第二版前言
□□版前官
□□章 緒論
1.1 人工智能的基本概念
1.□ 人工智能的發(fā)展歷史
1.3 人工智能的研究范式
1.4 人工智能的應用領域
1.5 小結
第□章 基本分類
□.1 分類的概念
□.□ 向量的基本運算
□.3 分類器
□.4 分類識別技術
□.4.1 感知機
□.4.□ 導數(shù)與微分
□.4.3 梯度下降法
□.4.4 SVM
□.5 測試與分類實現(xiàn)
□.5.1 測試
□.5.□ 分類實現(xiàn)
□.5.3 多分類識別
□.6 小結
第3章 回歸與聚類
3.1 基本概念
3.1.1 機器學□□類別
3.1.□ □量之間的關系
3.□ 回歸
3.□.1 回歸的概念
3.□.□ 線性回歸
3.□.3 邏輯回歸
3.3 聚類
3.3.1 聚類的概念
3.3.□ K均值聚類算法
3.3.3 層次聚類算法
3.4 相似度計算
3.5 小結
第4章 神經(jīng)網(wǎng)絡與深度學□<□r> 4.1 人工神經(jīng)網(wǎng)絡的發(fā)展歷史
4.□ 神經(jīng)網(wǎng)絡的分類
4.□.1 生物神經(jīng)網(wǎng)絡
4.□.□ 人工神經(jīng)網(wǎng)絡
4.3 淺層神經(jīng)網(wǎng)絡
4.3.1 多輸出感知機
4.3.□ 多層神經(jīng)網(wǎng)絡
4.4 深度學□<□r> 4.4.1 深度學習模型
4.4.□ 激活函數(shù)
4.4.3 深度學□□特點及發(fā)展
4.5 小結
第5章 圖像信息處理
5.1 人眼成像
5.□ 圖像信息處理的基本概念
5.3 圖像采集及處理發(fā)展歷史
5.4 數(shù)字圖像處理
5.4.1 圖像的基本運算
5.4.□ 圖像增強
5.4.3 圖像分割
5.4.4 圖像壓縮
5.5 數(shù)字圖像分析
5.6 □□分析
5.6.1 □□的概念
5.6.□ 運動檢測
5.6.3 目標跟蹤
5.7 卷積神經(jīng)網(wǎng)絡CNN
5.7.1 卷積
5.7.□ 卷積層
5.7.3 池化層
5.7.4 AlexNet
5.8 小結
第6章 自然語言處理
6.1 自然語言處理的發(fā)展歷史
6.□ 自然語言處理典型應用
6.3 自然語言處理基本技術
6.3.1 詞法分析
6.3.□ 句法分析
6.3.3 語義分析
6.3.4 語用分析
6.4 自然語言特征提取
6.4.1 詞袋模型BOW
6.4.□ N-Gram模型
6.4.3 Word□Vec模型
6.4.4 循環(huán)神經(jīng)網(wǎng)絡RNN
6.5 小結
參考文獻