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
人工智能研究 版權信息
- ISBN：9787121374937
- 條形碼：9787121374937 ; 978-7-121-37493-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能研究 本書特色
人工智能是一門研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的新的技術科學，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統等方面。本書章主要講解了人工智能的重要概念、發展現狀和相關技術等，為下文進一步研究人工智能打基礎；第2章對人工智能目前主要用到的Python進行了簡單的介紹，有利于下文程序的編寫；第3章介紹了機器學習，主要對機器學習的常用算法、卷積神經網絡和循環神經網絡進行了深入的闡釋；第4～11章詳細講解了8個人工智能應用案例。本書特色鮮明、內容易讀易學，適合作為相關專業的大學生，以及不具有人工智能研究背景，但是想要快速補充人工智能知識，以便在實際產品或平臺中應用的工程師等人員的參考書。
人工智能研究 內容簡介
人工智能是一門研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的新的技術科學，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統等方面。本書章主要講解了人工智能的重要概念、發展現狀和相關技術等，為下文進一步研究人工智能打基礎；第2章對人工智能目前主要用到的Python進行了簡單的介紹，有利于下文程序的編寫；第3章介紹了機器學習，主要對機器學習的常用算法、卷積神經網絡和循環神經網絡進行了深入的闡釋；第4～11章詳細講解了8個人工智能應用案例。本書特色鮮明、內容易讀易學，適合作為相關專業的大學生，以及不具有人工智能研究背景，但是想要快速補充人工智能知識，以便在實際產品或平臺中應用的工程師等人員的參考書。
人工智能研究 目錄
第1章 緒論
1.1 什么是人工智能
1.2 人工智能發展歷程
1.3 人工智能的重要概念
1.3.1 智能代理
1.3.2 與外部環境特性相關的重要術語
1.4 人工智能發展現狀
1.4.1 應用領域
1.4.2 應用層次
1.4.3 發展趨勢
1.5 人工智能相關技術
第2章 Python
2.1 Python概述
2.1.1 發展歷史
2.1.2 應用領域
2.2 常用數據類型
2.2.1 Number類型
2.2.2 String類型
2.2.3 Sequence類型簇
2.2.4 Tuple類型
2.2.5 List類型
2.2.6 Set類型
2.2.7 Dictionary類型
2.2.8 其他類型
2.2.9 數字類型轉換
2.3 流程控制
2.3.1 程序塊與作用域
2.3.2 條件語句
2.3.3 循環語句
2.4 函數
2.4.1 定義與調用
2.4.2 變長參數
2.4.3 匿名函數
2.5 異常
2.6 數據結構與算法
2.6.1 常用的數據結構
2.6.2 常用的算法
第3章 機器學習
3.1 機器學習常用算法
3.1.1 決策樹
3.1.2 SVM
3.1.3 K近鄰
3.1.4 K均值
3.1.5 馬爾可夫鏈
3.2 卷積神經網絡
3.2.1 基本概念
3.2.2 發展歷史
3.2.3 基本原理
3.3 循環神經網絡
3.3.1 基本概念
3.3.2 Hopfield神經網絡
3.3.3 玻爾茲曼機
3.3.4 受限玻爾茲曼機
第4章 人工智能背景下的融合時空信息和用戶信任度的推薦算法研究
4.1 概述
4.2 相關技術及理論
4.2.1 推薦算法
4.2.2 相似度計算
4.2.3 推薦系統評測
4.3 基于路網的Meeting模式發現算法
4.3.1 引言
4.3.2 軌跡預處理
4.3.3 相似軌跡段查詢
4.3.4 軌跡段劃分
4.3.5 軌跡段距離計算
4.3.6 時間過濾
4.3.7 Meeting模式發現算法
4.3.8 實驗與分析
4.4 時間約束的頻繁模式發現算法
4.4.1 引言
4.4.2 熱點區域發現
4.4.3 頻繁模式發現
4.4.4 頻繁模式發現算法
