掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
買過本商品的人還買了
人工智能導論(高等學校信息技術類新方向新動能新形態系列規劃教材) 版權信息
- ISBN：9787115495303
- 條形碼：9787115495303 ; 978-7-115-49530-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
人工智能導論(高等學校信息技術類新方向新動能新形態系列規劃教材) 本書特色
1.一本融合人工智能相關理論與方法、人工智能技術實現的系統化圖書；2.從交叉學科層面、進化歷史層面、哲學思想層面、社會發展層面、工程技術層面等不同緯度深入解析；3.作者長期從事人工智能導論、原理與方法的課程教學，主要研究領域涉及類腦計算、自然計算、智能機器人、視覺智能與認知智能等；4.內容全面且深入淺出，滿足新工科建設、傳統理工科和非理工科專業的通識課教學需求；5.拒絕泛泛而談，PPT、指導方案、視頻和各類拓展資源，讓您事半功倍。
人工智能導論(高等學校信息技術類新方向新動能新形態系列規劃教材) 內容簡介
本書較全面地介紹了目前人工智能的主流概念、理論、方法、技術及應用等內容。全書共12章，首先介紹了智能的定義以及人工智能的定義、歷史、實現方法、研究內容與發展趨勢；其次介紹了人工智能的哲學觀以及腦科學的相關概念與基礎知識；再次在人工智能的方法與技術方面，介紹了人工神經網絡，機器學習的基本方法與原理，以及感知智能、認知智能、語言智能、機器人（行為智能）、混合智能、類腦計算等人工智能技術；很后介紹了人工智能倫理與法律的相關概念和知識。 本書可作為高等院校人工智能、大數據、機器人工程等新工科專業以及計算機科學與技術、電子科學與技術、控制工程與科學、智能科學與技術、機械、數學等傳統理工科專業的本科生與研究生的課程教材，也可供哲學、經貿、管理、金融、財會、法律、文學等非理工科專業的學生學習使用，還可作為從事自然科學、社會科學以及人工智能交叉學科研究的科研人員、學者及愛好者的參考用書。
人工智能導論(高等學校信息技術類新方向新動能新形態系列規劃教材) 目錄
01 緒論 1
1．0 學習導言 2
1．1 生命與智能 2
1．1．1 什么是智能 4
1．1．2 圖靈測試與人工智能 5
1．1．3 人工智能圖譜 9
1．2 人工智能的歷史 11
1．2．1 第 一階段：初創時期（1936年—1956年） 11
1．2．2 第二階段：形成時期（1957年—1969年） 13
1．2．3 第三階段：發展時期（1970年—1992年） 14
1．2．4 第四階段：大突破時期（1993年至今） 16
1．3 人工智能學科交叉與融合 19
1．4 人工智能實現方法 20
1．4．1 傳統實現方法 20
1．4．2 數據驅動方法 22
1．5 人工智能主要研究內容 24
1．5．1 計算智能 24
1．5．2 感知智能 25
1．5．3 認知智能 25
1．5．4 行為智能 26
1．5．5 群體智能 27
1．5．6 混合智能 27
1．5．7 情感智能 28
1．5．8 類腦智能 28
1．5．9 人工智能倫理與法律 29
1．6 人工智能發展趨勢 29
1．7 本書主要學習內容 33
1．8 本章小結 34
1．9 習題 34
02 人工智能的哲學觀 35
2．0 學習導言 36
2．1 從哲學角度理解人工智能 36
2．1．1 與人工智能有關的哲學概念 36
2．1．2 與人工智能有關的主要哲學分支 41
2．1．3 大歷史觀——智能進化 43
2．1．4 人工智能的本質 44
2．2 人工智能局限性的認識 45
2．2．1 弱人工智能與人類心智的差距 46
2．2．2 影響強人工智能實現的主要因素 48
2．3 科幻影視作品中的人工智能 50
2．3．1 早期科幻影視作品中的人工智能 50
2．3．2 現代科幻影視作品中的人工智能 51
2．4 本章小結 53
2．5 習題 53
03 腦科學基礎 55
3．0 學習導言 56
3．1 大腦的初步認識 56
3．2 腦神經系統 57
3．2．1 腦神經組織 57
3．2．2 神經元與信息傳遞 59
3．2．3 大腦皮層 63
3．3 腦的視覺與信息處理機制 65
3．3．1 腦的視覺結構 65
3．3．2 視覺皮層區域 66
3．4 腦的記憶與信息處理機制 67
3．5 腦的學習機制 68
3．6 腦功能新發現 69
3．6．1 大腦導航功能 69
3．6．2 大腦孕周發育 71
3．7 本章小結 71
