人工智能算法Python案例實戰(zhàn)

第1章 緒論 1
1．1　人工智能的起源與發(fā)展　1
1．2　人工智能的主要應用行業(yè)與領域　2
1．3　中國人工智能發(fā)展現(xiàn)狀　3
1．4　Python與人工智能　4
1．5　構建Python人工智能編程環(huán)境　5
第2章　數(shù)據(jù)處理常用算法　11
2．1　傅里葉變換　11
2．1．1　傅里葉分析的由來　11
2．1．2　傅里葉變換原理與應用　11
2．2　卷積　16
2．2．1　數(shù)字信號處理與卷積運算　16
2．2．2　NumPy卷積函數(shù)　20
2．2．3　二維矩陣卷積計算　21
2．2．4　圖像卷積應用示例　22
2．3　二分法求解　23
2．4　最小二乘法曲線擬合　25
2．4．1　最小二乘法的來歷　25
2．4．2　最小二乘法與曲線擬合　25
2．5　泰勒級數(shù)　30
2．5．1　泰勒公式　30
2．5．2　泰勒級數(shù)展開與多項式近似　31
2．6　差分法逼近微分　34
2．6．1　差分法簡介　34
2．6．2　差分的不同形式及其代碼實現(xiàn)　35
2．7　蒙特卡羅方法　36
2．7．1　蒙特卡羅方法原理　37
2．7．2　蒙特卡羅方法應用　38
2．8　梯度下降算法　40
2．8．1　方向導數(shù)與梯度　41
2．8．2　梯度下降　42
2．8．3　基于梯度下降算法的線性回歸　43
第3章　圖像識別與Python編程
實踐　49
3．1　圖像識別發(fā)展簡介　49
3．2　圖像識別基本算法　50
3．2．1　邊緣檢測　50
3．2．2　角點檢測　64
3．2．3　幾何形狀檢測　68
3．2．4　尺度不變特征變換　72
3．3　OpenCV與視頻圖像處理　74
3．3．1　視頻讀寫處理　74
3．3．2　運動軌跡標記　76
3．3．3　運動檢測　80
3．3．4　運動方向檢測　85
3．4　基于ImageAI的圖像識別　88
3．4．1　圖像預測　88
3．4．2　目標檢測　92
3．5　人臉識別　95
3．5．1　基于Dlib的人臉識別　95
3．5．2　基于Face_recognition的人臉識別　103
3．6　Tesseract OCR與文本智能識別　108
3．6．1　Tesseract OCR的安裝配置　108
3．6．2　基于Pytesseract的字符識別　109
3．6．3　條形碼檢測與識別　110
3．7　基于百度AI的智能圖像識別　115
3．7．1　通用物體識別　116
3．7．2　車牌識別　117
第4章　語音識別與Python編程
實踐　119
4．1　語音識別簡介　119
4．1．1　語音識別的起源與發(fā)展　119
4．1．2　語音識別的基本原理　120
4．2　語音識別Python SDK　121
4．2．1　Microsoft語音識別框架SAPI　121
4．2．2　Speech　123
4．2．3　Python_Speech_Features　124
4．2．4　SpeechRecognition　128
4．3　MFCC語音特征值提取算法　131
4．3．1　MFCC語音特征值提取算法簡介　131
4．3．2　語音信號分幀　133
4．3．3　計算MFCC系數(shù)　141
4．4　基于百度AI的語音識別　149
4．4．1　百度語音簡介　149
4．4．2　百度語音識別　150
4．5　基于音頻指紋的音樂識別　155
4．5．1　音頻信號采集與播放　156
4．5．2　音頻指紋生成　157
4．5．3　數(shù)據(jù)存儲與檢索　161
4．6　語音克隆技術簡介　165
第5章　自然語言處理與Python編程
實踐　169
5．1　NLP的發(fā)展趨勢與關鍵技術　169
5．1．1　NLP的發(fā)展趨勢　169
5．1．2　NLP的關鍵技術　170
5．2　NLP工具集NLTK　170
5．2．1　NLTK的安裝　170
5．2．2　基于NLTK的簡單文本分析　171
5．3　文本切分與標準化　176
5．3．1　文本切分　176
5．3．2　中文分詞　177
5．3．3　標準化　186
5．4　詞性標注　191
5．5　文本分類　193
5．6　語言檢測識別　202
5．6．1　基于Langdetect的語言檢測　202
5．6．2　基于Langid的語言檢測　203
5．6．3　基于N-gram算法的語言檢測　204
5．7　情感分析　207
5．7．1　簡易情感分類器示例　207
5．7．2　基于NLTK的電影評論情感
分類　209
第6章　深度學習與Python編程
實踐　212
6．1　深度學習常用算法　212
6．1．1　卷積神經(jīng)網(wǎng)絡　213
6．1．2　循環(huán)神經(jīng)網(wǎng)絡　219
6．1．3　生成對抗網(wǎng)絡　224
6．2　深度學習框架及其應用　230
6．2．1　Theano　230
6．2．2　PyTorch　243
6．2．3　TensorFlow　253
第7章　量子計算與Python編程
實踐　260
7．1　量子計算概述　261
7．1．1　什么是量子計算　261
7．1．2　人工智能與量子計算　262
7．2　量子計算發(fā)展現(xiàn)狀　263
7．2．1　國外量子計算發(fā)展概況　263
7．2．2　中國量子計算進展　266
7．3　IBM Quantum Experience量子計算
云平臺　267
7．3．1　IBM Quantum Experience平臺賬號
注冊　268
7．3．2　IBM Quantum Experience量子電路
設計與運行　268
7．4　基于Qiskit的量子計算Python編程
接口　274
7．5　基于Qiskit的量子計算編程實踐　276
7．5．1　Qconfig．py配置文件　276
7．5．2　基于模擬終端的算法電路運行　276
7．5．3　基于物理芯片的算法電路運行　277
7．5．4　量子電路可視化　279
7．5．5　量子傅里葉變換　280
7．6　Rigetti Computing量子編程平臺　285
7．6．1　Forest SDK簡介　285
7．6．2　PyQuil安裝　286
7．6．3　PyQuil量子編程示例　286
第8章　區(qū)塊鏈技術與Python編程
實踐　288
8．1　區(qū)塊鏈技術簡介　288
8．2　區(qū)塊鏈編程環(huán)境配置　291
8．3　區(qū)塊鏈技術與編程實踐　293
8．3．1　區(qū)塊鏈的定義與創(chuàng)建　293
8．3．2　共識機制　296
8．3．3　創(chuàng)建節(jié)點　297
8．3．4　測試運行示例區(qū)塊鏈　299
8．3．5　一致性算法　301
第9章　并行計算與Python編程
實踐　304
9．1　基于Multiprocessing的并行計算　304
9．1．1　進程創(chuàng)建與管理　305
9．1．2　進程數(shù)據(jù)交換　306
9．1．3　進程同步　309
9．2　GPU并行計算　312
9．2．1　PyCUDA并行計算　313
9．2．2　Numba GPU高性能計算　317
9．3　MPI并行計算　319
9．3．1　mpi4py簡介　319
9．3．2　mpi4py的安裝與測試　319
9．3．3　mpi4py并行計算　320
9．4　ipyparallel并行計算　330
9．4．1　ipyparallel的安裝與啟動　330
9．4．2　ipyparallel并行計算　330
第10章　增強現(xiàn)實與Python編程
實踐　335
10．1　AR技術簡介　335
10．2　基于OpenCV的AR實現(xiàn)　336
10．2．1　照相機模型　336
10．2．2　基于OpenCV的AR編程實例　337