中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能概論 版權信息
- ISBN：9787302578659
- 條形碼：9787302578659 ; 978-7-302-57865-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能概論 本書特色
本書作為高等學校人工智能通識課教材，全面介紹了人工智能的基本技術，目標是用通俗易懂的方法幫助讀者構建完整的人工智能知識體系，為后續的深入學習打下基礎。本書適合高職高專和應用型本科，作為非人工智能專業的選修課和人工智能專業的導論課教材。也適合作為人工智能技術愛好者的入門書。
人工智能概論 內容簡介
本書全面介紹了人工智能的基本技術，目標是用通俗易懂的方法幫助讀者構建完整的人工智能知識體系，為后續的深入學習打下基礎。本書共分為10章，內容包括人工智能概述、知識表示、搜索技術、機器學習、深度學習、自然語言處理、機器人及智能控制等。 本書適合高職高專和應用型本科，作為非人工智能專業的選修課和人工智能專業的導論課教材。也適合作為人工智能技術愛好者的入門書。
人工智能概論 目錄
第1章 AI時代的起航
1.1 一波三折的AI 1
1.1.1 發展歷程概覽 1
1.1.2 大數據時代的人工智能 8
1.2 AI如影隨形 10
1.2.1 手機美顏 10
1.2.2 聊天機器人 10
1.2.3 新聞推薦 11
1.2.4 在線翻譯 12
1.2.5 虛擬現實 12
1.3 AI學派 13
1.3.1 符號主義 13
1.3.2 連接主義 14
1.3.3 行為主義 15
1.3.4 學派比較 16
1.4 人工智能定義 16
1.4.1 概念解析 16
1.4.2 共識概念 17
1.5 AI面臨的機遇和挑戰 18
1.5.1 認知誤區 18
1.5.2 面臨的機遇 19
1.5.3 存在的挑戰 20
1.5.4 AI將成為公司的生命線 21
1.5.5 AI如何重新定義工作 22
1.6 應具有的AI能力 23
1.6.1 懂工具 23
1.6.2 懂編程 25
1.6.3 懂模型 25
1.6.4 懂業務 27
習題 28
參考文獻 29
第2章 感受AI
2.1 析音賞樂 31
2.1.1 語音助手 32
2.1.2 語音識別 32
2.1.3 典型應用場景 33
2.2 別具慧眼 33
2.2.1 人臉識別 33
2.2.2 行人識別 35
2.2.3 圖像分類 36
2.2.4 典型應用場景 36
2.3 識文斷字 39
2.3.1 手寫數據識別 39
2.3.2 問答系統 39
2.3.3 情感分析 40
2.3.4 典型應用場景 40
2.4 神來之筆 41
2.4.1 圖像生成 41
2.4.2 圖像藝術 42
2.4.3 典型應用場景 42
2.5 運籌帷幄 44
2.5.1 智能家居 44
2.5.2 環境監控 45
2.5.3 典型應用場景 46
習題 49
參考文獻 49
第3章 知識表示與推理
3.1 從AI符號主義說起 50
3.1.1 命題邏輯 51
3.1.2 一階謂詞邏輯 53
3.1.3 產生式系統 55
3.1.4 基于符號主義的知識表示瓶頸 56
3.2 基于知識的表示方法 56
3.2.1 人工智能的3個層次 56
3.2.2 知識 57
3.2.3 知識工程的誕生 59
3.2.4 框架 60
3.2.5 語義網絡 61
3.2.6 語義Web 62
3.3 知識圖譜與知識庫 63
3.3.1 問題的提出 63
3.3.2 基本思想 64
3.3.3 基本原理 65
3.3.4 知識圖譜的分類 66
3.3.5 知識圖譜應用場景 67
3.4 實驗：構建基于知識圖譜的問答程序 68
習題 71
參考文獻 75
第4章 搜索技術
4.1 搜索 76
4.1.1 什么是搜索 76
4.1.2 狀態空間表示法 77
4.1.3 狀態空間的搜索策略 79
4.2 廣度優先 81
4.2.1 廣度優先搜索的基本思想 81
4.2.2 廣度優先搜索的過程 81
4.3 深度優先 82
4.3.1 深度優先搜索的基本思想 82
4.3.2 深度優先搜索過程 82
4.4 啟發式搜索 83
4.4.1 啟發性信息與估價函數 84
