人工智能算法 卷1 基礎(chǔ)算法

第 1 章 AI 入門(mén) 1
1．1 與人類(lèi)大腦的聯(lián)系 2
1．1．1 大腦和真實(shí)世界 3
1．1．2 缸中之腦 5
1．2 對(duì)問(wèn)題建模 6
1．2．1 大腦和真實(shí)世界 7
1．2．2 回歸分析 9
1．2．3 聚類(lèi)問(wèn)題 10
1．2．4 時(shí)序問(wèn)題 10
1．3 對(duì)輸入/ 輸出建模 11
1．3．1 一個(gè)簡(jiǎn)單的例子 15
1．3．2 燃油效率 16
1．3．3 向算法傳入圖像 18
1．3．4 金融算法 20
1．4 理解訓(xùn)練過(guò)程 21
1．4．1 評(píng)估成果 22
1．4．2 批量學(xué)習(xí)和在線學(xué)習(xí) 22
1．4．3 監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí) 23
1．4．4 隨機(jī)學(xué)習(xí)和確定學(xué)習(xí) 23
1．5 本章小結(jié) 23
第 2 章 數(shù)據(jù)歸一化 25
2．1 計(jì)量尺度 25
2．2 觀測(cè)值歸一化 29
2．2．1 名義量歸一化 30
2．2．2 順序量歸一化 32
2．2．3 順序量解歸一化 34
2．2．4 數(shù)字量歸一化 35
2．2．5 數(shù)字量解歸一化 37
2．3 其他歸一化方法 38
2．3．1 倒數(shù)歸一化 38
2．3．2 倒數(shù)解歸一化 38
2．3．3 理解等邊編碼法 39
2．3．4 等邊編碼法的實(shí)現(xiàn) 41
2．4 本章小結(jié) 45
第3 章 距離度量 47
3．1 理解向量 47
3．2 計(jì)算向量距離 49
3．2．1 歐氏距離 49
3．2．2 曼哈頓距離 51
3．2．3 切比雪夫距離 53
3．3 光學(xué)字符識(shí)別 54
3．4 本章小結(jié) 57
第4 章 隨機(jī)數(shù)生成 59
4．1 偽隨機(jī)數(shù)生成算法的概念 60
4．2 隨機(jī)數(shù)分布類(lèi)型 61
4．3 輪盤(pán)模擬法 64
4．4 偽隨機(jī)數(shù)生成算法 65
4．4．1 線性同余生成法 66
4．4．2 進(jìn)位乘數(shù)法 67
4．4．3 梅森旋轉(zhuǎn)算法 68
4．4．4 Box-Muller 轉(zhuǎn)換法 70
4．5 用蒙特卡洛方法估算PI 值 72
4．6 本章小結(jié) 74
第5 章 K 均值聚類(lèi)算法 75
5．1 理解訓(xùn)練集 77
5．1．1 非監(jiān)督學(xué)習(xí) 77
5．1．2 監(jiān)督學(xué)習(xí) 80
5．2 理解K 均值算法 80
5．2．1 分配 81
5．2．2 更新 83
5．3 K 均值算法的初始化 84
5．3．1 隨機(jī)K 均值初始化 84
5．3．2 K 均值算法的Forgy 初始化 87
5．4 本章小結(jié) 90
第6 章 誤差計(jì)算 91
6．1 方差和誤差 92
6．2 均方根誤差 93
6．3 均方誤差 93
6．4 誤差計(jì)算方法的比較 94
6．5 本章小結(jié) 96
第7 章 邁向機(jī)器學(xué)習(xí) 97
7．1 多項(xiàng)式系數(shù) 99
7．2 訓(xùn)練入門(mén) 101
7．3 徑向基函數(shù)網(wǎng)絡(luò) 103
7．3．1 徑向基函數(shù) 104
7．3．2 徑向基函數(shù)網(wǎng)絡(luò) 107
7．3．3 實(shí)現(xiàn)徑向基函數(shù)網(wǎng)絡(luò) 109
7．3．4 應(yīng)用徑向基函數(shù)網(wǎng)絡(luò) 113
7．4 本章小結(jié) 115
第8 章 優(yōu)化訓(xùn)練 117
8．1 爬山算法 117
8．2 模擬退火算法 121
8．2．1 模擬退火算法的應(yīng)用 122
8．2．2 模擬退火算法 123
8．2．3 冷卻進(jìn)度 126
8．2．4 退火概率 127
8．3 Nelder-Mead 算法 128
8．3．1 反射 130
8．3．2 擴(kuò)張操作 131
8．3．3 收縮操作 132
8．4 Nelder-Mead 算法的終止條件 133
8．5 本章小結(jié) 134
第9 章 離散優(yōu)化 135
9．1 旅行商問(wèn)題 135
9．1．1 旅行商問(wèn)題簡(jiǎn)要說(shuō)明 136
9．1．2 旅行商問(wèn)題求解的實(shí)現(xiàn) 137
9．2 環(huán)形旅行商問(wèn)題 138
9．3 背包問(wèn)題 139
9．3．1 背包問(wèn)題簡(jiǎn)要說(shuō)明 140
9．3．2 背包問(wèn)題求解的實(shí)現(xiàn) 141
9．4 本章小結(jié) 143
第 10 章 線性回歸 144
10．1 線性回歸 144
10．1．1 最小二乘法擬合 146
10．1．2 最小二乘法擬合示例 148
10．1．3 安斯庫(kù)姆四重奏 149
10．1．4 鮑魚(yú)數(shù)據(jù)集 151
10．2 廣義線性模型 152
10．3 本章小結(jié) 155
附錄A 示例代碼使用說(shuō)明 157
A．1 “讀懂人工智能”系列書(shū)簡(jiǎn)介 157
A．2 保持更新 157
A．3 獲取示例代碼 158
A．4 示例代碼的內(nèi)容 159
A．5 如何為項(xiàng)目做貢獻(xiàn) 163
參考資料 164