作者簡介
王忠,教授,海南經貿職業技術學院信息技術學院院長,主要講授課程包括CAD繪圖、計算機應用技術、三維建模技術等。
目錄
1章 人工智能概述
1 1人工智能的基本概念
1 1 1 弱人工智能
1 1 2 強人工智能
1 1 3 超人工智能
1 2 人工智能的發展歷程
1 2 1國外發展歷程
1 一波”浪潮”
2 一次”寒冬”
3 二波”浪潮”
4 二次”寒冬”
5 三波”浪潮”
1 2 2國內發展歷程
1 起步前期
2 發展起步期
3 穩步發展期
4 蓬勃發展期
5 全面推進期
1 3人工智能的主流學派
1 3 1符號主義學派
1 3 2連接主義學派
1 3 3行為主義學派
1 4人工智能的典型技術
1 4 1機器學習
1 4 2自然語言處理
1 4 3 計算機視覺
1 4 4 知識圖譜
1 5人工智能應用現狀
1 5 1智能製造
1 5 2智能安防
1 5 3智慧農業
1 5 4智慧醫療
1 5 5智能物流
1 5 6智慧金融
1 5 7自動駕駛
1 5 8智慧零售
本章 小結
課後習題
2章 積木編程
2 1 SENSESTUDY AI實驗平臺
2 1 1 SENSESTUDY AI實驗平臺的特點
2 1 2 一個SENSESTUDY AI積木程序
2 1 3積木模塊元素的基本 作
2 2 程序設計語言的基本元素
2 2 1常量
2 2 2變量
2 2 3運算符
2 2 4表達式及語句
2 3 程序控制結構
2 3 1順序結構
2 3 2選擇結構
2 3 3循環結構
2 3 4函數
2 4 列表
2 4 1列表的定義
2 4 2列表的基本 作
2 4 3列表的應用
本章 小結
課後習題
3章 計算機視覺
3 1 計算機視覺概述
3 1 1 計算機視覺的任務
3 1 2 計算機視覺應用範圍
3 2 視覺圖像分類
3 2 1圖像匹配簡介
3 2 2圖像匹配方法
3 2 3情緒識別
3 3 視覺圖像分割
3 3 1圖像分割簡介
3 3 2圖像分割技術
3 4 目標檢測
3 4 1目標檢測簡介
3 4 2目標檢測難點
本章 小結
課後習題
4章 自然語言處理
4 1 自然語言處理的發展階段
4 1 1 自然語言處理的基本任務
4 1 2 自然語言處理的發展
4 2 自然語言處理的概念表示
4 2 1 經典概念理論
4 2 2 原型理論
4 3 自然語言處理的知識表示
4 3 1 產生式表示法
4 3 2 框架表示法
4 4 知識圖譜
4 4 1 知識圖譜的來源
4 4 2 知識抽取
4 4 3 知識圖譜的向量表示方法
4 5 語音處理
4 5 1 語音的基本概念
4 5 2 語音特徵提取
4 5 3 傳統語音識別
本章 小結28
課後習題
5章 機器學習
5 1 什麼是機器學習
5 1 1 對於學習的認知
5 1 2 機器學習的概念
5 1 3 機器學習的發展歷程
5 1 4機器學習的研究現狀及主流模型
5 1 5大數據技術對機器學習的影響
5 1 6機器學習的重要性
5 1 7傳統編程與機器學習的區別
5 1 8機器學習的分類
5 2 監督學習
5 2 1監督學習簡介
5 2 2監督學習工作流程
5 2 3監督學習的主要算法
5 3 無監督學習
5 3 1無監督學習簡介
5 3 2無監督學習主要算法
5 4 半監督模型
5 4 1半監督學習簡介
5 4 2半監督學習的起源與發展
5 5 強化學習
5 5 1強化學習簡介
5 5 2強化學習的發展歷程
本章 小結
課後習題
6章 自動駕駛
6 1 自動駕駛的概念
6 1 1 自動駕駛汽車
6 1 2 國內外自動駕駛的現狀
6 1 3 人工智能技術在自動駕駛汽車的應用
6 1 4 人工智能在自動駕駛中面臨的挑戰
6 2 自動駕駛的分級模式
6 2 1 自動駕駛技術的五個等級
6 2 2 自動駕駛技術不同的分級介紹
6 3 自動駕駛的技術路線及軟硬件
6 3 1 自動駕駛的兩條技術路線
6 3 2 自動駕駛涉及的軟硬件
6 4 自動駕駛產業發展情況和趨勢
6 4 1 自動駕駛國內外發展的趨勢
6 4 2 自動駕駛的標準統一的趨勢
6 4 4 自動駕駛汽車何時能全面普及
本章 小結
課後習題
7章 智能機器人
7 1 智能機器人概述
7 1 1 機器人的起源與誕生
7 1 2 機器人的發展歷程
7 1 3 智能機器人的分類
7 2 機器人中的智能技術
7 2 1 智能感知技術
7 2 2 智能的人機交互技術
7 2 3 智能導航與規劃
7 3 智能機器人的應用領域
7 3 1 科研國防領域
7 3 2 服務領域
7 3 3 工業領域
7 3 4 農業領域
7 3 5 醫用領域
7 4 智能機器人發展前景和問題
7 4 1 發展前景
7 4 2 面臨的問題
本章 小結
課後習題
8章 人工神經網絡與深度學習
8 1人工神經網絡概述
8 1 1 人工神經網絡結構
8 1 2 深度學習概述
8 1 3 神經網絡和深度學習的發展歷程
8 2 前饋神經網絡
8 3 BP算法
8 4 深度學習
8 4 1深度學習的提出
8 4 2深度學習的興起
8 4 3深度學習與機器學習的關係
8 5 欠擬合和過擬合
8 5 1什麼是欠擬合
8 5 2什麼是過擬合
8 5 3如何防止過擬合
8 6 卷積神經網絡
8 7 深度學習的應用
8 7 1物體檢測
8 7 2圖像分割
8 7 3圖像標題的生成
8 7 4圖像風格變換
8 7 5圖像的生成
8 7 6深度學習與自動駕駛
本章 小結
課後習題
9章 專家系統
9 1專家系統概述
9 2 推理方法
9 3 一個簡單的專家系統
9 4 非確定性推理
9 5專家系統工具
9 6專家系統的應用
9 7專家系統的局限性
本章 小結
課後習題
詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於客服中心或Line或本社留言板留言,我們即儘速上架。