3．8 習題 71
04 人工神經網絡 73
4．0 學習導言 74
4．1 如何構建人工神經網絡 74
4．1．1 神經元模型 74
4．1．2 感知器模型 76
4．2 神經網絡的訓練—反向傳播算法 80
4．3 生成深度神經網絡 83
4．3．1 生成模型——受限玻爾茲曼機 83
4．3．2 深度生成模型—深度置信網絡 85
4．4 卷積神經網絡原理 86
4．4．1 稀疏連接與全連接 87
4．4．2 權值共享與特征提取 87
4．4．3 卷積層 88
4．4．4 池化層 89
4．4．5 全連接層 90
4．4．6 CNN算法 91
4．5 循環神經網絡 93
4．6 長短時記憶網絡 94
4．7 本章小結 95
4．8 習題 96
05 機器學習 97
5．0 學習導言 98
5．1 機器學習能否實現機器智能 98
5．2 機器學習的類型和應用 99
5．3 監督學習與無監督學習 101
5．3．1 支持向量機 101
5．3．2 k-*近鄰分類 102
5．3．3 樸素貝葉斯分類器 103
5．3．4 集成分類——Bagging算法、隨機森林算法與Boosting算法 104
5．3．5 k-均值聚類算法 107
5．4 深度學習 107
5．4．1 淺層學習與深度學習 107
5．4．2 深度學習框架 109
5．4．3 深度學習的應用——圖像描述 110
5．5 強化學習 112
5．5．1 能夠自適應學習的BRETT機器人 112
5．5．2 強化學習的應用 113
5．6 遷移學習 114
5．7 機器創造 116
5．8 本章小結 119
5．9 習題 119
06 感知智能 121
6．0 學習導言 122
6．1 數字圖像處理技術 122
6．1．1 灰度直方圖校正 123
6．1．2 圖像的平滑處理 124
6．1．3 圖像的邊緣檢測 124
6．1．4 圖像的銳化 125
6．1．5 圖像的分割 126
6．1．6 圖像的特征提取與Haar算法 126
6．1．7 圖像分析 127
6．2 計算機視覺與機器視覺 129
6．3 模式識別與圖像分類 131
6．3．1 模式識別方法 131
6．3．2 模式識別過程 132
6．3．3 圖像分類 133
6．4 人臉識別 133
6．4．1 人臉識別技術的發展 134
6．4．2 人臉識別系統及其實現方法 134
6．5 深度學習在目標檢測與識別中的應用 137
6．6 無人駕駛汽車的環境感知 139
6．7 本章小結 142
6．8 習題 142
07 認知智能 143
7．0 學習導言 144
7．1 邏輯推理 144
7．1．1 命題與推理 144
7．1．2 推理的類型 145
7．1．3 模糊推理 148
7．2 知識表示 149
7．2．1 謂詞邏輯表示法 149
7．2．2 語義網絡表示法 152
7．3 搜索技術 154
7．3．1 盲目搜索 155
7．3．2 啟發式搜索 155
7．3．3 蒙特卡羅樹搜索算法 158
7．4 知識圖譜 159
7．4．1 知識圖譜與認知智能 160
7．4．2 知識圖譜基本技術 161
7．4．3 知識圖譜架構 163
7．5 認知計算 165
7．6 本章小結 167
7．7 習題 167
08 語言智能 169
8．0 學習導言 170
8．1 語言與認知 170
8．2 自然語言處理 171
8．2．1 自然語言理解的源起 171
8．2．2 自然語言處理的功能應用 172
8．2．3 自然語言處理技術 173
8．3 智能問答系統 177
8．4 聊天機器人 178
8．4．1 聊天機器人的分類 179
8．4．2 聊天機器人的自然語言理解 180
8．5 語音識別 181
8．5．1 語音識別系統 181
8．5．2 語音識別的過程 182
8．6 機器翻譯 183
8．6．1 機器翻譯原理與過程 184
8．6．2 通用翻譯模型 186
8．7 本章小結 187
8．8 習題 187
09 機器人 189
9．0 學習導言 190
9．1 機器人與行為智能 190
9．1．1 行為主義載體——機器人 190
9．1．2 機器人的基本組成 192
9．1．3 智能機器人 194
9．2 工業機器人 195
9．3 移動機器人 198
9．4 無人飛行器 201
9．5 水下機器人 203
9．6 太空機器人 204
9．7 人形機器人 207
9．8 機器動物 208
9．9 軟體機器人 212
9．10 微型機器人 213
9．11 群體機器人 215
