本书共13章，主要分为两篇：基础理论篇和实践应用篇，旨在系统全面地介绍人工智能的基础知识和实践案例。本书主要内容涵盖从基础算法（如搜索算法、约束满足问题）到高阶的机器学习、深度学习和强化学习理论，并深入探讨了卷积神经网络、生成对抗网络和图神经网络等重要神经网络架构。书中还介绍了智能计算方法，如遗传算法和粒子群算法。此外，本书部分章节展示了支持向量机、目标检测和强化学习的实际应用案例，也讨论了无人驾驶、精准营销等当今热门应用领域。本书的初衷是向读者介绍人工智能的基础理论和实践应用，使他们能够深入了解这一领域的核心概念和技术。通过本书，学生能够系统了解人工智能领域的最新理论和技术，并具备将理论转化为实践的能力，为未来的科研创新奠定坚实基础。本书适合作为高等院校计算机科学、自动化、信息技术、智能制造等相关专业本科生和研究生的教材，同时也可供从事人工智能技术开发、智能系统设计及大数据分析的技术人员参考。本书通过理论知识与应用实践的结合，不仅能帮助学生理解人工智能的基础理论知识，还能够培养他们创新和解决实际问题的能力。
本书通过理论知识与应用实践的结合，不仅能帮助学生理解人工智能的基础理论知识，还能够培养他们创新和解决实际问题的能力。
人工智能（AI）是当今世界最为引人瞩目的技术领域之一，其已经深刻地改变了人们的生活方式、工作方式以及社会结构。从智能手机上的语音助手到自动驾驶汽车，再到智能推荐系统和医疗诊断，人工智能正在以惊人的速度和广度渗透到人们的日常生活中。在这个快速发展的领域中，理解其基础原理和应用实践变得尤为重要。在基础理论篇中，本书将深入探讨机器学习、人工神经网络、强化学习、智能计算等核心理论，并介绍监督学习和无监督学习的基本原理，以及常见的算法，如最小二乘法、决策树、支持向量机、神经网络等。此外，本书还将讨论人工神经网络的各种类型，以及强化学习在智能体和环境之间进行学习和决策的方法。这些理论知识将为学生提供深入了解人工智能背后机制的基础。在实践应用篇中，本书将通过丰富的案例和实践经验，带领读者走进无人驾驶、精准营销、工业智能、智能医疗、智慧农业、智能翻译等应用场景，深入了解人工智能在不同领域的应用和发展趋势。通过深入浅出的讲解和图文并茂的展示，希望学生能够轻松理解人工智能技术的复杂性，同时也能够领略到其带来的巨大潜力和影响。本书的目标是为广大学生提供一本系统全面的人工智能基础教材，既适合初学者快速入门，又能够满足专业人士深入研究的需求。相信通过本书的学习，学生将能够更好地理解和应用人工智能技术，为构建智能化的未来做出贡献。在这个充满挑战和机遇的时代，让我们一起探索人工智能的奥秘，开启智能时代的新篇章。
高等院校教师
第1章导论和概述11人工智能的概念12人工智能的发展历史13人工智能的应用领域14人工智能的挑战和机遇15本章小结16习题第2章机器学习21监督学习22无监督学习23本章小结24习题第3章深度学习31卷积神经网络32循环神经网络33生成对抗网络34图神经网络35本章小结36习题第4章强化学习41引言42强化学习基本模型和原理43马尔可夫决策过程44强化学习主要算法45强化学习发展趋势46本章小结47习题第5章智能计算51最优化问题52计算复杂性及NP理论53智能计算基础理论54遗传算法55蚁群优化算法56粒子群优化算法57本章小结58习题第6章人工智能大模型61大模型概述62Transformer63生成式预训练64GPT系列模型65本章小结66习题实践应用篇第7章无人驾驶71无人驾驶概述72无人驾驶技术基础73无人驾驶技术发展与应用74本章小结75习题第8章精准营销81背景和目的82方法和数据来源83精准营销概述84抖音智能推荐在精准营销中的应用85精准营销的挑战与未来展望86本章小结87习题第9章工业智能91工业智能内涵92工业智能关键技术93工业智能应用场景94本章小结95习题第10章智能医疗101智能医疗概述102智能医疗发展及现状103智能医疗应用场景104本章小结105习题第11章智慧农业111智慧农业概述112智慧农业发展现状113智慧农业应用场景114本章小结115习题第12章智能翻译121智能翻译概述122智能翻译发展及现状123智能翻译应用场景124本章小结125习题第13章应用案例131基于机器视觉的水稻病害识别研究132基于面向对象注意力机制的无人机农情图像颜色校正算法研究133基于CNNTransformer的农业病虫害识别
新书资讯
