人工智能导论_梁立新、王鑫、梁震戈、赵珩、李蒙编著_9787302689560

本书通过大量实验系统地介绍人工智能的原理和技术。本书共13章，主要内容包括人工智能概述、计算智能、机器学习、视觉感知、自然语言处理、语音处理、知识认知与推理、机器人、人工智能伦理与安全、人脸识别的应用、智能家居、智能制造、无人驾驶的应用，其中实验内容包括蚁群算法实验、波士顿房价预测实验、基于模式识别的光学字符识别实验、基于深度学习的图像分类实验、基于深度学习的人脸识别实验、基于云服务的智能问答机器人实验、机械臂语音控制实验、知识图谱医疗问答系统实验、机械臂视觉分拣实验、基于深度学习的人脸替换视频伪造实验。
本书内容详尽，与时俱进，既有人工智能基础知识又有最新前沿技术，既有完整的理论体系又有大量的应用场景和实例，突出应用能力的培养。本书适合作为高等学校计算机相关专业本科、专科人工智能课程的教材，也可供从事人工智能研究与开发的专业人员参考。

21世纪，什么技术将影响人类的生活？什么产业将决定国家的发展？信息技术与信息产业是首选的答案。高等学校学生是国家的后备力量，国家门计划在高等学校中开展政府和企业信息技术与软件工程教育。经过多所院校的实践，信息技术与软件工程教育受到学生的普遍欢迎，取得了很好的教学效果。然而，其中也存在一些不容忽视的共性问题，最突出的是教材问题。
从近几年信息技术与软件工程教育来看，许多任课教师提出目前的教材不适合教学，具体体现在以下3方面: 第一，来自信息技术与软件工程专业的术语很多，没有这些知识背景的学生学习起来有一定难度；第二，教材中的实例比较匮乏，与企业的实际情况相差太远，致使案例可参考性差；第三，教材缺乏具体的课程实践指导和真实项目。因此，针对高等学校信息技术与软件工程课程教学特点与需求，编写适用的规范化教材已刻不容缓。
本书就是针对以上问题编写的。本书将大量应用场景和实例，与人工智能的原理和技术相融合，使读者能够既概略又具体地掌握人工智能的基本知识和技能。本书主要内容包括人工智能概述、计算智能、机器学习、视觉感知、自然语言处理、语音处理、知识认知与推理、机器人、人工智能伦理与安全、人脸识别的应用、智能家居、智能制造、无人驾驶的应用。
本书具有以下特色:
(1) 重实际应用。作者多年教学和科研工作的体会是IT是做出来的，不是想出来的。理论虽然重要，但一定要为实践服务，通过实践带动理论的学习是最好、最快、最有效的方法。作者希望读者通过本书对人工智能的应用场景和技术体系有整体了解，消除对人工智能理论的神秘感，能够根据本书的体系循序渐进地动手做出自己的真实应用。
(2) 重理论要点。本书着重介绍人工智能的原理和技术中最重要、最核心的部分以及它们之间的融会贯通，而不是面面俱到、缺乏重点。读者首先把握人工智能的概貌，然后深入局部细节，最后掌握行业应用，既有整体框架，又有重点理论和技术。一书在手，思路清晰，项目无忧！〖2〗为了便于教学，本书配有教学课件，读者可从清华大学出版社的网站下载。
本书第一作者梁立新的工作单位为深圳技术大学,本书得到深圳技术大学的大力支持和教材出版资助。除封面署名者以外，牛悦萌、江旖旎、罗维伊、叶涌才、曾宪昕、刘锦润等参与了本书编写工作。
限于作者的水平，书中难免有不足之处，敬请广大读者批评指正。