9．12 認知發展機器人 217
9．13 本章小結 218
9．14 習題 218
10 混合智能 219
10．0 學習導言 220
10．1 混合智能的基本形態與實現 220
10．2 腦機接口 221
10．2．1 腦機接口工作原理 222
10．2．2 可探測識別的腦電波信號 223
10．2．3 侵入式腦機接口 225
10．2．4 非侵入式腦機接口 227
10．2．5 腦機接口應用 228
10．3 可穿戴混合智能 229
10．3．1 可穿戴傳感器與電子文身 230
10．3．2 可穿戴神經刺激混合智能 231
10．4 可植入混合智能 232
10．4．1 電子識別芯片 232
10．4．2 人造感覺神經 233
10．5 外骨骼混合智能 234
10．6 動物混合智能 235
10．7 人體增強 237
10．8 本章小結 238
10．9 習題 238
11 類腦計算 239
11．0 學習導言 240
11．1 類腦計算基礎 240
11．1．1 馮·諾依曼結構計算機的局限 241
11．1．2 類腦計算機 242
11．1．3 類腦計算研究內容與方法 242
11．2 類腦計算基礎 243
11．2．1 神經形態計算 243
11．2．2 神經形態類腦芯片 244
11．2．3 神經形態類腦計算機 245
11．3 基于憶阻器的類腦計算 249
11．3．1 憶阻器原理 249
11．3．2 憶阻器芯片 250
11．4 人工大腦 251
11．4．1 人工大腦的基本單元 251
11．4．2 仿腦模型 253
11．4．3 虛擬大腦 254
11．4．4 深度學習腦功能模擬 256
11．5 非神經形態智能芯片 258
11．6 本章小結 260
11．7 習題 260
12 人工智能倫理與法律 261
12．0 學習導言 262
12．1 電車難題引發的人工智能道德困境 262
12．2 人工智能技術引發的社會問題 264
12．3 人工智能倫理的定義 266
12．4 弱人工智能倫理與強人工智能倫理 267
12．4．1 弱人工智能倫理問題 267
12．4．2 強人工智能倫理問題 270
12．5 機器人倫理問題與基本原則 272
12．5．1 機器人倫理問題 272
12．5．2 機器人倫理的基本原則 273
12．6 軍事人工智能倫理問題 274
12．7 人工智能倫理規范 276
12．8 人工智能法律問題 278
12．8．1 人工智能引發的法律問題 278
12．8．2 人工智能的法律主體和法律人格問題 279
12．9 本章小結 281
12．10 習題 281
參考文獻 283
1．0 學習導言 2
1．1 生命與智能 2
1．1．1 什么是智能 4
1．1．2 圖靈測試與人工智能 5
1．1．3 人工智能圖譜 9
1．2 人工智能的歷史 11
1．2．1 第 一階段：初創時期（1936年—1956年） 11
1．2．2 第二階段：形成時期（1957年—1969年） 13
1．2．3 第三階段：發展時期（1970年—1992年） 14
1．2．4 第四階段：大突破時期（1993年至今） 16
1．3 人工智能學科交叉與融合 19
1．4 人工智能實現方法 20
1．4．1 傳統實現方法 20
1．4．2 數據驅動方法 22
1．5 人工智能主要研究內容 24
1．5．1 計算智能 24
1．5．2 感知智能 25
1．5．3 認知智能 25
1．5．4 行為智能 26
1．5．5 群體智能 27
1．5．6 混合智能 27
1．5．7 情感智能 28
1．5．8 類腦智能 28
1．5．9 人工智能倫理與法律 29
1．6 人工智能發展趨勢 29
1．7 本書主要學習內容 33
1．8 本章小結 34
1．9 習題 34
02 人工智能的哲學觀 35
2．0 學習導言 36
2．1 從哲學角度理解人工智能 36
2．1．1 與人工智能有關的哲學概念 36
2．1．2 與人工智能有關的主要哲學分支 41
2．1．3 大歷史觀——智能進化 43
2．1．4 人工智能的本質 44
2．2 人工智能局限性的認識 45
2．2．1 弱人工智能與人類心智的差距 46
2．2．2 影響強人工智能實現的主要因素 48
2．3 科幻影視作品中的人工智能 50
2．3．1 早期科幻影視作品中的人工智能 50
2．3．2 現代科幻影視作品中的人工智能 51
2．4 本章小結 53
2．5 習題 53
03 腦科學基礎 55
3．0 學習導言 56
3．1 大腦的初步認識 56
3．2 腦神經系統 57