4.4.5 實驗與分析
4.5 移動對象運動模式發現原型系統設計與實現
4.5.1 系統結構設計
4.5.2 系統實現
4.6 總結
第5章 基于人工智能的疲勞駕駛自動檢測
5.1 概述
5.2 傳統疲勞駕駛檢測技術
5.2.1 基于行車數據的檢測技術
5.2.2 基于生理指標的檢測技術
5.2.3 基于機器視覺的檢測技術
5.3 基于MTCNN的疲勞駕駛自動檢測
5.3.1 檢測原理
5.3.2 檢測模型
5.3.3 實驗
5.4 總結
第6章 基于機器學習和輿情預測的新冠肺炎疫情分析
6.1 概述
6.2 傳播模式
6.2.1 自然傳播階段
6.2.2 干預后傳播階段
6.3 加入輿情預測后的預測模型
6.4 總結
第7章 基于人工智能的點頭和搖頭人臉表情研究
7.1 概述
7.2 相關技術和理論
7.2.1 確定參考點
7.2.2 點頭和搖頭的偵測算法
7.3 實驗分析
7.4 基于點頭和搖頭的表情研究
7.5 總結
第8章 基于DNN的樹莓派人臉識別系統架構設計
8.1 概述
8.2 樹莓派系統配置
8.2.1 硬件部分
8.2.2 軟件部分
8.3 非云端架構設計
8.4 云端架構設計
8.5 總結
第9章 基于人工智能的膳食分析及個性化推薦系統研究
9.1 概述
9.2 相關技術及理論
9.2.1 粗糙集理論
9.2.2 個性化推薦算法
9.2.3 Android平臺
9.3 基于粗糙集理論的膳食分析及個性化推薦模型
9.3.1 膳食本體
9.3.2 用戶模型
9.3.3 基于粗糙集理論的個性化推薦模型
9.3.4 實例分析
9.4 膳食分析及個性化推薦系統需求分析與總體設計
9.4.1 需求分析
9.4.2 可行性分析
9.4.3 總體設計
9.5 總結
第10章 基于深度學習的情緒感知研究
10.1 概述
10.2 相關技術及理論
10.2.1 人臉識別流程
10.2.2 技術原理
10.3 表情識別的實現原理
10.3.1 識別流程
10.3.2 技術原理
10.4 傳統的人臉與表情識別方法
10.5 基于深度學習的人臉與表情識別方法
10.5.1 使用深度卷積神經網絡模型
10.5.2 使用DNN進行分類輸出
10.5.3 使用樹莓派作為采集終端
10.6 情緒感知原理
10.7 前期準備
10.7.1 平臺的選擇
10.7.2 環境的搭建
10.7.3 TensorFlow和Keras的安裝
10.7.4 OpenCV的安裝
10.7.5 模型的訓練
10.8 識別過程與結果
10.8.1 人臉與表情識別過程
10.8.2 人臉與表情識別結果
10.8.3 情緒感知識別結果
10.9 總結
第11章 基于人工智能的煙煤太赫茲光譜特性研究
11.1 概述
11.2 實驗
11.2.1 實驗系統
11.2.2 實驗樣本
11.2.3 實驗方案與數據處理方法
11.3 結果與討論
11.3.1 煙煤的太
1.1 什么是人工智能
1.2 人工智能發展歷程
1.3 人工智能的重要概念
1.3.1 智能代理
1.3.2 與外部環境特性相關的重要術語
1.4 人工智能發展現狀
1.4.1 應用領域
1.4.2 應用層次
1.4.3 發展趨勢
1.5 人工智能相關技術
第2章 Python
2.1 Python概述
2.1.1 發展歷史
2.1.2 應用領域
2.2 常用數據類型
2.2.1 Number類型
2.2.2 String類型
2.2.3 Sequence類型簇
2.2.4 Tuple類型
2.2.5 List類型
2.2.6 Set類型
2.2.7 Dictionary類型
2.2.8 其他類型
2.2.9 數字類型轉換
2.3 流程控制
2.3.1 程序塊與作用域
2.3.2 條件語句
2.3.3 循環語句
2.4 函數
2.4.1 定義與調用
2.4.2 變長參數
2.4.3 匿名函數
2.5 異常
2.6 數據結構與算法
2.6.1 常用的數據結構
2.6.2 常用的算法
第3章 機器學習
3.1 機器學習常用算法
3.1.1 決策樹
3.1.2 SVM
3.1.3 K近鄰
3.1.4 K均值
3.1.5 馬爾可夫鏈
3.2 卷積神經網絡
3.2.1 基本概念
3.2.2 發展歷史
3.2.3 基本原理
3.3 循環神經網絡
3.3.1 基本概念
3.3.2 Hopfield神經網絡
3.3.3 玻爾茲曼機
3.3.4 受限玻爾茲曼機
