內容簡介
本書全面講述人工智能算法的理論基礎和案例編程實現。第1章簡要介紹機器學習的發展及其應用。第2章和第3章主要介紹機器學習經典分類算法、聚類算法、集成算法和隨機森林算法,以及這些算法的具體內容、算法原理和案例編程實現。第4章介紹了深度學習的概念、原理、研究現狀,以及典型的神經網絡及其相關網絡的案例編程實現。第5章介紹了強化學習的發展及其相關算法,包括Q-學習算法、蒙特卡洛算法和動態規劃算法,以及這些算法的原理和案例編程實現。第6章介紹了遷移學習的發展及其相關算法,主要包括TrAdaBoost算法和層次貝葉斯算法,以及這些算法的原理和案例編程實現。第7章主要介紹了聯邦學習的研究現狀和相關算法,涉及聯邦平均算法和縱向聯邦學習算法,以及算法的原理和案例編程實現。第8章介紹了因果學習的研究現狀和典型模型算法,包括結果因果模型和多變量結構識別算法,還有這些模型和算法的原理以及案例編程實現。第9章和第10章分別介紹了文本挖掘和圖像處理的研究現狀,以及應用於文本和圖像的一些算法,涉及算法的原理介紹和案例編程實現。第11章介紹了人工智能大模型的發展及研究現狀,包括Transformer和GPT,以及相關的改進模型,並對其中典型的模型應用案例進行了分析。本書可作為計算機科學與技術、智能科學與技術、人工智能等專業高年級本科生和研究生教材,也可供從事或有志於人工智能行業的研究人員和從業者參考。