人工智能算法（卷1）：基础算法-历史文化-社会科学-太极之巅书单号

书刊介绍

《人工智能算法（卷1）：基础算法》内容简介

算法是人工智能技术的核心。本书介绍了人工智能的基础算法，全书共10章，涉及维度法、距离度量算法、K均值聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead算法和线性回归算法等。书中所有算法均配以具体的数值计算来进行讲解，读者可以自行尝试。每章都配有程序示例，GitHub上有多种语言版本的示例代码可供下载。本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者阅读参考。
杰弗瑞·希顿（Jeffery Heaton），既是一位活跃的技术博主、开源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的高级会员、Sun认证Java程序员、开源机器学习框架Encog的首席开发人员。

作品目录

内容提要
前言
/
PREFACE
资源与支持
第1章：AI入门
1.1、与人类大脑的联系
1.2、对问题建模
1.3、对输入/输出建模
1.4、理解训练过程
1.5、本章小结
第2章：数据归一化
2.1、计量尺度
2.2、观测值归一化
2.3、其他归一化方法
2.4、本章小结
第3章：距离度量
3.1、理解向量
3.2、计算向量距离
3.3、光学字符识别
3.4、本章小结
第4章：随机数生成
4.1、伪随机数生成算法的概念
4.2、随机数分布类型
4.3、轮盘模拟法
4.4、伪随机数生成算法
4.5、用蒙特卡洛方法估算PI值
4.6、本章小结
第5章：K均值聚类算法
5.1、理解训练集
5.2、理解K均值算法
5.3、K均值算法的初始化
5.4、本章小结
第6章：误差计算
6.1、方差和误差
6.2、均方根误差
6.3、均方误差
6.4、误差计算方法的比较
6.5、本章小结
第7章：迈向机器学习
7.1、多项式系数
7.2、训练入门
7.3、径向基函数网络
7.4、本章小结
第8章：优化训练
8.1、爬山算法
8.2、模拟退火算法
8.3、Nelder-Mead算法
8.4、Nelder-Mead算法的终止条件
8.5、本章小结
第9章：离散优化
9.1、旅行商问题
9.2、环形旅行商问题
9.3、背包问题
9.4、本章小结
第10章：线性回归
10.1、线性回归
10.2、广义线性模型
10.3、本章小结
附录A
示例代码使用说明
A.1、系列图书简介
A.2、保持更新
A.3、获取示例代码
A.4、示例代码的内容
A.5、如何为项目做贡献
参考资料