從零開始讀懂量子力學（精裝加強版）

定　價：￥88.00

作　者：	戴瑾著
出版社：	北京大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787301328859	出版時間：	2022-03-01	包裝：
開本：	32開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　量子力學是現(xiàn)代物理學的基石，推動了科學技術(shù)的快速發(fā)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(tǒng)、嚴謹?shù)亟榻B量子力學的基本原理和應用。讀者需要熟悉高中物理和數(shù)學的相關(guān)內(nèi)容，愿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(xiàn)代科學，但是讀者只要愿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(xiàn)代技術(shù)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(xiàn)象和科學原理的應用。本書在第一篇中依次講解了狀態(tài)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(tài)物理和基本粒子物理領(lǐng)域中的應用。同時，對由量子力學催生的現(xiàn)代電子技術(shù)，也著重做了介紹。

作者簡介

　　戴瑾，畢業(yè)于北京大學物理系。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(chǔ)物理突破獎獲得者Joeseph Polchinski教授，獲得博士學位。與Polchinski共同創(chuàng)造了超弦理論中的D-膜分支。后又在無線通信和半導體芯片領(lǐng)域工作二十余年?，F(xiàn)任某半導體公司高管。

圖書目錄

第0章人工智能與算法 1
0.1 人工智能發(fā)展的水平 ……………………2
0.2 人工智能技術(shù)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(shù)中的地位 …………9
0.4 學好算法能有哪些競爭優(yōu)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 歸并排序（Merge Sort）…………………34
1.8 基數(shù)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(jié)構(gòu)查找（Tree Search） ……………48
2.6 散列查找（Hash Search）………………48
2.7 應用：自實現(xiàn)indexOf函數(shù) ……………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(jié)構(gòu) 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(huán)鏈表 ……………………69
4.1.4 雙向循環(huán)鏈表 ……………………70
4.2 ?！?2
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(jié)構(gòu) 83
5.1 樹結(jié)構(gòu)概述………………………………84
5.2 二叉樹 …………………………………84
5.2.1 列表存儲的二叉樹 ………………86
5.2.2 對象存儲的二叉樹 ………………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(gòu)建 ………………119
5.6.2 應用：數(shù)據(jù)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(jié)構(gòu) 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(yōu)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(jié)構(gòu) 154
7.1 散列概述 ………………………………155
7.2 散列函數(shù)的設(shè)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(shù)法 ………………………157
7.3 解決沖突 ………………………………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(jié)構(gòu) 163
8.1 圖結(jié)構(gòu)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(shù) ………………………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(xiàn)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(shù) …………………………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(xiàn)及應用 ………………………………………225
10.5 綜合案例——基于SVM算法的癌癥預測 ……………………………………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(xiàn)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(xiàn)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(xiàn)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(xiàn) ……………………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(xiàn)………………………310
13.3.4 LDA實例………………………312
13.4 綜合案例——基于 PCA和邏輯回歸算法對鳶尾花數(shù)據(jù)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(shù) ……………327
14.4.4 XGBoost的基本流程 ………329
14.5 綜合案例——基于 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章基于價值的強化學習(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(xiàn)過程 …………………352
15.2.3 算法實現(xiàn) ………………………354
15.3 DQN（Deep Q-Learning）算法 ……356
15.3.1 DQN實現(xiàn)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(xiàn) ………………………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章基于策略的強化學習(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(yōu) 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——超級馬里奧的實現(xiàn) …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(jīng)網(wǎng)絡(luò)模型算法 390
17.1 神經(jīng)網(wǎng)絡(luò)概述 ………………………391
17.2 神經(jīng)元模型和神經(jīng)網(wǎng)絡(luò)模型 ………392
17.2.1 神經(jīng)元模型 ……………………392
17.2.2 神經(jīng)網(wǎng)絡(luò)模型 …………………393
17.2.3 神經(jīng)網(wǎng)絡(luò)的訓練和識別過程 ………………………………………394
17.2.4 激勵函數(shù) ………………………394
17.2.5 單層神經(jīng)網(wǎng)絡(luò)模型 ……………396
17.3 BP神經(jīng)網(wǎng)絡(luò)算法 ……………………398
17.3.1 BP神經(jīng)網(wǎng)絡(luò)算法基本原理 …398
17.3.2 使用 BP 神經(jīng)網(wǎng)絡(luò)對 MNIST 數(shù)據(jù)集數(shù)字進行分類 …………………………400
17.4 綜合案例——使用神經(jīng)網(wǎng)絡(luò)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(huán)神經(jīng)網(wǎng)絡(luò)算法 409
18.1 循環(huán)神經(jīng)網(wǎng)絡(luò)基本概念 ……………410
18.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) ………410
18.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)處理自然語言 ………………………………………411
18.2 長短期記憶（LSTM）算法 ……………412
18.3 長期循環(huán)單元（GRU） ………………417
18.4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)算法 ……………419
18.5 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)算法 ……………429
18.6 綜合案例——使用 LSTM 網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)算法 438
19.1 卷積網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)（LeNet）算法 …………443
19.3 深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）算法 ……………………………………452
19.4 殘差網(wǎng)絡(luò)（ResNet）算法 ……………453
19.5 綜合案例——使用卷積神經(jīng)網(wǎng)絡(luò)算法識別貓狗的二分類任務(wù) …………………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