人工智能算法(Python語言版)
胡礦、岳昆、段亮、武浩
買這商品的人也買了...
-
$3,350$3,183 -
$229JavaScript 入門經典(第5版) (Sams Teach Yourself JavaScript in 24 Hours, 5/e)
-
$250雲計算概論
-
$347新手學 JavaScript 編程(第4版)(JavaScript: A Beginner's Guide, 4/e)
-
$250大數據治理(Big Data Governance: An Emerging Imperative)
-
$250雲計算安全技術與應用
-
$454精通 Linux 設備驅動程序開發 (Essential Linux Device Drivers)
-
$352Python 與機器學習實戰:決策樹、集成學習、支持向量機與神經網絡算法詳解及編程實現
-
$403深度學習 : 捲積神經網絡從入門到精通
-
$398群體智能與仿生計算:Matlab 技術實現, 2/e
-
$505趣學 Python 算法 100例
-
$564神經反饋原理與實踐
-
$509人工智能算法大全 :基於 MATLAB
-
$1,200$948 -
$458Python算法的奇妙之旅
-
$403Python 圖像處理與採集, 2/e
-
$458深度學習與醫學圖像處理
相關主題
商品描述
目錄大綱
目錄
第1章算法設計與分析基礎3
1.1概述3
1.2算法的基本概念3
1.3算法效率分析5
1.3.1漸進時間的概念5
1.3.2漸進時間的符號6
1.3.3漸進符號的性質7
1.4算法的最壞和平均情況分析8
1.5算法運行時間估計9
1.6小結11
習題11
第2章分治法13
2.1分治法概述13
2.2合並排序14
2.3Python程序示例19
2.4小結20
習題20
第3章減治法22
3.1減治法概述22
3.2拓撲排序24
3.3Python程序示例27
3.4小結27
習題28
第4章貪心法29
4.1貪心法概述29
4.2哈夫曼編碼30
4.2.1前綴碼31
4.2.2算法步驟31
4.2.3算法正確性證明32
4.3Python程序示例34
4.4小結35
習題35
第5章動態規劃法37
5.1動態規劃概述37
5.201背包問題38
5.2.1最優子結構性質38
5.2.2遞推式39
5.2.3算法步驟39
5.3Python程序示例43
5.4小結44
習題44
第6章回溯法46
6.1回溯法概述46
6.2n後問題的回溯算法48
6.2.1問題描述48
6.2.2算法步驟48
6.3Python程序示例51
6.4小結52
習題52
第7章分支限界法53
7.1分支限界法概述53
7.201背包問題的分支限界算法55
7.2.1廣度優先搜索分支限界算法55
7.2.2優先隊列式分支限界算法57
7.3Python程序示例60
7.4小結62
習題63
提高篇數據挖掘算法
第8章分類算法67
8.1分類算法概述67
8.2決策樹67
8.2.1基本概念68
8.2.2構造算法68
8.2.3分類規則的提取71
8.3支持向量機71
8.3.1基本概念72
8.3.2訓練算法72
8.3.3核函數75
8.4貝葉斯分類75
8.4.1基本思想76
8.4.2樸素貝葉斯分類算法77
8.5Python程序示例79
8.6小結85
思考題86
第9章聚類算法87
9.1聚類算法概述87
9.2k均值算法89
9.2.1基本思想89
9.2.2算法步驟90
9.3基於MapReduce的k均值並行聚類算法91
9.3.1基本思想91
9.3.2算法步驟91
9.4Python程序示例93
9.5小結95
思考題96
第10章異常檢測算法97
10.1異常檢測概述97
10.2局部異常因子算法97
10.2.1基本思想98
10.2.2算法步驟100
10.3基於聚類的局部異常因子算法103
10.3.1基本思想103
10.3.2算法步驟103
10.4Python程序示例107
10.5小結111
思考題112
第11章頻繁模式挖掘算法113
11.1頻繁模式挖掘概述113
11.2Apriori算法114
11.2.1基本概念114
11.2.2基本思想115
11.2.3算法步驟116
11.2.4關聯規則的生成118
11.3Python程序示例119
11.4小結121
思考題122
第12章鏈接分析算法123
12.1鏈接分析概述123
12.2PageRank算法124
12.2.1基本思想124
12.2.2算法步驟125
12.3基於MapReduce的PageRank算法127
12.3.1基本思想127
12.3.2算法步驟128
12.4Python程序示例130
12.5小結131
思考題131
第13章概率推理算法132
13.1概率推理概述132
13.2貝葉斯網的構建133
13.2.1基本概念133
13.2.2學習算法133
13.3基於貝葉斯網的概率推理138
13.3.1精確推理算法138
13.3.2近似推理算法141
13.4Python程序示例143
13.5小結148
思考題148
新技術篇深度學習算法
第14章人工神經網絡和深度學習概述153
14.1人工神經網絡153
14.1.1神經元模型153
14.1.2感知機154
14.1.3多層神經網絡156
14.2深度學習159
14.3小結160
思考題161
第15章降維算法162
15.1降維算法概述162
15.2自編碼器概述163
15.2.1自編碼器164
15.2.2自編碼器的改進166
15.3變分自編碼器168
15.4生成對抗網絡171
15.5Python程序示例174
15.6小結182
思考題183
第16章目標檢測算法184
16.1目標檢測算法概述184
16.2捲積神經網絡185
16.2.1模型結構185
16.2.2模型訓練和預測187
16.3YOLO算法190
16.4Python程序示例194
16.5小結197
思考題198
第17章問答系統算法199
17.1問答系統概述199
17.2面向問答系統的深度學習算法200
17.2.1循環神經網絡200
17.2.2長短期記憶網絡203
17.3基於LSTM的問答系統構建207
17.4Python程序示例210
17.5小結216
思考題217
第18章圖分析算法218
18.1圖分析概述218
18.2圖神經網絡219
18.3基於圖捲積網絡的圖節點分類220
18.4Python程序示例224
18.5小結227
思考題227
附錄A在線編程平臺和案例庫使用指南228
參考文獻233