内容简介
《机器学习vs复杂系统》从跨学科视角来看待人工智能这个技术性的学科。
围绕用数学模型预测未来这一主题,介绍算法,主要包括现在流行的机器学习和深度学习算法,以及算法要解决问题本身的复杂性。
复杂的问题,需要复杂的算法,而算法设计背后的老师正是自然界的复杂性本身。
最终,我们上升到自然界解决复杂性最有利的工具,即人类智能本身,让读者从神经科学的角度再次理解人工智能这个大主题,理解神经科学是如何启发人工智能的,而人工智能又如何帮助我们理解人类智能本身。
《机器学习vs复杂系统》既适合具有高中以上数学知识的一般读者,作为他们了解人工智能和复杂系统领域的科普读物;也适合已经在人工智能领域工作的专业人士,使他们从工程视角之外的更大视角去看待这一领域,获得新的启发。
目录
第一部分 复杂性
1 复杂系统 .. 2
2 用复杂网络看世界经济(阅读难度). 7
3 风险管理策略之复杂科学视角 11
4 从物理角度看复杂 24
第二部分 机器学习
5 白话机器学习(阅读难度) 46
6 浅谈贝叶斯分析 53
7 简单贝叶斯分类器(阅读难度) . 57
8 决策树方法(阅读难度) . 60
9 感知机:神经网络的基础(阅读难度) 64
10 降维:应对复杂的通用武器(阅读难度) .. 67
第三部分 神经网络
11 神经网络不神秘 . 74
12 CNN 的几个关键词(阅读难度) 80
13 时间序列与RNN .. 91
14 会遗忘的神经网络(阅读难度) . 96
15 跟着AlphaGo 理解深度强化学习框架(阅读难度) 100
16 从阿尔法元看强化学习的更广阔潜力 .. 107
第四部分 宇宙间最复杂的就是我们的大脑
17 深层视觉信息的编码机制(阅读难度) . 114
18 大脑的自由能假说——兼论认知科学与机器学习(阅读难度) 121
19 大脑中的支持向量机(阅读难度) . 126
20 机器学习是如何巧妙理解我们大脑的工作原理的
(阅读难度) . 133
21 大脑经济学(阅读难度) 140
22 人工智能vs 人类智能(阅读难度) 149
第五部分 人工智能应用谈
23 人工智能会取代艺术家的工作吗 . 156
24 机器学习预测心理疾病 .. 159
25 人机协作决策的两种方式 . 164
26 小数据机器学习 .. 166
27 用深度学习玩图像的七重关卡 .. 170
28 深度学习助力基因科技 .. 174
29 机器学习对战复杂系统 .. 176
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