4.4.2 局部尋優搜索 86
4.4.3 全局尋優搜索 87
4.5 遺傳算法 89
4.5.1 遺傳算法的發展史 90
4.5.2 遺傳算法的基本原理 90
4.5.3 遺傳算法的求解步驟 92
4.6 微粒群算法 93
4.6.1 微粒群算法的基本概念及進化方程 93
4.6.2 標準微粒群算法流程 94
4.6.3 微粒群算法的研究現狀 95
4.7 實驗：粒子群優化算法 96
習題 98
參考文獻 100
第5章 機器學習
5.1 機器學習模型 101
5.2 數據準備 103
5.2.1 數據集劃分 103
5.2.2 數據標注 104
5.3 學習方式 105
5.3.1 有監督學習 105
5.3.2 無監督學習 109
5.3.3 概率圖模型 113
5.3.4 集成學習 117
5.4 模型評估 120
5.4.1 泛化能力 120
5.4.2 交叉驗證 121
5.4.3 混淆矩陣 121
5.5 實驗：房價預測 122
習題 124
第6章 深度學習
6.1 深度學習概況 129
6.1.1 深度學習是什么 129
6.1.2 深度學習的前世今生 130
6.1.3 深度學習分類 132
6.1.4 深度學習的入門建議 132
6.2 神經網絡基礎 133
6.2.1 人工神經網絡模型 133
6.2.2 感知機學習算法 135
6.2.3 多層前饋神經網絡 137
6.2.4 BP算法背后的數學 139
6.2.5 誤差反向傳播法 142
6.2.6 可視化MLP網絡訓練 143
6.3 深度學習框架 145
6.3.1 Matlab深度學習工具包 146
6.3.2 TensorFlow深度學習框架 146
6.3.3 PyTorch深度學習框架 147
6.3.4 其他構建方式 148
6.3.5 體驗手寫數字識別 149
6.4 卷積神經網絡及其應用 152
6.4.1 卷積神經網絡的功能組件 153
6.4.2 卷積神經網絡的架構 158
6.4.3 卷積神經網絡識別CIFAR圖像集 162
6.5 強化學習 166
6.5.1 一個迷宮問題 167
6.5.2 強化學習問題的框架MDP 169
6.5.3 求解貝爾曼方程 172
6.5.4 強化學習仿真環境 173
6.5.5 深度學習前景展望 177
6.6 實驗：利用卷積神經網絡識別圖像 179
習題 183
參考文獻 188
第7章 自然語言處理
7.1 詞法分析 189
7.1.1 詞法分析概述 189
7.1.2 基本分詞方法 190
7.1.3 詞性標注 194
7.1.4 實體識別 197
7.2 句法分析 198
7.2.1 句法分析概述 198
7.2.2 自頂向下的句法分析 199
7.2.3 自底向上的句法分析 200
7.2.4 概率上下文無關文法 202
7.3 語義分析 204
7.3.1 語義分析概述 204
7.3.2 詞義消歧 204
7.3.3 語義角色標注 209
7.4 實驗：Python中文文本分析與可視化 211
習題 213
參考文獻 214
第8章 智能控制技術
8.1 自動控制系統 215
8.1.1 概述 215
8.1.2 組成與工作原理 215
8.1.3 分類 216
8.2 模糊控制 217
8.2.1 模糊推理方法 217
8.2.2 模糊控制原理 217
8.2.3 模糊控制系統的設計 218
8.2.4 自適應模糊控制 219
8.3 專家控制 220
8.3.1 原理 220
8.3.2 典型結構 221
8.3.3 實現方法 223
8.4 神經網絡控制 224
8.4.1 類型 224
8.4.2 結構 224
8.4.3 模型 225
8.4.4 應用 226
8.4.5 發展趨勢 229
8.5 實驗：利用智能音箱語音控制計算機的開關機 230
習題 234
參考文獻 235
第9章 工業機器人技術
9.1 人工智能與工業4.0 236
9.1.1 智能制造生態系統 237
9.1.2 工業機器人 237
9.1.3 智慧工廠 242
9.1.4 工業智能化趨勢 243
9.2 工業機器人核心技術 245
9.2.1 傳感技術 246
9.2.2 芯片技術 246
9.2.3 智能控制技術 248
9.2.4 多智能體調控技術 249
9.3 工業軟件編程 249
