标签分类
当前位置:首页 > 人工智能电子书 > 极简算法电子书网盘下载
极简算法史:从数学到机器的故事 极简算法史:从数学到机器的故事
hn2xz110

hn2xz110 提供上传

资源
35
粉丝
44
喜欢
185
评论
3

    极简算法史:从数学到机器的故事 PDF 带目录原版

    极简算法电子书
    • 发布时间:

    给大家带来的一篇关于极简算法相关的电子书资源,介绍了关于极简算法、数学、机器、故事方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小2.6 MB,吕克 德 布拉班迪编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.6,更多相关的学习资源可以参阅 人工智能电子书、等栏目。

  • 极简算法史:从数学到机器的故事 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1ARrAD0l3TlSkR5nAWPaEyw
  • 分享码:ock7
  • 极简算法史:从数学到机器的故事 PDF

    简易易读、精妙灵巧的人们数学课与社会学逻辑思维史 讨论有趣的数学难题和思维逻辑迷题 再现思想家、物理学家与逻辑学家与众不同的思维模式 数学课、逻辑学与电子信息科学相互迈向人工智能技术的梦想之旅 

    数学课、逻辑学、电子信息科学几大行业甚为一间,相互成jiu,相互危害。从古希腊哲学到电子计算机,大数字、测算、逻辑推理这种好像简易的定义在3000年里汇融、撞击。如何把逻辑性授予数学课实际意义?怎样从简易与运算迈向繁杂智慧型?这身后填满了人们智慧型的闪亮:从柏拉图、莱布尼茨、罗素、香农到图灵都尝试从数学公式中证实逻辑推理的合理化,创造详细的逻辑思维管理体系。她们是凭技能取胜,還是鲁莽地胆大一拼?这书勾勒了这场人们探寻数学课、优化算法与思维逻辑,并迈向人工智能技术的梦想之旅,呈现了思想家、逻辑学家与物理学家与众不同的思维模式,讨论了优化算法与人工智能技术对科学研究和社会发展的极大危害。

    吕克 德 布拉班迪尔(Luc de Brabandere),丹麦物理学家、逻辑学家、思想家,活跃性于企业运营、管理方法和自主创新对策行业,波士顿咨询公司驻罗马咨询顾问,任教于丹麦鲁汶管理学院和巴黎中央政府理工大学,其自编的“自主创新对策的社会学方式”已在企业管理学与思维模式行业取得成功树立30多年。所著《摆脱逻辑思维里的框》《数学课小社会学》等很多科谱著作。

    目录

    • 第 一部分 莱布尼茨之梦 1
    • 从前的数学故事 3
    • 最美的逻辑故事 13
    • 有缘无分,只因意气不相投 23
    • 第二部分 三座丰碑 43
    • 托马斯 贝叶斯,真正的互联网巨星 45
    • 香农证明,如何计算1  1 57
    • 诺伯特 维纳与控制论 69
    • 第三部分 自动化理性批判 79
    • 连接互联网,却脱离现实 83
    • 算法“布鲁斯” 88
    • 诺查丹玛斯与大数据 95
    • 全球化管理的重要性 100
    • 死亡电脑社 107
    • 人工智能:许多问题之一 112
    • 后记 119
    • 附录 125
    • 答案 126
    • 参考文献 133
    • 人名索引 134

    上一篇:Unity 2D游戏开发从入门到精通  下一篇:运营有道:重新定义互联网运营

    展开 +

    收起 -

    码小辫二维码
     ←点击下载即可登录

    极简算法相关电子书
    学习笔记
    网友NO.350515

    机器学习10大经典算法详解

    本文为大家分享了机器学习10大经典算法,供大家参考,具体内容如下 1、C4.5 C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进: 1)用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足; 2)在树构造过程中进行剪枝; 3)能够完成对连续属性的离散化处理; 4)能够对不完整数据进行处理。 C4.5算法有如下优点:产生的分类规则易于理解,准确率较高。其缺点是:在构造树的过程中,需要对数据集进行多次的顺序扫描和排序,因而导致算法的低效。 2、The k-means algorithm即K-Means算法 k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个群组内部的均方误差总和最小。 3、Support vector machines支持向量机 支持向量机(Support Vector Machine),简称SV机(论文中一般简称SVM)。它是一种监督式学习的方法,它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里,在这个空间里建立有一个最大间隔超平面。在分开数据的……

