机器学习vs复杂系统

机器学习vs复杂系统

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
7.731 评价豆瓣读书
¥41.30¥11.80
今日特价截止至:2024-03-29 02:00:00了解详情

作品简介

本书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,让读者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。

许铁,法国巴黎高师物理硕士,以色列理工大学(以色列85%科技创业人才的摇篮,计算机科学享誉全球)计算神经科学博士,混沌巡洋舰公共号创始人,巡洋舰科技有限公司创始人,曾在香港浸会大学非线性科学中心工作一年。

作品目录

  1. 作者简介
  2. 内容简介
  3. 第一部分 复杂性
  4. 1 复杂系统
  5. 2 用复杂网络看世界经济(阅读难度★)
  6. 3 风险管理策略之复杂科学视角
  7. 4 从物理角度看复杂
  8. 第二部分 机器学习
  9. 5 白话机器学习(阅读难度★)
  10. 6 浅谈贝叶斯分析
  11. 7 简单贝叶斯分类器(阅读难度★)
  12. 8 决策树方法(阅读难度★★)
  13. 9 感知机:神经网络的基础(阅读难度★★★)
  14. 10 降维:应对复杂的通用武器(阅读难度★)
  15. 第三部分 神经网络
  16. 11 神经网络不神秘
  17. 12 CNN的几个关键词(阅读难度★★★)
  18. 13 时间序列与RNN
  19. 14 会遗忘的神经网络(阅读难度★★★)
  20. 15 跟着AlphaGo理解深度强化学习框架(阅读难度★★★)
  21. 16 从阿尔法元看强化学习的更广阔潜力
  22. 第四部分 宇宙间最复杂的就是我们的大脑
  23. 17 深层视觉信息的编码机制(阅读难度★)
  24. 18 大脑的自由能假说——兼论认知科学与机器学习(阅读难度★★)
  25. 19 大脑中的支持向量机(阅读难度★★★)
  26. 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★★)
  27. 21 大脑经济学(阅读难度★)
  28. 22 人工智能vs人类智能(阅读难度★★)
  29. 第五部分 人工智能应用谈
  30. 23 人工智能会取代艺术家的工作吗
  31. 24 机器学习预测心理疾病
  32. 25 人机协作决策的两种方式
  33. 26 小数据机器学习
  34. 27 用深度学习玩图像的七重关卡
  35. 28 深度学习助力基因科技
  36. 29 机器学习对战复杂系统
载入中

大家都喜欢