学习 125
5.3.3 强化学习的学习对象 128
5.4 深度强化学习方法 130
5.4.1 Atari游戏 130
5.4.2 AlphaGoZero 131
5.4.3 实体机器人 132
5.4.4 两种机器人的比较 135
5.5 AIDemo:AI机器人 136
思考题 137
第6章 学习你的思维 138
6.1 形象思维 139
6.1.1 诗词生成 139
6.1.2 DeepDream 143
6.2 逻辑思维 148
6.2.1 定理证明:精确逻辑推理 149
6.2.2 阅读理解:非精确逻辑推理 151
6.3 AIDemo:DeepDream 156
思考题 158
展开全部
人工智能 作者简介
王东， 1995-2002年清华本科、硕士，2010年英国爱丁堡大学博士，历任Oracle中国软件工程师、IBM中国高级软件工程师、英国爱丁堡大学Marie Curie 研究员、法国EURECOM博士后研究员，美国Nuance公司高级研究科学家。现任清华大学语音语言中心副研究员，中心常务副主任，FreeNeb公司首席科学家。王东博士是全国人机语音通讯会议常设机构秘书长，是亚太信号信息处理联盟(APASIPA)语音专委会副主席、杰出讲师，是国际标准与语音数据资源委员会(COCOSDA)大陆区代表。王东博士自1997年开始从事语音识别、自然语言处理方面的研究，在相关领域发表学术论文120余篇，公开专利20余项，其专利技术在日本软银、新松、智能管家等多家国内外著名公司应用，创造了良了的社会效益和经济效益。
书友推荐
- >
有舍有得是人生
有舍有得是人生
¥31.5¥45.0 - >
经典常谈
经典常谈
¥17.1¥39.8 - >
史学评论
史学评论
¥13.9¥42.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
