TOP
0
0
魅麗。花火原創小說66折起
從零開始讀懂量子力學(精裝加強版)(簡體書)
滿額折
從零開始讀懂量子力學(精裝加強版)(簡體書)
從零開始讀懂量子力學(精裝加強版)(簡體書)
從零開始讀懂量子力學(精裝加強版)(簡體書)
從零開始讀懂量子力學(精裝加強版)(簡體書)
從零開始讀懂量子力學(精裝加強版)(簡體書)
從零開始讀懂量子力學(精裝加強版)(簡體書)
從零開始讀懂量子力學(精裝加強版)(簡體書)

從零開始讀懂量子力學(精裝加強版)(簡體書)

人民幣定價:88 元
定  價:NT$ 528 元
優惠價:87459
領券後再享89折
海外有庫存,下單後進貨(等候期約20個工作天)
可得紅利積點:13 點
相關商品
商品簡介
作者簡介
名人/編輯推薦
目次

商品簡介

量子力學是現代物理學的基石,推動了科學技術的快速發展。在今天,量子依然是新聞熱點。

本書將為廣大科技愛好者系統、嚴謹地介紹量子力學的基本原理和應用。讀者需要熟悉高中物理和數學的相關內容,願意學習科學的思維方式。雖然量子力學是一門有著神秘面紗、打破生活常識、顛覆人類認知的現代科學,但是讀者只要願意隨著本書一起思考,就一定能夠清楚地了解量子力學理論的基本概念,最終全面認識它在科學體系中的作用和對現代技術的貢獻。

本書的敘述方式是一邊講解科學理論,一邊介紹重要的實驗現象和科學原理的應用。本書在第一篇中依次講解了狀態疊加、波粒二象性、不確定性原理等基本概念;在第二篇中介紹了量子力學在凝聚態物理和基本粒子物理領域中的應用。同時,對由量子力學催生的現代電子技術,也著重做了介紹。


作者簡介

戴瑾,畢業於北京大學物理系。早年從事理論物理學研究。赴美國德克薩斯大學留學,加入了諾貝爾物理獎獲得者溫伯格的研究小組,師從基礎物理突破獎獲得者Joeseph Polchinski教授,獲得博士學位。與Polchinski共同創造了超弦理論中的D-膜分支。後又在無線通信和半導體芯片領域工作二十余年。現任某半導體公司高管。


名人/編輯推薦

(1)精心打磨,精裝加強版。每章增加了背景知識和一些相關的理論實驗介紹, 新增了“再讀量子計算機”章節,討論現代量子科技的前沿話題。手繪21幅物理插畫,展現了奇妙的量子世界。

(2)新增了作者本人創作的科技詩詞,獨屬於物理的浪漫,邀大家共賞!

(3)概念清晰解釋,原理準確表達。本書對量子力學做了嚴謹的科普,回避了複雜的數學表述和方程式,並力求對基本概念清晰解釋,對科學原理準確表達。

(4)量子力學的前沿應用。為了展示科學的力量,使閱讀更加有趣,本書穿插了大量量子力學原理在技術領域中的應用,包括 掃描隧道顯微鏡、光譜分析、手機內的攝像傳感器原理、超導計算機、量子計算機等。


前言

為什麼要寫這本書?

2016 年,“AlphaGo”在人機圍棋比賽中以大比分戰勝中韓圍棋高手,使“人工智能”迅速家喻戶 曉。2017年 7月,國務院印發《新一代人工智能發展規劃》,提出了面向 2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施,部署構筑我國人工智能發展的先發優勢,加快建設創新型國家和世界科技強國。

在這股人工智能浪潮中,快速掌握人工智能基本知識已經迫在眉睫。然而,在人工智能算法的學習過程中,很多初學者遭遇的挫折多半來自看不懂算法的數學推導過程,進而無法理解算法原理,在應用中只能調整參數或換工具包,卻很難使用和優化算法。本書旨在幫助讀者解決人工智能基本算法學習中遇到的困擾,幫助初學數據科學與人工智能的讀者快速掌握基本算法知識和實際應用方法,為進一步使用人工智能算法解決實際問題打下基礎。