3．2．1 腦神經組織 57
3．2．2 神經元與信息傳遞 59
3．2．3 大腦皮層 63
3．3 腦的視覺與信息處理機制 65
3．3．1 腦的視覺結構 65
3．3．2 視覺皮層區域 66
3．4 腦的記憶與信息處理機制 67
3．5 腦的學習機制 68
3．6 腦功能新發現 69
3．6．1 大腦導航功能 69
3．6．2 大腦孕周發育 71
3．7 本章小結 71
3．8 習題 71
04 人工神經網絡 73
4．0 學習導言 74
4．1 如何構建人工神經網絡 74
4．1．1 神經元模型 74
4．1．2 感知器模型 76
4．2 神經網絡的訓練—反向傳播算法 80
4．3 生成深度神經網絡 83
4．3．1 生成模型——受限玻爾茲曼機 83
4．3．2 深度生成模型—深度置信網絡 85
4．4 卷積神經網絡原理 86
4．4．1 稀疏連接與全連接 87
4．4．2 權值共享與特征提取 87
4．4．3 卷積層 88
4．4．4 池化層 89
4．4．5 全連接層 90
4．4．6 CNN算法 91
4．5 循環神經網絡 93
4．6 長短時記憶網絡 94
4．7 本章小結 95
4．8 習題 96
05 機器學習 97
5．0 學習導言 98
5．1 機器學習能否實現機器智能 98
5．2 機器學習的類型和應用 99
5．3 監督學習與無監督學習 101
5．3．1 支持向量機 101
5．3．2 k-*近鄰分類 102
5．3．3 樸素貝葉斯分類器 103
5．3．4 集成分類——Bagging算法、隨機森林算法與Boosting算法 104
5．3．5 k-均值聚類算法 107
5．4 深度學習 107
5．4．1 淺層學習與深度學習 107
5．4．2 深度學習框架 109
5．4．3 深度學習的應用——圖像描述 110
5．5 強化學習 112
5．5．1 能夠自適應學習的BRETT機器人 112
5．5．2 強化學習的應用 113
5．6 遷移學習 114
5．7 機器創造 116
5．8 本章小結 119
5．9 習題 119
06 感知智能 121
6．0 學習導言 122
6．1 數字圖像處理技術 122
6．1．1 灰度直方圖校正 123
6．1．2 圖像的平滑處理 124
6．1．3 圖像的邊緣檢測 124
6．1．4 圖像的銳化 125
6．1．5 圖像的分割 126
6．1．6 圖像的特征提取與Haar算法 126
6．1．7 圖像分析 127
6．2 計算機視覺與機器視覺 129
6．3 模式識別與圖像分類 131
6．3．1 模式識別方法 131
6．3．2 模式識別過程 132
6．3．3 圖像分類 133
6．4 人臉識別 133
6．4．1 人臉識別技術的發展 134
6．4．2 人臉識別系統及其實現方法 134
6．5 深度學習在目標檢測與識別中的應用 137
6．6 無人駕駛汽車的環境感知 139
6．7 本章小結 142
6．8 習題 142
07 認知智能 143
7．0 學習導言 144
7．1 邏輯推理 144
7．1．1 命題與推理 144
7．1．2 推理的類型 145
7．1．3 模糊推理 148
7．2 知識表示 149
7．2．1 謂詞邏輯表示法 149
7．2．2 語義網絡表示法 152
7．3 搜索技術 154
7．3．1 盲目搜索 155
7．3．2 啟發式搜索 155
7．3．3 蒙特卡羅樹搜索算法 158
7．4 知識圖譜 159
7．4．1 知識圖譜與認知智能 160
7．4．2 知識圖譜基本技術 161
7．4．3 知識圖譜架構 163
7．5 認知計算 165
7．6 本章小結 167
7．7 習題 167
08 語言智能 169
8．0 學習導言 170
8．1 語言與認知 170
8．2 自然語言處理 171
8．2．1 自然語言理解的源起 171
8．2．2 自然語言處理的功能應用 172
8．2．3 自然語言處理技術 173
8．3 智能問答系統 177
8．4 聊天機器人 178
8．4．1 聊天機器人的分類 179
8．4．2 聊天機器人的自然語言理解 180
8．5 語音識別 181
8．5．1 語音識別系統 181
8．5．2 語音識別的過程 182
8．6 機器翻譯 183
8．6．1 機器翻譯原理與過程 184
8．6．2 通用翻譯模型 186
8．7 本章小結 187
8．8 習題 187
09 機器人 189
9．0 學習導言 190
9．1 機器人與行為智能 190
9．1．1 行為主義載體——機器人 190
