机器学习vs复杂系统

✍ Scribed by 许铁

• Publisher: 电子工业出版社
• Year: 2018
• Tongue: Chinese
• Leaves: 191
• Series: 博文视点AI系列
• Category: Library

✦ Synopsis

《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。

✦ Table of Contents

扉页
版权页
序
目录
第一部分 复杂性
1 复杂系统
2 用复杂网络看世界经济 （阅读难度★）
3 风险管理策略之复杂科学视角
4 从物理角度看复杂
第二部分 机器学习
5 白话机器学习 （阅读难度★）
6 浅谈贝叶斯分析
7 简单贝叶斯分类器 （阅读难度★）
8 决策树方法 （阅读难度★★）
9 感知机：神经网络的基础 （阅读难度★★★）
10 降维：应对复杂的通用武器 （阅读难度★）
第三部分 神经网络
11 神经网络不神秘
12 CNN的几个关键词 （阅读难度★★★）
13 时间序列与RNN
14 会遗忘的神经网络 （阅读难度★★★）
15 跟着AlphaGo理解深度强化学习框架 （阅读难度★★★）
16 从阿尔法元看强化学习的更广阔潜力
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★）
18 大脑的自由能假说——兼论认知科学与机器学习 （阅读难度★★）
19 大脑中的支持向量机 （阅读难度★★★）
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★★）
21 大脑经济学 （阅读难度★）
22 人工智能vs人类智能 （阅读难度★★）
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
24 机器学习预测心理疾病
25 人机协作决策的两种方式
26 小数据机器学习
27 用深度学习玩图像的七重关卡
28 深度学习助力基因科技
29 机器学习对战复杂系统