人工智能导论：模型与算法
《人工智能导论：模型与算法》是一本体系完整、突出算法和教学资源丰富的人工智能教材，可帮助读者掌握人工智能脉络体系，从算法和模型方面来了解人工智能具能、使能和赋能的原理。全书共9章，第1章绪论；第2章逻辑与逻辑；第3章搜索求解；第4章监督学习；第5章无监督学习；第6章深度学习；第7章强化学习；第8章人工智能博弈；第9章人工智能未来发展和趋势。书中给了习题和编程题目。《人工智能导论：模型与算法》可作为人工智能专业和计算机类相关专业的本科生或研究生学习人工智能的教材。由于书中各章内容相对独立，教师可根据课程计划和专业需要选择讲授内容。
人工智能导论：模型与算法
01狂野地球
01狂野地球02金华宗谱文献集成（全二十…
02金华宗谱文献集成（全二十册）03宁杰行歌集
03宁杰行歌集04格列佛游记
04格列佛游记05幼儿启蒙认知书：数字
05幼儿启蒙认知书：数字06小少年大行动拯救地球的…
06小少年大行动拯救地球的孩子们…07伊索寓言
07伊索寓言08有机化学实验（第五版）
08有机化学实验（第五版）09睡前胎教故事：爸爸篇
09睡前胎教故事：爸爸篇10小羊上山儿童汉语分级读物…
10小羊上山儿童汉语分级读物（第1…《人工智能导论：模型与算法》[83M]百度网盘pdf下载
第1章绪论1．1人工智能的起源1．2可计算载体：形式化与机械化1．3智能计算方法1．3．1符号主义为核心的逻辑推理1．3．2问题求解为核心的探寻搜索1．3．3数据驱动为核心的机器学习1．3．4行为主义为核心的强化学习1．3．5博弈对抗为核心的决策智能1．4本书内容介绍1．5小结习题1参考文献第2章逻辑与推理2．1命题逻辑2．2谓词逻辑2．3知识图谱推理2．3．1FOIL归纳推理2．3．2路径排序推理2．3．3其他知识推理算法2．4因果推理2．4．1辛普森悖论2．4．2因果图的基本概念2．4．3干预的因果效应2．4．4反事实模型2．4．5因果分析的层次化2．5小结习题2参考文献
第3章搜索求解3．1搜索算法基础3．1．1搜索基本问题和求解3．1．2搜索算法的评价指标3．1．3搜索算法框架3．1．4树搜索和图搜索3．2启发式搜索3．2．1启发函数与评价函数3．2．2贪婪最佳优先搜索3．2．3A*搜索3．2．4A*算法性能分析3．3对抗搜索3．3．1最小最大搜索3．3．2Alpha-Beta剪枝算法3．3．3Alpha-Beta剪枝算法性能分析3．4蒙特卡洛树搜索3．4．1探索与利用机制的平衡3．4．2上限置信区间算法3．4．3蒙特卡洛树搜索3．5小结习题3参考文献
第4章机器学习：监督学习4．1机器学习基本概念4．1．1机器学习的种类4．1．2监督学习的基本概念4．2回归分析4．2．1一元线性回归4．2．2多元线性回归4．2．3逻辑斯蒂回归/对数几率回归4．3决策树4．3．1决策树分类案例4．3．2构建决策树4．4线性判别分析4．5AdaBoosting4．5．1可计算学习理论4．5．2AdaBoosting算法4．5．3从霍夫丁不等式解释AdaBoosting算法4．5．4AdaBoosting分类例子4．6支持向量机4．6．1VC维与结构风险最小化4．6．2线性可分支持向量机4．6．3松弛变量，软间隔与hinge损失函数4．6．4核函数解决线性不可分的情况4．7生成学习模型4．8小结习题4参考文献
第5章统计机器学习：无监督学习5．1K均值聚类5．2主成分分析5．2．1方差、协方差和相关系数5．2．2主成分分析5．2．3其他常用降维方法5．3特征人脸方法5．3．1奇异值分解5．3．2特征人脸方法5．4潜在语义分析5．4．1潜在语义分析思想5．4．2潜在语义分析例子5．5期望最大化算法5．5．1二硬币投掷例子5．5．2三硬币投掷例子5．5．3EM算法一般形式5．6小结习题5参考文献
第6章深度学习6．1深度学习的历史发展6．2前馈神经网络6．2．1若干概念6．2．2感知机模型6．2．3参数优化与学习6．3卷积神经网络6．3．1卷积计算6．3．2池化6．3．3神经网络正则化6．4循环神经网络6．4．1循环神经网络模型6．4．2长短时记忆网络6．4．3门控循环单元6．5深度生成学习6．5．1生成对抗网络6．5．2生成对抗网络算法6．5．3条件生成对抗网络6．5．4用生成对抗网络抵御对抗样本攻击6．6深度学习在自然语言和计算机视觉上的应用6．6．1词向量模型6．6．2图像分类与目标定位6．7小结习题6参考文献……
第7章强化学习第8章人工智能博弈第9章人工智能未来发展和趋势
附录设计实验