本書學習路線

本書總結了作者多年的教學實踐經驗,為讀者設計了最佳的學習路線。

讀者物件

◆已經開啟職業生涯的人工智能研究者。

◆沒有人工智能或統計學學習經歷,但希望能快速地掌握這方面的知識,並在項目產品或平臺

中使用人工智能的軟件工程師。

◆相關專業的教師和學生。

本書特色

◆零基礎也能入門。

無論您是否從事計算機相關行業,是否接觸過人工智能,都能通過本書實現快速入門。

◆理論和實踐相結合。

書中的“編程練習”板塊是根據所在章節的理論知識點精心設計的,讀者可以通過綜合案例進行實踐操作,理論聯繫實際,將所學算法應用於解決實際問題。

書中的“面試真題”板塊選取了部分人工智能公司面試時可能會測驗的經典算法題,這些題型不僅可以復習所學算法的主要知識點,而且便於讀者對知識點加以總結,形成記憶。

作者團隊

本書由唐宇迪、史衛亞、羅召勇、李琳、侯惠芳編著。其中第0、11、15~19章由史衛亞老師編寫;第1~9章由羅召勇老師編寫;第10、12章由李琳老師編寫;第13、14章由侯惠芳老師編寫,全書由唐宇迪統稿。在編寫過程中,編者竭盡所能地為讀者呈現最好、最全的實用基礎知識,若仍存在疏漏和不妥之處,敬請廣大讀者指正。


