定 價(jià)：￥68.00
| 作 者： | 劉鵬，程顯毅，李紀(jì)聰 |
| 出版社： | 清華大學(xué)出版社 |
| 叢編項(xiàng)： | |
| 標(biāo) 簽： | 暫缺 |
| ISBN： | 9787302578659 | 出版時(shí)間： | 2021-07-01 | 包裝： | |
| 開(kāi)本： | 16開(kāi) | 頁(yè)數(shù)： | 329 | 字?jǐn)?shù)： |
第1章 AI時(shí)代的起航
1.1 一波三折的AI 1
1.1.1 發(fā)展歷程概覽 1
1.1.2 大數(shù)據(jù)時(shí)代的人工智能 8
1.2 AI如影隨形 10
1.2.1 手機(jī)美顏 10
1.2.2 聊天機(jī)器人 10
1.2.3 新聞推薦 11
1.2.4 在線翻譯 12
1.2.5 虛擬現(xiàn)實(shí) 12
1.3 AI學(xué)派 13
1.3.1 符號(hào)主義 13
1.3.2 連接主義 14
1.3.3 行為主義 15
1.3.4 學(xué)派比較 16
1.4 人工智能定義 16
1.4.1 概念解析 16
1.4.2 共識(shí)概念 17
1.5 AI面臨的機(jī)遇和挑戰(zhàn) 18
1.5.1 認(rèn)知誤區(qū) 18
1.5.2 面臨的機(jī)遇 19
1.5.3 存在的挑戰(zhàn) 20
1.5.4 AI將成為公司的生命線 21
1.5.5 AI如何重新定義工作 22
1.6 應(yīng)具有的AI能力 23
1.6.1 懂工具 23
1.6.2 懂編程 25
1.6.3 懂模型 25
1.6.4 懂業(yè)務(wù) 27
習(xí)題 28
參考文獻(xiàn) 29
第2章 感受AI
2.1 析音賞樂(lè) 31
2.1.1 語(yǔ)音助手 32
2.1.2 語(yǔ)音識(shí)別 32
2.1.3 典型應(yīng)用場(chǎng)景 33
2.2 別具慧眼 33
2.2.1 人臉識(shí)別 33
2.2.2 行人識(shí)別 35
2.2.3 圖像分類 36
2.2.4 典型應(yīng)用場(chǎng)景 36
2.3 識(shí)文斷字 39
2.3.1 手寫數(shù)據(jù)識(shí)別 39
2.3.2 問(wèn)答系統(tǒng) 39
2.3.3 情感分析 40
2.3.4 典型應(yīng)用場(chǎng)景 40
2.4 神來(lái)之筆 41
2.4.1 圖像生成 41
2.4.2 圖像藝術(shù) 42
2.4.3 典型應(yīng)用場(chǎng)景 42
2.5 運(yùn)籌帷幄 44
2.5.1 智能家居 44
2.5.2 環(huán)境監(jiān)控 45
2.5.3 典型應(yīng)用場(chǎng)景 46
習(xí)題 49
參考文獻(xiàn) 49
第3章 知識(shí)表示與推理
3.1 從AI符號(hào)主義說(shuō)起 50
3.1.1 命題邏輯 51
3.1.2 一階謂詞邏輯 53
3.1.3 產(chǎn)生式系統(tǒng) 55
3.1.4 基于符號(hào)主義的知識(shí)表示瓶頸 56
3.2 基于知識(shí)的表示方法 56
3.2.1 人工智能的3個(gè)層次 56
3.2.2 知識(shí) 57
3.2.3 知識(shí)工程的誕生 59
3.2.4 框架 60
3.2.5 語(yǔ)義網(wǎng)絡(luò) 61
3.2.6 語(yǔ)義Web 62
3.3 知識(shí)圖譜與知識(shí)庫(kù) 63
3.3.1 問(wèn)題的提出 63
3.3.2 基本思想 64
3.3.3 基本原理 65
3.3.4 知識(shí)圖譜的分類 66
3.3.5 知識(shí)圖譜應(yīng)用場(chǎng)景 67
3.4 實(shí)驗(yàn)：構(gòu)建基于知識(shí)圖譜的問(wèn)答程序 68
習(xí)題 71
參考文獻(xiàn) 75
第4章 搜索技術(shù)
4.1 搜索 76
4.1.1 什么是搜索 76
4.1.2 狀態(tài)空間表示法 77
4.1.3 狀態(tài)空間的搜索策略 79
4.2 廣度優(yōu)先 81
4.2.1 廣度優(yōu)先搜索的基本思想 81
4.2.2 廣度優(yōu)先搜索的過(guò)程 81
4.3 深度優(yōu)先 82
4.3.1 深度優(yōu)先搜索的基本思想 82
4.3.2 深度優(yōu)先搜索過(guò)程 82
4.4 啟發(fā)式搜索 83
4.4.1 啟發(fā)性信息與估價(jià)函數(shù) 84