梁立新2025年1月

第1章人工智能概述1
1.1什么是人工智能2
1.1.1人工智能的定义2
1.1.2人工智能的类型3
1.2人工智能的历史和未来3
1.2.1人工智能的历史4
1.2.2人工智能的未来5
1.3人工智能的研究内容6
1.4人工智能的发展趋势7
1.4.1全球人工智能学术研究发展态势7
1.4.2中外人工智能发展对比8
1.5本章小结10
1.6习题10
第2章计算智能11
2.1计算智能概述11
2.2神经网络12
2.2.1神经网络的定义12
2.2.2神经网络的结构14
2.3模糊系统17
2.3.1模糊系统的定义17
2.3.2ifthen规则17
2.3.3模糊推理过程18
2.4进化算法19
2.4.1进化算法的定义19
2.4.2进化算法的重要性与主要应用场景20
2.4.3遗传算法22
2.4.4蚁群算法23
2.4.5旅行商问题24
2.4.6蚁群算法实验25
2.5本章小结322.6习题33
第3章机器学习34
3.1有监督学习35
3.1.1有监督学习的定义35
3.1.2回归问题35
3.1.3分类问题38
3.1.4波士顿房价预测实验46
3.2无监督学习53
3.2.1无监督学习的分类与特点54
3.2.2无监督学习的应用场景55
3.2.3无监督学习的展望60
3.3深度学习60
3.3.1神经网络发展史61
3.3.2分层神经网络62
3.3.3反向传播64
3.3.4深度学习的常用模型65
3.4迁移学习68
3.4.1迁移学习的定义68
3.4.2迁移学习的适用场景69
3.5强化学习70
3.6本章小结71
3.7习题72
第4章视觉感知73
4.1图像处理75
4.1.1图像处理基础75
4.1.2图像处理任务类型77
4.2模式识别78
4.2.1模式识别的定义78
4.2.2模式识别应用技术79
4.2.3基于模式识别的光学字符识别实验83
4.3图像识别92
4.3.1图像识别方法92
4.3.2图像识别的应用94
4.3.3基于深度学习的图像识别实验95
4.4目标检测1014.4.1目标检测的基本概念101
4.4.2目标检测的应用场景103
4.4.3目标检测常用算法104
4.5人脸识别105
4.5.1人脸识别技术的概念105
4.5.2基于深度学习的人脸识别实验106
4.6视频分析114
4.6.1视频分析的基本概念114
4.6.2视频分析的应用场景115
4.6.3视频分析的常见算法116
4.7本章小结117
4.8习题117
第5章自然语言处理118
5.1语义分析118
5.1.1语义分析的基本概念118
5.1.2语义分析的主要应用场景120
5.2文本分类和情感分析122
5.2.1文本分类和情感分析的基本概念122
5.2.2文本分类和情感分析的应用场景与展望126
5.3智能问答127
5.3.1智能问答系统的基本概念127
5.3.2智能问答的应用与挑战129
5.3.3基于云服务的智能问答机器人实验134
5.4聊天机器人137
5.4.1聊天机器人简介137
5.4.2经典的聊天机器人138
5.4.3聊天机器人的优缺点和未来发展趋势140
5.5机器翻译142
5.5.1机器翻译的基本概念142
5.5.2机器翻译的发展历史142
5.5.3机器翻译基础知识144
5.5.4关于机器翻译技术的展望145
5.6大语言模型147
5.6.1大语言模型简介147
5.6.2大语言模型的原理148
5.6.3大语言模型的应用1555.6.4模型设计和训练155
5.6.5大语言模型的未来160
5.7本章小结161
5.8习题161
第6章语音处理162
6.1语音识别162
6.1.1语音识别简介162
6.1.2语音识别的应用场景166
6.2语音信号基本概念167
6.2.1语音信号与音频信号167
6.2.2声音的物理属性168
6.2.3语音信号的数字化表示168
6.3语音特征提取169
6.3.1语音特征169
6.3.2语音特征的意义171
6.4语音处理关键技术172
6.4.1语音合成172
6.4.2语音情感分析173
6.4.3说话人识别与验证175
6.4.4机械臂语音控制实验176
6.5语音助手182
6.5.1语音助手的历史与定义182
6.5.2语音处理的主要技术182
6.5.3语音助手的未来发展前景184
6.6本章小结186
6.7习题186
第7章知识认知与推理187
7.1逻辑推理187
7.1.1知识推理的概念187
7.1.2知识推理的应用188
7.1.3知识推理的方法189
7.2知识表示191
7.2.1知识表示简介191
7.2.2知识表示的常用方法191
7.2.3知识表示的应用场景1947.3搜索技术194
7.3.1搜索技术简介194
7.3.2搜索技术的常用算法196
7.3.3搜索技术的应用场景197
7.4知识图谱198
