- 人工智能导论及工程案例(视频版普通高等学校大数据与人工智能系列教材)
- - 作者：编者:王朕//刘瑜|责编:李露
  - 出版社：华中科技大学
  - ISBN：9787577211343
  - 出版日期：2024/10/01
  - 页数：274
- 售价：19.6

内容大纲
本书是面向大学普通本科生及部分研究生学习人工智能知识及实践需求而针对性地设计的教材。在基础理论方面，考虑了零基础接触人工智能知识学习要求，安排了人工智能的定义、发展简史、研究内容、研究领域等内容，同时在智慧城市、智慧交通、智慧家居、智慧医疗、智慧农业、智慧教育、智慧新零售与智能客户服务、智慧金融等应用场景上进行了导入介绍，方便读者了解人工智能知识与应用的整体情况。在理论和技术结合部分，则给出了知识工程、搜索算法、机器学习、深度学习、计算机视觉、自然语言处理、智能机器人等专业实践内容。从工程实践角度，则给出了基于深度学习的路面病害检测应用、融入情绪指标的深度学习在量化投资模型中的应用、鱼类图像深度学习分类的工程案例内容。
本书适合作为普通大学本科及研究生人工智能相关专业教材，绪论部分亦适合非计算机专业本科生使用，本书也可供相关教师及工程人员自学使用。
作者介绍
目录
第1章  绪论
  1.1  人工智能基础知识
    1.1.1  人工智能的定义
    1.1.2  人工智能的分类
  1.2  人工智能的发展简史
  1.3  人工智能的三大流派
  1.4  人工智能的研究内容及研究领域
    1.4.1  人工智能的研究内容
    1.4.2  人工智能的研究领域
    1.4.3  人工智能的实现要素
  习题1
第2章  人工智能领域的应用
  2.1  智慧城市
    2.1.1  智慧城市概述
    2.1.2  智慧城市的标准化
    2.1.3  智慧城市与数字城市的差异
  2.2  智慧交通
    2.2.1  智慧交通概述
    2.2.2  智慧交通系统
  2.3  智慧家居
    2.3.1  智慧家居概述
    2.3.2  智慧家居的通用技术
    2.3.3  智慧家居系统
    2.3.4  智慧家居家庭场景
    2.3.5  智慧家居社区场景
  2.4  智慧医疗
    2.4.1  智慧医疗概述
    2.4.2  智慧医疗保健
    2.4.3  智慧医疗决策
  2.5  智慧农业
    2.5.1  智慧农业概述
    2.5.2  智慧农业主要技术方向
    2.5.3  智慧农业主要应用方向
  2.6  智慧教育
    2.6.1  智慧教育概述
    2.6.2  智慧教育的基本架构与教育模式
    2.6.3  智慧校园与智慧教室
    2.6.4  智慧教育的展望
  2.7  智慧新零售与智能客户服务
    2.7.1  智慧新零售概述
    2.7.2  智能客户服务
    2.7.3  智能客户服务大中小企业布局智能客服
    2.7.4  智能客户服务智能客服的人机分工
  2.8  智慧金融
    2.8.1  智慧金融概述
    2.8.2  智慧金融应用
    2.8.3  智慧金融与传统金融的区别
  习题2
第3章  知识工程
  3.1  概念表示

