作品简介

人工智能是一门发展极其迅速且内容丰富的学科,其众多分支领域都值得大家去探索和学习。本书分为基础篇和进阶篇两个篇章。其中,基础篇内容包括了人工智能的基本概念、人工智能的发展历史、计算机与环境感知、简单几何形状的识别、人工智能搜索算法;进阶篇则包括大数据的定义、知识与推理、回归与分类、深度学习网络、感知信息处理。此外还有配合知识学习的课程实践,包括图形匹配以及微缩车倒车入库等实验。本书与《人工智能基础与进阶(犘狔狋犺狅狀编程)》共同形成一套适合人工智能初学者的教材,同时也适合广大对人工智能相关领域感兴趣的读者

周越,上海交通大学图像处理与模式识别研究所副教授,上海交通大学自动化系副主任,中国图形图像学会青年委员会委员,中国体视学与图像处理学会理事,主要研究方向信号、图像处理、计算机视觉与模式识别。在核心期刊发表论文数十余篇。

作品目录

  • 前言
  • 基础篇
  • 1 走近人工智能
  • 1.1 什么是人工智能
  • 1.2 人工智能简史
  • 1.3 人工智能对人类的影响
  • 1.4 当前人工智能的局限
  • 1.5 人工智能的未来
  • 本章小结
  • 2 计算机与人工智能
  • 2.1 数理逻辑的基础——布尔代数
  • 2.2 “用机器计算”的基础——可计算理论
  • 2.3 人工智能之父——图灵
  • 2.4 计算机
  • 2.5 早期人工智能
  • 2.6 动物识别专家系统
  • 2.7 二进制与位运算
  • 本章小结
  • 3 计算机与环境感知
  • 3.1 声音是一种一维信号
  • 3.2 图像是一种二维信号
  • 3.3 红外测距
  • 本章小结
  • 4 简单几何形状的识别
  • 4.1 角点检测
  • 4.2 模板匹配
  • 4.3 基础形状的识别
  • 4.4 箭头识别
  • 4.5 直线检测
  • 4.6 圆的检测
  • 4.7 拓展应用
  • 本章小结
  • 拓展阅读
  • 5 人工智能搜索算法
  • 5.1 广度优先搜索
  • 5.2 深度优先搜索
  • 5.3 A*搜索
  • 5.4 基于搜索算法的迷宫案例分析
  • 5.5 梯度下降法
  • 5.6 牛顿法
  • 本章小结
  • 6 智能感知与交互——智能微缩车
  • 6.1 微缩车的任务目标
  • 6.2 微缩车的整体结构
  • 6.3 微缩车各部分的结构和原理
  • 6.4 实验阶段
  • 本章小结
  • 进阶篇
  • 7 大数据开启了人工智能新时代
  • 7.1 人工智能的发展历史回顾
  • 7.2 当代人工智能的基石:大数据
  • 7.3 大数据时代下的人工智能
  • 7.4 大数据下深度学习成功的启示
  • 7.5 大数据人工智能的伦理
  • 本章小结
  • 8 知识与推理
  • 8.1 知识表示
  • 8.2 知识推理
  • 8.3 产生式系统的推理
  • 8.4 知识图谱
  • 本章小结
  • 9 回归与分类
  • 9.1 线性回归
  • 9.2 最小二乘法
  • 9.3 支持向量机
  • 9.4 决策树
  • 9.5 k近邻算法
  • 9.6 集成学习
  • 9.7 随机森林
  • 本章小结
  • 10 深度学习网络
  • 10.1 从特征工程到深度神经网络
  • 10.2 神经元模型
  • 10.3 深度神经网络的结构及训练
  • 10.4 深度学习与传统机器学习的优势
  • 10.5 深度学习的应用
  • 本章小结
  • 11 感知信息处理
  • 11.1 语音识别
  • 11.2 图像识别
  • 本章小结
  • 12 人工智能进阶实验
  • 12.1 实验1——标志牌识别
  • 12.2 实验2——微缩车倒车入库
  • 本章小结
  • 拓展阅读
  • 参考文献
展开全部