人工智能導(dǎo)論(普通高等教育通識(shí)類課程規(guī)劃教材)
定 價(jià):45 元
- 作者:王飛,潘立武著,王飛,潘立武編
- 出版時(shí)間:2022/2/1
- ISBN:9787522604565
- 出 版 社:中國(guó)水利水電出版社
- 中圖法分類:TP18
- 頁(yè)碼:248
- 紙張:
- 版次:1
- 開本:16開
本書分為9章,包括緒論、知識(shí)表示與推理、圖搜索技術(shù)和問(wèn)題求解、智能優(yōu)化算法、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、專家系統(tǒng)、模式識(shí)別與機(jī)器視覺、強(qiáng)化學(xué)習(xí)與生成對(duì)抗網(wǎng)絡(luò)。本書力求在講解人工智能基礎(chǔ)的前提下,同時(shí)對(duì)應(yīng)用型的人工智能前沿知識(shí)理論和科技成果進(jìn)行展現(xiàn),結(jié)構(gòu)組織合理,內(nèi)容理論與實(shí)踐相結(jié)合,對(duì)讀者的層次和理解進(jìn)行了充分考慮,并提供了相應(yīng)的多種流行人工智能框架的實(shí)用案例。本書適合作為高等院校的人工智能基礎(chǔ)課程的教材,也可以用作從事人工智能應(yīng)用的開發(fā)工程師及相關(guān)科技人員的參考用書。
前言
第1章 緒論
1.1 人工智能概論
1.1.1 人工智能的定義
1.1.2 人工智能的發(fā)展史及流派
1.1.3 人工智能的研究目標(biāo)和意義
1.1.4 人工智能的研究途徑
1.2 人工智能的現(xiàn)在和未來(lái)
1.2.1 人工智能的研究領(lǐng)域
1.2.2 人工智能的發(fā)展趨勢(shì)
1.3 本章小結(jié)
習(xí)題1
第2章 知識(shí)表示與推理
2.1 知識(shí)表示
2.1.1 知識(shí)的概念
2.1.2 知識(shí)的分類和特性
2.1.3 產(chǎn)生式表示法
2.1.4 框架表示法
2.1.5 其他表示法
2.2 知識(shí)推理
2.2.1 不確定性推理的概念和分類
2.2.2 概率推理
2.2.3 主觀Bayes方法
2.2.4 可信度方法
2.2.5 模糊推理
2.3 本章小結(jié)
習(xí)題2
第3章 圖搜索技術(shù)和問(wèn)題求解
3.1 搜索策略概述
3.1.1 狀態(tài)空間表示法
3.1.2 盲目搜索
3.1.3 啟發(fā)式搜索
3.1.4 博弈搜索
3.2 狀態(tài)圖的搜索
3.2.1 狀態(tài)圖搜索策略
3.2.2 博弈樹搜索策略
3.3 實(shí)戰(zhàn)——應(yīng)用爬蟲爬取新聞報(bào)道
3.4 本章小結(jié)
習(xí)題3
第4章 智能優(yōu)化算法
4.1 智能優(yōu)化算法概述
4.1.1 智能優(yōu)化算法的相關(guān)概念
4.1.2 智能優(yōu)化算法的分類
4.2 進(jìn)化算法
4.2.1 遺傳算法
4.2.2 其他進(jìn)化算法
4.3 集群智能算法
4.3.1 蟻群算法
4.3.2 粒子群算法
4.4 其他智能優(yōu)化算法
4.4.1 模擬退火算法
4.4.2 禁忌搜索算法
4.5 實(shí)戰(zhàn)——應(yīng)用遺傳算法解決問(wèn)題
4.6 本章小結(jié)
習(xí)題4
第5章 機(jī)器學(xué)習(xí)
5.1 機(jī)器學(xué)習(xí)概述
5.1.1 機(jī)器學(xué)習(xí)的發(fā)展與分類
5.1.2 監(jiān)督學(xué)習(xí)
5.1.3 無(wú)監(jiān)督學(xué)習(xí)
5.1.4 半監(jiān)督學(xué)習(xí)