第4章 人工智能背景下的融合時空信息和用戶信任度的推薦算法研究
4.1 概述
4.2 相關技術及理論
4.2.1 推薦算法
4.2.2 相似度計算
4.2.3 推薦系統評測
4.3 基于路網的Meeting模式發現算法
4.3.1 引言
4.3.2 軌跡預處理
4.3.3 相似軌跡段查詢
4.3.4 軌跡段劃分
4.3.5 軌跡段距離計算
4.3.6 時間過濾
4.3.7 Meeting模式發現算法
4.3.8 實驗與分析
4.4 時間約束的頻繁模式發現算法
4.4.1 引言
4.4.2 熱點區域發現
4.4.3 頻繁模式發現
4.4.4 頻繁模式發現算法
4.4.5 實驗與分析
4.5 移動對象運動模式發現原型系統設計與實現
4.5.1 系統結構設計
4.5.2 系統實現
4.6 總結
第5章 基于人工智能的疲勞駕駛自動檢測
5.1 概述
5.2 傳統疲勞駕駛檢測技術
5.2.1 基于行車數據的檢測技術
5.2.2 基于生理指標的檢測技術
5.2.3 基于機器視覺的檢測技術
5.3 基于MTCNN的疲勞駕駛自動檢測
5.3.1 檢測原理
5.3.2 檢測模型
5.3.3 實驗
5.4 總結
第6章 基于機器學習和輿情預測的新冠肺炎疫情分析
6.1 概述
6.2 傳播模式
6.2.1 自然傳播階段
6.2.2 干預后傳播階段
6.3 加入輿情預測后的預測模型
6.4 總結
第7章 基于人工智能的點頭和搖頭人臉表情研究
7.1 概述
7.2 相關技術和理論
7.2.1 確定參考點
7.2.2 點頭和搖頭的偵測算法
7.3 實驗分析
7.4 基于點頭和搖頭的表情研究
7.5 總結
第8章 基于DNN的樹莓派人臉識別系統架構設計
8.1 概述
8.2 樹莓派系統配置
8.2.1 硬件部分
8.2.2 軟件部分
8.3 非云端架構設計
8.4 云端架構設計
8.5 總結
第9章 基于人工智能的膳食分析及個性化推薦系統研究
9.1 概述
9.2 相關技術及理論
9.2.1 粗糙集理論
9.2.2 個性化推薦算法
9.2.3 Android平臺
9.3 基于粗糙集理論的膳食分析及個性化推薦模型
9.3.1 膳食本體
9.3.2 用戶模型
9.3.3 基于粗糙集理論的個性化推薦模型
9.3.4 實例分析
9.4 膳食分析及個性化推薦系統需求分析與總體設計
9.4.1 需求分析
9.4.2 可行性分析
9.4.3 總體設計
9.5 總結
第10章 基于深度學習的情緒感知研究
10.1 概述
10.2 相關技術及理論
10.2.1 人臉識別流程
10.2.2 技術原理
10.3 表情識別的實現原理
10.3.1 識別流程
10.3.2 技術原理
10.4 傳統的人臉與表情識別方法
10.5 基于深度學習的人臉與表情識別方法
10.5.1 使用深度卷積神經網絡模型
10.5.2 使用DNN進行分類輸出
10.5.3 使用樹莓派作為采集終端
10.6 情緒感知原理
10.7 前期準備
10.7.1 平臺的選擇
10.7.2 環境的搭建
10.7.3 TensorFlow和Keras的安裝
10.7.4 OpenCV的安裝
10.7.5 模型的訓練
10.8 識別過程與結果
10.8.1 人臉與表情識別過程
10.8.2 人臉與表情識別結果
10.8.3 情緒感知識別結果
10.9 總結
第11章 基于人工智能的煙煤太赫茲光譜特性研究
11.1 概述
11.2 實驗
11.2.1 實驗系統
11.2.2 實驗樣本
11.2.3 實驗方案與數據處理方法
11.3 結果與討論
11.3.1 煙煤的太
展開全部
人工智能研究 作者簡介
陳超，江蘇建筑職業技術學院老師，計算機技術專業，畢業于中國礦業大學，著作方向為Python、人工智能，參與多項校級、省級科研項目，科研方向為人工智能、移動互聯網、信息安全，主要承擔程序設計、linux、云計算等課程的教學工作。
書友推薦
- >
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)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
- >
莉莉和章魚
- >
李白與唐代文化
- >
唐代進士錄
- >
推拿
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