目次

第0章 人工智能與算法 1

0.1 人工智能發展的水平 ……………………2

0.2 人工智能技術總覽 ………………………3

0.2.1 機器學習算法的基本概念…………3

0.2.2 機器學習的流程……………………5

0.2.3 機器學習算法的分類………………5

0.3 算法在人工智能技術中的地位 …………9

0.4 學好算法能有哪些競爭優勢……………10

第1章 排序算法 12

1.1 冒泡排序(Bubble Sort) ………………13

1.2 直接插入排序(Insert Sort)……………20

1.3 直接選擇排序(Select Sort)……………24

1.4 升 級 版 冒 泡 排 序 —— 快 速 排 (QuickSort) …………………………………26

1.5 升 級 版 插 入 排 序 —— 希 爾 排 序(ShellSort) ………………………………29

1.6 升級版選擇排序——堆排序(Heap Sort)…………………………………………31

1.7 歸並排序(Merge Sort)…………………34

1.8 基數排序(Radix Sort)…………………36

1.9 應用:應該使用哪種排序算法 …………40

1.10 高手點撥 ………………………………42

1.11 編程練習 ………………………………42

1.12 面試真題 ………………………………42

第2章 查找算法 43

2.1 線性查找(Line Search)——傻瓜式查找 ……………………………………44

2.2 二分查找(Binary Search)——排除另一半 ……………………………………44

2.3 插值查找(Insert Search)——預判位置 ……………………………………45

2.4 斐波那契查找(Fibonacci Search)——黃金分割法 ………………………………46

2.5 樹結構查找(Tree Search) ……………48

2.6 散列查找(Hash Search)………………48

2.7 應用:自實現indexOf函數 ……………49

2.8 高手點撥…………………………………49

2.9 編程練習…………………………………50

2.10 面試真題 ………………………………50

第3章 字符串算法 51

3.1 樸素算法…………………………………52

3.2 KMP算法 ………………………………53

3.3 Boyer-Moore算法 ……………………55

3.4 Rabin-Karp算法 ………………………59

3.5 Trie樹 ……………………………………59

3.6 應用:AC自動機算法……………………60

3.7 高手點撥…………………………………64

3.8 編程練習…………………………………65

3.9 面試真題…………………………………65

第4章 線性結構 66

4.1 鏈表………………………………………67

4.1.1 單鏈表 ……………………………67

4.1.2 雙向鏈表 …………………………68

4.1.3 單向循環鏈表 ……………………69

4.1.4 雙向循環鏈表 ……………………70

4.2 棧…………………………………………72

4.3 隊列………………………………………73

4.3.1 普通隊列 …………………………73

4.3.2 雙端隊列 …………………………73

4.3.3 阻塞隊列 …………………………74

4.4 應用:逆波蘭計算器 ……………………74

4.5 高手點撥…………………………………81

4.6 編程練習…………………………………82

4.7 面試真題…………………………………82

第5章 樹結構 83

5.1 樹結構概述………………………………84

5.2 二叉樹 …………………………………84

5.2.1 列表存儲的二叉樹 ………………86

5.2.2 物件存儲的二叉樹 ………………86

5.2.3 二叉樹的遍歷 ……………………87

5.3 線索二叉樹………………………………90

5.4 二叉查找樹………………………………92

5.4.1 AVL樹 ……………………………94

5.4.2 紅黑樹 …………………………103

5.5 K近鄰算法與k-d樹 …………………111

5.6 赫夫曼樹 ………………………………119

5.6.1 赫夫曼樹的構建 ………………119

5.6.2 應用:數據壓縮與解壓縮 ………122

5.7 多路查找樹 ……………………………134

5.7.1 2-3樹 …………………………134

5.7.2 B樹………………………………140

5.7.3 B+樹 ……………………………140

5.8 高手點撥 ………………………………141

5.9 編程練習 ………………………………141

5.10 面試真題 ……………………………142

第6章 堆結構 143

6.1 二叉堆 …………………………………144

6.2 d-堆 ……………………………………144

6.3 二項堆 …………………………………145

6.4 斐波那契堆 ……………………………148

6.5 左式堆 …………………………………150

6.6 斜堆 ……………………………………152

6.7 應用:優先隊列 ………………………152

6.8 高手點撥 ………………………………153

6.9 編程練習 ………………………………153

6.10 面試真題 ……………………………153

第7章 散列結構 154

7.1 散列概述 ………………………………155

7.2 散列函數的設計 ………………………156

7.2.1 直接定址法 ……………………157

7.2.2 相乘取整法 ……………………157

7.2.3 平方取中法 ……………………157

7.2.4 除留取余法 ……………………157

7.2.5 隨機數法 ………………………157

7.3 解決衝突 ………………………………157