5.1.5 強(qiáng)化學(xué)習(xí)
5.2 符號(hào)學(xué)習(xí)
5.2.1 記憶學(xué)習(xí)
5.2.2 歸納學(xué)習(xí)
5.2.3 演繹學(xué)習(xí)
5.3 實(shí)戰(zhàn)——線性回歸與決策樹
5.3.1 使用線性回歸預(yù)測(cè)房?jī)r(jià)
5.3.2 使用決策樹預(yù)測(cè)房?jī)r(jià)
5.4 本章小結(jié)
習(xí)題5
第6章 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
6.1 人工神經(jīng)網(wǎng)絡(luò)
6.1.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
6.1.2 神經(jīng)網(wǎng)絡(luò)的類型
6.1.3 BP神經(jīng)網(wǎng)絡(luò)
6.2 深度學(xué)習(xí)
6.2.1 深度學(xué)習(xí)與卷積網(wǎng)絡(luò)
6.2.2 textCNN模型
6.3 實(shí)戰(zhàn)——使用BP與CNN完成手寫數(shù)字識(shí)別
6.3.1 BP網(wǎng)絡(luò)手寫數(shù)字識(shí)別
6.3.2 CNN手寫數(shù)字識(shí)別
6.4 本章小結(jié)
習(xí)題6
第7章 專家系統(tǒng)
7.1 專家系統(tǒng)概述
7.1.1 專家系統(tǒng)的發(fā)展
7.1.2 專家系統(tǒng)的定義與特點(diǎn)
7.1.3 專家系統(tǒng)的分類
7.2 專家系統(tǒng)的原理
7.2.1 專家系統(tǒng)的一般結(jié)構(gòu)
7.2.2 專家系統(tǒng)的基本工作原理
7.3 專家系統(tǒng)的開發(fā)過(guò)程
7.3.1 知識(shí)獲取和知識(shí)工程
7.3.2 專家系統(tǒng)的開發(fā)步驟
7.3.3 專家系統(tǒng)開發(fā)工具
7.4 專家系統(tǒng)實(shí)例
7.5 本章小結(jié)
習(xí)題7
第8章 模式識(shí)別與機(jī)器視覺
8.1 模式識(shí)別
8.1.1 模式識(shí)別的基本概念
8.1.2 模式識(shí)別的方法
8.1.3 模式識(shí)別過(guò)程
8.1.4 模式識(shí)別應(yīng)用
8.2 機(jī)器視覺
8.2.1 機(jī)器視覺的定義和構(gòu)成
8.2.2 機(jī)器視覺的分類和應(yīng)用
8.2.3 圖像識(shí)別
8.2.4 人臉識(shí)別
8.3 實(shí)戰(zhàn)——人臉表情識(shí)別
8.3.1 人臉表情識(shí)別的常用方法
8.3.2 實(shí)戰(zhàn)——基于深度學(xué)習(xí)的人臉表情識(shí)別系統(tǒng)
8.4 本章小結(jié)
習(xí)題8
第9章 強(qiáng)化學(xué)習(xí)與生成對(duì)抗網(wǎng)絡(luò)
9.1 強(qiáng)化學(xué)習(xí)概述
9.1.1 強(qiáng)化學(xué)習(xí)基礎(chǔ)
9.1.2 強(qiáng)化學(xué)習(xí)分類
9.1.3 強(qiáng)化學(xué)習(xí)的應(yīng)用
9.2 生成對(duì)抗網(wǎng)絡(luò)概述
9.2.1 生成對(duì)抗模型
9.2.2 生成對(duì)抗模型的數(shù)學(xué)原理
9.2.3 生成對(duì)抗網(wǎng)絡(luò)的實(shí)際應(yīng)用
9.3 實(shí)戰(zhàn)——基于StyleGAN-v2實(shí)現(xiàn)顏值融合
9.4 本章小結(jié)
習(xí)題9
參考文獻(xiàn)