9．1．2 機器人的基本組成 192
9．1．3 智能機器人 194
9．2 工業機器人 195
9．3 移動機器人 198
9．4 無人飛行器 201
9．5 水下機器人 203
9．6 太空機器人 204
9．7 人形機器人 207
9．8 機器動物 208
9．9 軟體機器人 212
9．10 微型機器人 213
9．11 群體機器人 215
9．12 認知發展機器人 217
9．13 本章小結 218
9．14 習題 218
10 混合智能 219
10．0 學習導言 220
10．1 混合智能的基本形態與實現 220
10．2 腦機接口 221
10．2．1 腦機接口工作原理 222
10．2．2 可探測識別的腦電波信號 223
10．2．3 侵入式腦機接口 225
10．2．4 非侵入式腦機接口 227
10．2．5 腦機接口應用 228
10．3 可穿戴混合智能 229
10．3．1 可穿戴傳感器與電子文身 230
10．3．2 可穿戴神經刺激混合智能 231
10．4 可植入混合智能 232
10．4．1 電子識別芯片 232
10．4．2 人造感覺神經 233
10．5 外骨骼混合智能 234
10．6 動物混合智能 235
10．7 人體增強 237
10．8 本章小結 238
10．9 習題 238
11 類腦計算 239
11．0 學習導言 240
11．1 類腦計算基礎 240
11．1．1 馮·諾依曼結構計算機的局限 241
11．1．2 類腦計算機 242
11．1．3 類腦計算研究內容與方法 242
11．2 類腦計算基礎 243
11．2．1 神經形態計算 243
11．2．2 神經形態類腦芯片 244
11．2．3 神經形態類腦計算機 245
11．3 基于憶阻器的類腦計算 249
11．3．1 憶阻器原理 249
11．3．2 憶阻器芯片 250
11．4 人工大腦 251
11．4．1 人工大腦的基本單元 251
11．4．2 仿腦模型 253
11．4．3 虛擬大腦 254
11．4．4 深度學習腦功能模擬 256
11．5 非神經形態智能芯片 258
11．6 本章小結 260
11．7 習題 260
12 人工智能倫理與法律 261
12．0 學習導言 262
12．1 電車難題引發的人工智能道德困境 262
12．2 人工智能技術引發的社會問題 264
12．3 人工智能倫理的定義 266
12．4 弱人工智能倫理與強人工智能倫理 267
12．4．1 弱人工智能倫理問題 267
12．4．2 強人工智能倫理問題 270
12．5 機器人倫理問題與基本原則 272
12．5．1 機器人倫理問題 272
12．5．2 機器人倫理的基本原則 273
12．6 軍事人工智能倫理問題 274
12．7 人工智能倫理規范 276
12．8 人工智能法律問題 278
12．8．1 人工智能引發的法律問題 278
12．8．2 人工智能的法律主體和法律人格問題 279
12．9 本章小結 281
12．10 習題 281
參考文獻 283
展開全部
人工智能導論(高等學校信息技術類新方向新動能新形態系列規劃教材) 作者簡介
【莫宏偉】哈爾濱工程大學工學博士、教授，類腦計算與人工智能研究中心主任，全國高校人工智能與大數據創新聯盟常務理事，黑龍江省高等教育學會人工智能教育專業委員會理事長。長期從事人工智能導論、原理與方法的課程教學工作，主要研究領域涉及類腦計算、自然計算、智能機器人、視覺智能與認知智能等。完成國家自然科學基金、國防科學技術預先研究基金等項目20余項，發表論文80余篇，出版專著6部，教材2部，授權發明專利8項。【徐立芳】哈爾濱工程大學“模式識別與智能系統”工學博士，哈爾濱工程大學工程訓練中心（***實驗教學示范中心）電器技術實驗室負責人，長期從事智能控制、工業自動化技術方面的教學與科研工作，主要研究領域涉及智能系統、機器人、神經網絡與機器學習、電機控制、進化計算等。
書友推薦
- >
二體千字文
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
史學評論
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
苦雨齋序跋文-周作人自編集
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伊索寓言-世界文學名著典藏-全譯本
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