    3.1.1  经典概念表示
    3.1.2  数理逻辑
  3.2  知识表示
    3.2.1  知识表示概述
    3.2.2  谓词逻辑表示法
    3.2.3  产生式表示法
    3.2.4  框架表示法
    3.2.5  语义网络表示法
  3.3  知识图谱
    3.3.1  知识图谱的概述
    3.3.2  知识图谱的特征
    3.3.3  知识图谱的构建
    3.3.4  知识图谱的应用
  习题3
第4章  搜索算法
  4.1  搜索概述
  4.2  盲目搜索
    4.2.1  深度优先搜索
    4.2.2  广度优先搜索
  4.3  启发式搜索
    4.3.1  状态空间法
    4.3.2  启发性信息
    4.3.3  A算法
  习题4
第5章  机器学习
  5.1  机器学习概述
    5.1.1  机器学习的定义
    5.1.2  机器学习简史
    5.1.3  机器学习的基本结构
  5.2  机器学习的类型
    5.2.1  监督学习
    5.2.2  无监督学习
    5.2.3  弱监督学习
    5.2.4  半监督学习
    5.2.5  强化学习
    5.2.6  联邦学习
  5.3  机器学习的算法
    5.3.1  k近邻算法
    5.3.2  k均值聚类
    5.3.3  决策树算法
    5.3.4  回归算法
    5.3.5  贝叶斯算法
    5.3.6  机器学习算法的应用
  习题5
第6章  神经网络与深度学习
  6.1  人工神经网络
    6.1.1  由人脑到人工神经网络
    6.1.2  BP神经网络
  6.2  卷积神经网络
    6.2.1  CNN结构

    6.2.2  CNN实例
  6.3  循环神经网络
    6.3.1  RNN结构
    6.3.2  RNN实例
  6.4  图神经网络
    6.4.1  GNN结构
    6.4.2  GNN实例
  6.5  Transformer注意力机制
    6.5.1  Transformer结构
    6.5.2  Transformer实例
  6.6  深度学习
    6.6.1  深度学习的意义
    6.6.2  深度学习的概念
    6.6.3  深度学习的核心思路
    6.6.4  深度学习的实现
    6.6.5  深度学习与机器学习的对比
  习题6
第7章  计算机视觉
  7.1  计算机视觉的基础
    7.1.1  模式识别
    7.1.2  图像识别
  7.2  计算机视觉研究知识
    7.2.1  计算机视觉的研究内容
    7.2.2  计算机视觉的发展
    7.2.3  计算机视觉的目的
    7.2.4  计算机视觉与机器视觉的区别
  7.3  计算机视觉系统
    7.3.1  计算机视觉系统概述
    7.3.2  计算机视觉的应用——工作流程
    7.3.3  应用举例
    7.3.4  人脸识别
    7.3.5  自动驾驶
  习题7
第8章  自然语言处理
  8.1  自然语言处理的概念
    8.1.1  自然语言处理的目标
    8.1.2  自然语言处理的难点
    8.1.3  语法分析与语义分析
    8.1.4  自然语言处理的研究内容
  8.2  机器翻译
  8.3  智能问答
  8.4  语音处理
  8.5  自然语言处理的未来
  习题8
第9章  智能机器人
  9.1  智能机器人基础知识
  9.2  国家发展需求
  9.3  机器人的发展
  9.4  人工智能在机器人上的应用
    9.4.1  智能感知技术

    9.4.2  智能导航与规划技术
    9.4.3  智能控制与操作技术
    9.4.4  机器人智能交互技术
    9.4.5  触觉传感技术
  9.5  未来展望
  习题9
第10章  基于深度学习的路面病害检测应用
  10.1  路面病害检测理论基础
    10.1.1  YOLOv5目标检测算法
    10.1.2  注意力机制
  10.2  工程项目
    10.2.1  基于改进YOLOv5的多特征融合网络
    10.2.2  实验数据集和模型训练中
    10.2.3  实验结果与分析
    10.2.4  总结
第11章  融入情绪指标的深度学习在量化投资模型中的应用中
  11.1  量化投资择时分类模型原理
  11.2  工程顶目
    11.2.1  量化投资择时分类模型
    11.2.2  实验数据集和模型训练
    11.2.3  实验结果与分析
    11.2.4  总结
第12章  鱼类图像深度学习分类
  12.1  基于卷积神经网络的鱼类图像分类
    12.1.1  AlexNet网络
    12.1.2  GoogLeNet网络
    12.2.1  监督学习方式下基于卷积神经网络的鱼类图像分类
    12.2.2  实验数据集合模型训练
    12.2.3  实验结果与分析
    12.2.4  总结
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目