7.4.1知识图谱的基本概念198
7.4.2知识图谱的常用算法198
7.4.3知识图谱的应用场景199
7.4.4基于知识图谱的医疗问答系统实验201
7.5本章小结205
7.6习题205
第8章机器人207
8.1机器人概述207
8.1.1什么是机器人207
8.1.2机器人分类207
8.1.3机器人的基本组成209
8.1.4人工智能在机器人中的应用209
8.1.5未来展望209
8.2机器人控制技术210
8.2.1机器人控制系统的组成结构210
8.2.2机器人控制架构211
8.2.3控制策略和算法211
8.2.4通信协议212
8.2.5机械臂视觉分拣实验213
8.3机器人操作系统概述217
8.3.1ROS简介217
8.3.2ROS的系统分层结构218
8.3.3ROS的功能220
8.4机器人智能应用221
8.5工业机器人221
8.5.1工业机器人的定义与分类222
8.5.2工业机器人的结构223
8.5.3工业机器人的控制方法224
8.5.4工业机器人的应用领域224
8.5.5工业机器人的发展趋势225
8.6无人驾驶2268.6.1无人驾驶技术原理226
8.6.2无人驾驶技术的应用领域227
8.6.3无人驾驶技术的发展趋势228
8.7无人机228
8.7.1无人机的分类229
8.7.2无人机技术发展229
8.7.3无人机在人工智能领域的应用230
8.7.4未来展望231
8.8本章小结231
8.9习题232
第9章人工智能伦理与安全233
9.1人工智能伦理233
9.1.1人工智能与就业问题233
9.1.2人工智能与隐私问题234
9.1.3人工智能与歧视问题235
9.1.4人工智能与技术伦理问题236
9.2机器人伦理236
9.2.1机器人伦理概述236
9.2.2机器人对人类的影响238
9.2.3机器人的伦理地位239
9.2.4机器人设计和制造中的问题239
9.3人工智能安全240
9.3.1人工智能安全概述240
9.3.2人工智能安全面临的挑战和威胁类型241
9.3.3人工智能安全解决方案242
9.3.4人工智能安全的未来发展244
9.4人工智能法律问题244
9.4.1人工智能在法律领域中的应用244
9.4.2人工智能对法律的挑战245
9.4.3人工智能法律监管的现状和趋势246
9.4.4人工智能法律的发展趋势249
9.4.5基于深度学习的视频表情更换实验251
9.5本章小结255
9.6习题256
第10章人脸识别的应用257
10.1人脸门禁系统25710.1.1人脸识别技术的基础知识257
10.1.2人脸门禁系统的工作原理259
10.1.3人脸门禁系统的优势与挑战261
10.2性别情感识别262
10.2.1性别情感识别的意义262
10.2.2性别情感识别的技术方法263
10.2.3性别情感识别的应用场景264
10.2.4性别情感识别的未来264
10.3本章小结265
10.4习题265
第11章智能家居267
11.1机器视觉应用268
11.1.1人脸识别268
11.1.2物体识别268
11.1.3行为识别271
11.1.4智能监控271
11.2智能语音应用272
11.2.1核心技术273
11.2.2发展历程273
11.2.3应用场景278
11.2.4未来发展趋势278
11.3智能云服务应用279
11.3.1数据存储与同步279
11.3.2高级功能支持279
11.3.3远程控制与监控280
11.4本章小结280
11.5习题280
第12章智能制造281
12.1机器人分拣应用282
12.1.1机器人分拣的基本原理282
12.1.2机器人分拣的应用场景282
12.1.3技术挑战283
12.2机械臂动态避障284
12.2.1机械臂、传感器、算法和控制器285
12.2.2机械臂动态避障常用算法28712.3三维视觉目标抓取287
12.3.1具体步骤287
12.3.2关键技术288
12.3.3应用场景289
12.3.4未来展望289
12.4本章小结290
12.5习题290
第13章无人驾驶的应用291
13.1车道线检测292
13.1.1车道线检测常用算法293
13.1.2车道线检测的技术难点293
13.2交通标志识别294
13.2.1交通标志识别的重要性294
13.2.2交通标志识别的基本流程294
13.2.3主要技术295
13.3自主定位和导航297
13.3.1定位方法297
13.3.2传感器298
13.3.3地图构建299
13.3.4路径规划301
13.4本章小结301
13.5习题302
附录A安装Python实验环境303
附录B安装图数据库Neo4j307
附录CAI 智能分拣实训平台简介和使用方法311
C.1AI 智能分拣实训平台简介311
C.2智能边缘计算网关连接312

你还可能感兴趣

我要评论