7.3.1 線性探測法 ……………………158

7.3.2 平方探測法 ……………………158

7.3.3 鏈地址法 ………………………159

7.4 完美散列 ………………………………160

7.5 應用 ……………………………………161

7.6 高手點撥 ………………………………162

7.7 編程練習 ………………………………162

7.8 面試真題 ………………………………162

第8章 圖結構 163

8.1 圖結構概述 ……………………………164

8.2 圖的存儲 ………………………………167

8.3 圖的搜索 ………………………………170

8.4 拓撲排序 ………………………………173

8.5 應用:修路問題 ………………………175

8.6 高手點撥 ………………………………178

8.7 編程練習 ………………………………179

8.8 面試真題 ………………………………179

第9章 遞歸算法 180

9.1 遞歸的概述 ……………………………181

9.2 應用:漢諾塔問題 ……………………183

9.3 高手點撥 ………………………………185

9.4 編程練習 ………………………………185

9.5 面試真題 ………………………………185

第10章 分類算法 186

10.1 分類算法概述 ………………………187

10.1.1 損失函數 ………………………188

10.1.2 過擬合與模型選擇 ……………188

10.1.3 模型的評估方法 ………………189

10.2 決策樹 ………………………………192

10.2.1 算法原理 ………………………192

10.2.2 決策樹的剪枝 …………………196

10.2.3 常用的決策樹算法 ……………197

10.2.4 決策樹的代碼實現及應用 ……197

10.2.5 決策樹算法實踐 ………………202

10.3 支持向量機 …………………………207

10.3.1 決策邊界和距離 ………………207

10.3.2 SVM算法原理 ………………208

10.3.3 軟間隔與正則化 ………………213

10.3.4 核函數 …………………………214

10.3.5 SVM算法實踐 ………………216

10.4 樸素貝葉斯算法 ……………………223

10.4.1 樸素貝葉斯算法原理 …………224

10.4.2 樸素貝葉斯算法代碼實現及應用 ………………………………………225

10.5 綜合案例——基於SVM算法的癌症預測 ……………………………………231

10.6 高手點撥 ……………………………235

10.7 編程練習 ……………………………236

10.8 面試真題 ……………………………236

第11章 回歸算法 237

11.1 回歸算法概述 ………………………238

11.2 線性回歸算法 ………………………238

11.2.1 線性回歸算法原理 ……………239

11.2.2 線性回歸算法的推導 …………240

11.2.3 線性回歸算法的代碼實現及使用 ………………………………………244

11.3 邏輯回歸算法 ………………………251

11.3.1 邏輯回歸算法原理 ……………251

11.3.2 邏輯回歸算法推導 ……………253

11.3.3 邏輯回歸算法的代碼實現及使用 ………………………………………253

11.4 綜合案例——信用卡欺詐檢測 ……259

11.5 高手點撥 ……………………………264

11.6 編程練習 ……………………………266

11.7 面試真題 ……………………………267

第12章 聚類算法 268

12.1 聚類算法概述 ………………………269

12.2 K-means算法 ………………………270

12.2.1 K-means算法原理 …………271

12.2.2 K-means算法的基本概念 …272

12.2.3 K-means算法流程 …………272

12.2.4 K-means算法的代碼實現及使用 ………………………………………273

12.3 K-means算法實踐 …………………276

12.3.1 KMeans類介紹………………276

12.3.2 算法應用 ………………………277

12.3.3 影響K-means算法的因素 …280

12.3.4 評估指標 ………………………282

12.4 DBSCAN算法 ………………………284

12.4.1 基本概念 ………………………285

12.4.2 算法原理 ………………………286

12.4.3 算法實踐 ………………………288

12.5 綜合案例——圖像分割 ……………290

12.6 高手點撥 ……………………………292

12.7 編程練習 ……………………………293

12.8 面試真題 ……………………………294

第13章 降維算法 295

13.1 降維算法概述 ………………………296

13.2 主成分分析 …………………………296

13.2.1 PCA原理 ……………………297

13.2.2 PCA求解步驟 ………………301

13.2.3 PCA實現 ……………………302

13.2.4 PCA實例 ……………………304

13.3 線性判別分析 ………………………306

13.3.1 LDA原理………………………307

13.3.2 LDA求解步驟…………………309

13.3.3 LDA實現………………………310

13.3.4 LDA實例………………………312

13.4 綜合案例——基於 PCA和邏輯回歸算法對鳶尾花數據集分類 …………………313

13.5 高手點撥 ……………………………315

13.6 編程練習 ……………………………316

13.7 面試真題 ……………………………317

第14章 集成學習算法 318

14.1 集成學習概述 ………………………319