9.3.1 工業互聯網架構 249
9.3.2 神經網絡 251
9.3.3 可視化學習 251
9.4 工業機器人產業鏈 253
9.4.1 工業機器人研發設計 254
9.4.2 智能制造客戶交互 256
9.4.3 工業機器人核心部件 257
9.4.4 工業機器人供應鏈 259
9.5 工業機器人操作與維護 260
9.5.1 工業機器人操作 260
9.5.2 工業機器人維護 261
9.6 實驗：工業機器人軟件技術運維 264
習題 277
參考文獻 279
第10章 建筑智能化技術
10.1 智能建筑集成系統 280
10.1.1 智能建筑云架構 281
10.1.2 智慧工地 282
10.1.3 智能建筑 289
10.1.4 智慧城市 289
10.2 建筑設備裝置智能化 290
10.2.1 建筑裝備智能化 290
10.2.2 工程機械智能化 291
10.2.3 智能建筑3D打印 291
10.3 建筑智能化應用系統 293
10.3.1 智能化集成系統 293
10.3.2 信息設施系統 293
10.3.3 信息化應用系統 294
10.3.4 建筑設備管理系統 294
10.3.5 公共安全系統 294
10.3.6 機房工程 295
10.4 建筑智能化系統運維 295
10.4.1 智能建筑的運維技術要求 295
10.4.2 Honeywell樓宇智控系統簡介 297
10.4.3 建筑智能化的未來 298
10.5 實驗：樓宇智控系統EBI的安裝配置調試 300
習題 308
參考文獻 309
附錄A AIRack人工智能實驗平臺
附錄B AICloud人工智能云平臺
附錄C 云創學習工場—專注大數據、人工智能培訓與認證
展開全部
人工智能概論 節選
第5章 機器學習 機器學習（Machine Learning）是研究計算機怎樣模擬或實現人類的學習行為以獲取新的知識或技能，并重新組織已有的知識結構使之不斷改善自身性能的技術。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，主要使用歸納、綜合而不是演繹的方法。在過去的10年中，機器學習幫助我們自動駕駛汽車，進行語音識別和網絡語義搜索。SIGAI將機器學習的方式分為5種：有監督學習、無監督學習、概率圖模型、深度學習和強化學習。本章只介紹前4種，強化學習放在第6章介紹。5.1 機器學習模型 圖5-1展示了機器學習的簡化過程。 圖5-1 機器學習一般過程 f(x)稱為學習模型，泛化能力是指機器學習算法對新鮮樣本的適應能力。通常期望學習模型具有較強的泛化能力。 1．機器學習與人類學習對比 機器學習屬于人工智能的一個分支。所以，學習是一種智能，圖5-2給出了機器學習在人工智能學科中的地位。圖5-3給出了機器學習與人類學習的對比。 圖5-2 機器學習的地位 圖5-3 機器學習與人類學習的對比
人工智能概論 作者簡介
劉鵬，教授，清華大學博士畢業，現任南京云創大數據科技股份有限公司總裁，兼任中國大數據應用聯盟人工智能專家委員會主任、中國信息協會教育分會人工智能教育專家委員會主任、2019年全國大學生數學建模競賽命題人、第45屆世界技能大賽中國云計算專家指導組組長。 程顯毅，教授，博士，現任中國人工智能學會知識工程專家委員會委員、江蘇省微電腦學會人工智能專家委員會副主任委員、江蘇省人工智能學會監事、江蘇省大數據專家委員會委員、江蘇省云計算論壇專家委員會委員。 李紀聰，廣東工業大學華立學院副教授、高級工程師，教育部高職高專汽車類汽車制造與裝配技術專業教學指導委員會委員，新寶車業有限公司（4S店）執行董事長兼CEO。 研究領域為新能源汽車、智能（無人）駕駛、工業機器人、智能建筑、現代企業管理等。在公開刊物上發表學術論文10余篇，承擔省部級以及企業橫向科研課題10多項，獲得新型技術專利10多項，學術成果曾獲得省部級獎勵。
書友推薦
- >
月亮虎
- >
【精裝繪本】畫給孩子的中國神話
- >
經典常談
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅庸西南聯大授課錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
姑媽的寶刀
- >
自卑與超越
本類暢銷
