图书简介
十四五规划教材本书聚焦人工智能最新理论与实践，以经典人工神经网络、支持向量机为基础，以深度学习、强化学习、深度强化学习为核心，风格深入浅出。配套资源包括理论讲解视频、PPT、算法实践的程序辅导视频与代码，每章附习题。
理论扎实
从经典神经网络到前沿Transformer，系统讲解AI核心理论
实践导向
每章配套代码实践，包含视频辅导，学以致用
内容前沿
涵盖深度强化学习、DQN、PPO等最新技术
资源丰富
配套视频、PPT、代码、习题，全方位学习支持
目录框架
第1章 经典人工神经网络
- 生物神经元结构、信息传递与整合
- 人工神经元的符号与数学描述
- 激活函数
- 单层与多层感知机
- BP人工神经网络
第2章 支持向量机
- SVM基本思想与发展历程
- 线性与非线性可分分类间隔
- 软间隔SVM
- 核函数
- SMO算法
- 实践：IRIS鸢尾花数据分类
第3章 卷积神经网络
- CNN基本思想
- 卷积层、池化层、全连接层
- 经典模型：LeNet、AlexNet、ZFNet、GoogLeNet、ResNet
- 实践：MNIST手写数字分类
第4章 循环神经网络
- RNN基本结构
- RNN的循环传播与长期记忆缺陷
- LSTM结构与门控机制
- 实践：LSTM股票价格预测
第5章 Transformer模型
- Transformer总体思想与框架
- 输入信息编码
- 自注意力机制：计算、缩放、多头结构
- 编码器与解码器整体结构
- 实践：电影评论情感分析
第6章 强化学习
- 强化学习基本概念（智能体、环境交互、动态函数等）
- 马尔可夫决策过程
- 无模型与基于模型的强化学习方法
- 实践：Q-Learning算法（6格环境达目标）
第7章 深度强化学习
- 深度强化学习的基本思想与面临问题
- DQN：基础框架与改进算法
- 策略梯度方法
- PPO算法
- 实践：DQN月球着陆器、PPO平衡杆
适用场景
- 普通高等院校本科生人工智能类课程教材
- 研究生人工智能相关课程教材
- 科技工作者自学参考书
- 对AI理论与实践感兴趣的学习者
配套资源
- 理论讲解视频
- PPT课件
- 算法实践的程序辅导视频
- 完整示例代码
- 每章习题
学习收获
- 掌握人工智能核心理论基础
- 理解神经网络、深度学习、强化学习的原理
- 能够实现经典AI算法
- 具备解决实际AI问题的能力
- 跟上人工智能技术前沿发展