14.2 Bagging算法 …………………………319

14.3 Boosting算法 ………………………321

14.4 XGBoost算法 ………………………322

14.4.1 XGBoost算法的原理 ………322

14.4.2 XGBoost的安裝 ……………326

14.4.3 XGBoost的參數 ……………327

14.4.4 XGBoost的基本流程 ………329

14.5 綜合案例——基於 XGBoost算法的客戶流失預測 ………………………………335

14.6 高手點撥 ……………………………346

14.7 編程練習 ……………………………346

14.8 面試真題 ……………………………347

第15章 基於價值的強化學習(Value-Based RL)算法 348

15.1 強化學習 ……………………………349

15.1.1 強化學習的定義 ………………349

15.1.2 強化學習的分類 ………………350

15.2 Q-Learning算法 ……………………351

15.2.1 算法原理 ………………………351

15.2.2 算法實現過程 …………………352

15.2.3 算法實現 ………………………354

15.3 DQN(Deep Q-Learning)算法 ……356

15.3.1 DQN實現的基本過程 ………356

15.3.2 DQN的不同改進版本 ………357

15.3.3 算法實現 ………………………358

15.4 綜合案例——讓AI自主探索迷宮 ……………………………………363

15.5 高手點撥 ……………………………366

15.6 編程練習 ……………………………366

15.7 面試真題 ……………………………366

第16章 基於策略的強化學習(Policy-Based RL)算法 367

16.1 策略梯度(Policy Gradient)算法 ……368

16.1.1 Policy-Based算法概述 ……368

16.1.2 增加Baseline…………………369

16.1.3 近 端 策 略 優 化(Proximal PolicyOptimization,PPO)算法 ……………369

16.2 Actor-Critic算法 ……………………377

16.2.1 Actor-Critic算法基本思想 …377

16.2.2 Actor-Critic算法的更新公式 ………………………………………378

16.2.3 Advantage Actor-Critic(A2C)算法 ………………………………………378

16.2.4 Asynchronous Advantage Actor-Critic(A3C)算法 …………………379

16.3 綜合案例——超級馬裡奧的實現 …386

16.4 高手點撥 ……………………………389

16.5 編程練習 ……………………………389

16.6 面試真題 ……………………………389

第17章 神經網絡模型算法 390

17.1 神經網絡概述 ………………………391

17.2 神經元模型和神經網絡模型 ………392

17.2.1 神經元模型 ……………………392

17.2.2 神經網絡模型 …………………393

17.2.3 神經網絡的訓練和識別過程 ………………………………………394

17.2.4 激勵函數 ………………………394

17.2.5 單層神經網絡模型 ……………396

17.3 BP神經網絡算法 ……………………398

17.3.1 BP神經網絡算法基本原理 …398

17.3.2 使用 BP 神經網絡對 MNIST 數據集數字進行分類 …………………………400

17.4 綜合案例——使用神經網絡進行回歸預測 ……………………………………403

17.5 高手點撥 ……………………………407

17.6 編程練習 ……………………………407

17.7 面試真題 ……………………………408

第18章 循環神經網絡算法 409

18.1 循環神經網絡基本概念 ……………410

18.1.1 循環神經網絡基本結構 ………410

18.1.2 循環神經網絡處理自然語言 ………………………………………411

18.2 長短期記憶(LSTM)算法 ……………412

18.3 長期循環單元(GRU) ………………417

18.4 深度循環神經網絡算法 ……………419

18.5 雙向循環神經網絡算法 ……………429

18.6 綜合案例——使用 LSTM 網絡對電影影評進行情感分析 ………………………430

18.7 高手點撥 ……………………………436

18.8 編程練習 ……………………………437

18.9 面試真題 ……………………………437

第19章 卷積神經網絡算法 438

19.1 卷積網絡基本概念 …………………439

19.1.1 卷積 ……………………………439

19.1.2 池化 ……………………………442

19.1.3 激活(Activation) ……………442

19.2 卷積神經網絡(LeNet)算法 …………443

19.3 深度卷積神經網絡(AlexNet)算法 ……………………………………452

19.4 殘差網絡(ResNet)算法 ……………453

19.5 綜合案例——使用卷積神經網絡算法識別貓狗的二分類任務 …………………454

19.6 高手點撥 ……………………………460

19.7 編程練習 ……………………………461

19.8 面試真題 ……………………………461

附錄 462


您曾經瀏覽過的商品

購物須知

大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。

特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:87 459
海外有庫存,下單後進貨
(等候期約20個工作天)

暢銷榜

客服中心

收藏

會員專區