作 者:刘峡壁,马霄虹,高一轩 著
定 价:98
出 版 社:国防工业出版社
出版日期:2020年08月01日
页 数:376
装 帧:平装
ISBN:9787118121209
●章绪论
1．1人工智能及其实现途径
1．1．1智能的外在表现与模拟
1．1．2机器学习
1．1．3人工神经网络
1．2机器学习简史
1．3人工神经网络简史
1．4本书内容与组织
参考文献
第2章机器学习基础
2．1机器学习
2．2机器学习方式
2．3归纳学习类型
2．3．1监督学习
2．3．2非监督学习
2．3．3半监督学习
2．3．4强化学习
2．3．5各学习类型的特点与共性
2．4特定学习概念
2．4．1生成学习与判别学习
2．4．2度量学习
2．4．3在线学习／递增学习
2．4．4反馈学习
2．4．5多任务学习
2．4．6深度学习
2．4．7迁移学习
2．4．8流形学习
2．4．9多示例学习
2．5对学习算法的评价
2．5．1过学习与泛化
2．5．2偏置
2．5．3数据鲁棒性
2．5．4计算复杂性
2．5．5透明性
参考文献
第3章监督学习
3．1函数形式
3．1．1显式表示形式
3．1．2隐式表示形式
3．1．3数据点表示形式
3．2优化目标
3．2．1小平方误差
3．2．2小化熵
3．2．3极大似然估计
3．2．4极大后验概率估计
3．2．5小描述长度
3．3记忆学习
3．4决策树学习
3．4．1决策树
3．4．2基于信息增益的决策树生成算法（ID3算法）
3．4．3ID3算法的过学习问题与对策
3．4．4基于小描述长度准则的决策树学习算法
3．5支持向量机
……
第4章相似性度量
第5章聚类方法
第6章关联规则挖掘方法
第7章半监督学习方法
第8章强化学习
第9章人工神经网络基础
0章前馈神经网络
1章反馈神经网络
2章结语
《人工智能：机器学习与神经网络》以人工智能实现算法为视角，系统阐述机器学习与人工神经网络这彼此紧密联系的人工智能实现途径中的主要问题与解决方法。对于机器学习，在深入理解机器学习任务与关键问题的基础上，探讨监督学习、非监督学习、半监督学习、强化学习这四大类归纳学习问题的本质特性及其解决方案，同时论述作为归纳学习基础的相似性计算问题及其解决方法。对于人工神经网络，按照其关键问题是网络拓扑结构与学习方法的认识，分为前馈网络与反馈网络这两大类网络结构，阐述主要计算模型及其学习方法。后对机器学习与人工神经网络下一步的发展趋势进行了展望。