    网友NO.180914

    给你选择Python语言实现机器学习算法的三大理由

    基于以下三个原因,我们选择Python作为实现机器学习算法的编程语言:(1) Python的语法清晰;(2) 易于操作纯文本文件;(3) 使用广泛,存在大量的开发文档。 可执行伪代码 Python具有清晰的语法结构,大家也把它称作可执行伪代码(executable pseudo-code)。默认安装的Python开发环境已经附带了很多高级数据类型,如列表、元组、字典、集合、队列等,无需进一步编程就可以使用这些数据类型的操作。使用这些数据类型使得实现抽象的数学概念非常简单。此外,读者还可以使用自己熟悉的编程风格,如面向对象编程、面向过程编程、或者函数式编程。不熟悉Python的读者可以参阅附录A,该附录详细介绍了Python语言、Python使用的数据类型以及安装指南。 Python语言处理和操作文本文件非常简单,非常易于处理非数值型数据。Python语言提供了丰富的正则表达式函数以及很多访问Web页面的函数库,使得从HTML中提取数据变得非常简单直观。 Python比较流行 Python语言使用广泛,代码范例也很多,便于读者快速学习和掌握。此外,在开发实际应用程序时,也可以利用丰富的模块库缩短开发周期。 在科学和金融领域,Python语言得到了广泛应用。SciPy和NumPy等许多科学函数库都实现了向量和矩阵操作,这些函数库增加了代码的可读性,学过线性代数的……

    网友NO.759591

    Python机器学习算法之k均值聚类(k-means)

    一开始的目的是学习十大挖掘算法(机器学习算法),并用编码实现一遍,但越往后学习,越往后实现编码,越发现自己的编码水平低下,学习能力低。这一个k-means算法用Python实现竟用了三天时间,可见编码水平之低,而且在编码的过程中看了别人的编码,才发现自己对numpy认识和运用的不足,在自己的代码中有很多可以优化的地方,比如求均值的地方可以用mean直接对数组求均值,再比如去最小值的下标,我用的是argsort排序再取列表第一个,但是有argmin可以直接用啊。下面的代码中这些可以优化的并没有改,这么做的原因是希望做到抛砖引玉,欢迎大家丢玉,如果能给出优化方法就更好了 一.k-means算法 人以类聚,物以群分,k-means聚类算法就是体现。数学公式不要,直接用白话描述的步骤就是: 1.随机选取k个质心(k值取决于你想聚成几类) 2.计算样本到质心的距离,距离质心距离近的归为一类,分为k类 3.求出分类后的每类的新质心 4.判断新旧质心是否相同,如果相同就代表已经聚类成功,如果没有就循环2-3直到相同 用程序的语言描述就是: 1.输入样本 2.随机去k个质心 3.重复下面过程知道算法收敛: 计算样本到质心距离(欧几里得距离) 样本距离哪个质心近,就记为那一类 计算每个类别的新质心(平均值) 二.需求分……

    网友NO.844570

    python机器学习案例教程——K最近邻算法的实现

    K最近邻属于一种分类算法,他的解释最容易,近朱者赤,近墨者黑,我们想看一个人是什么样的,看他的朋友是什么样的就可以了。当然其他还牵着到,看哪方面和朋友比较接近(对象特征),怎样才算是跟朋友亲近,一起吃饭还是一起逛街算是亲近(距离函数),根据朋友的优秀不优秀如何评判目标任务优秀不优秀(分类算法),是否不同优秀程度的朋友和不同的接近程度要考虑一下(距离权重),看几个朋友合适(k值),能否以分数的形式表示优秀度(概率分布)。 K最近邻概念: 它的工作原理是:存在一个样本数据集合,也称作为训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后,将新的数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本最相似数据(最近邻)的分类标签。一般来说,我们只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k是不大于20的整数。最后,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。 今天我们使用k最近邻算法来构建白酒的价格模型。 构造数据集 构建一个葡萄酒样本数据集。白酒的价格跟等级、年代有很大的关系。 from random import random,randinti……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明