人工智能算法（卷1）：根本算法，笔墨可复制，高清PDF资源，须要的可以私我 ：）
内容先容：
算法是人工智能技能的核心。本书先容了人工智能的根本算法，全书共10章，涉及维度法、间隔度量算法、K均值聚类算法、偏差打算、爬山算法、仿照退火算法、Nelder-Mead算法和线性回归算法等。书中所有算法均配以详细的数值打算来进行讲解，读者可以自行考试测验。每章都配有程序示例，GitHub上有多种措辞版本的示例代码可供下载。本书适宜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。
作者先容：杰弗瑞·希顿（Jeffery Heaton）既是一位生动的技能博主、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的高等会员、Sun认证Java程序员、开源机器学习框架Encog的首席开拓职员。
本书目录：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 理解演习过程1.5 本章小结第2章 数据归一化2.1 计量尺度2.2 不雅观测值归一化2.3 其他归一化方法2.4 本章小结第3章 间隔度量3.1 理解向量3.2 打算向量间隔3.3 光学字符识别3.4 本章小结第4章 随机数天生4.1 伪随机数天生算法的观点4.2 随机数分布类型4.3 轮盘仿照法4.4 伪随机数天生算法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 理解演习集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 偏差打算6.1 方差和偏差6.2 均方根偏差6.3 均方偏差6.4 偏差打算方法的比较6.5 本章小结第7章 迈向机器学习7.1 多项式系数7.2 演习入门7.3 径向基函数网络7.4 本章小结第8章 优化演习8.1 爬山算法8.2 仿照退火算法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 示例代码利用解释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
人工智能算法（卷1）：根本算法，笔墨可复制，高清PDF资源，须要的可以私我 ：）