4.4.2 局部尋優(yōu)搜索 86
4.4.3 全局尋優(yōu)搜索 87
4.5 遺傳算法 89
4.5.1 遺傳算法的發(fā)展史 90
4.5.2 遺傳算法的基本原理 90
4.5.3 遺傳算法的求解步驟 92
4.6 微粒群算法 93
4.6.1 微粒群算法的基本概念及進(jìn)化方程 93
4.6.2 標(biāo)準(zhǔn)微粒群算法流程 94
4.6.3 微粒群算法的研究現(xiàn)狀 95
4.7 實(shí)驗(yàn)：粒子群優(yōu)化算法 96
習(xí)題 98
參考文獻(xiàn) 100
第5章 機(jī)器學(xué)習(xí)
5.1 機(jī)器學(xué)習(xí)模型 101
5.2 數(shù)據(jù)準(zhǔn)備 103
5.2.1 數(shù)據(jù)集劃分 103
5.2.2 數(shù)據(jù)標(biāo)注 104
5.3 學(xué)習(xí)方式 105
5.3.1 有監(jiān)督學(xué)習(xí) 105
5.3.2 無(wú)監(jiān)督學(xué)習(xí) 109
5.3.3 概率圖模型 113
5.3.4 集成學(xué)習(xí) 117
5.4 模型評(píng)估 120
5.4.1 泛化能力 120
5.4.2 交叉驗(yàn)證 121
5.4.3 混淆矩陣 121
5.5 實(shí)驗(yàn)：房?jī)r(jià)預(yù)測(cè) 122
習(xí)題 124
第6章 深度學(xué)習(xí)
6.1 深度學(xué)習(xí)概況 129
6.1.1 深度學(xué)習(xí)是什么 129
6.1.2 深度學(xué)習(xí)的前世今生 130
6.1.3 深度學(xué)習(xí)分類 132
6.1.4 深度學(xué)習(xí)的入門建議 132
6.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 133
6.2.1 人工神經(jīng)網(wǎng)絡(luò)模型 133
6.2.2 感知機(jī)學(xué)習(xí)算法 135
6.2.3 多層前饋神經(jīng)網(wǎng)絡(luò) 137
6.2.4 BP算法背后的數(shù)學(xué) 139
6.2.5 誤差反向傳播法 142
6.2.6 可視化MLP網(wǎng)絡(luò)訓(xùn)練 143
6.3 深度學(xué)習(xí)框架 145
6.3.1 Matlab深度學(xué)習(xí)工具包 146
6.3.2 TensorFlow深度學(xué)習(xí)框架 146
6.3.3 PyTorch深度學(xué)習(xí)框架 147
6.3.4 其他構(gòu)建方式 148
6.3.5 體驗(yàn)手寫數(shù)字識(shí)別 149
6.4 卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 152
6.4.1 卷積神經(jīng)網(wǎng)絡(luò)的功能組件 153
6.4.2 卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu) 158
6.4.3 卷積神經(jīng)網(wǎng)絡(luò)識(shí)別CIFAR圖像集 162
6.5 強(qiáng)化學(xué)習(xí) 166
6.5.1 一個(gè)迷宮問(wèn)題 167
6.5.2 強(qiáng)化學(xué)習(xí)問(wèn)題的框架MDP 169
6.5.3 求解貝爾曼方程 172
6.5.4 強(qiáng)化學(xué)習(xí)仿真環(huán)境 173
6.5.5 深度學(xué)習(xí)前景展望 177
6.6 實(shí)驗(yàn)：利用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別圖像 179
習(xí)題 183
參考文獻(xiàn) 188
第7章 自然語(yǔ)言處理
7.1 詞法分析 189
7.1.1 詞法分析概述 189
7.1.2 基本分詞方法 190
7.1.3 詞性標(biāo)注 194
7.1.4 實(shí)體識(shí)別 197
7.2 句法分析 198
7.2.1 句法分析概述 198
7.2.2 自頂向下的句法分析 199
7.2.3 自底向上的句法分析 200
7.2.4 概率上下文無(wú)關(guān)文法 202
7.3 語(yǔ)義分析 204
7.3.1 語(yǔ)義分析概述 204
7.3.2 詞義消歧 204
7.3.3 語(yǔ)義角色標(biāo)注 209
7.4 實(shí)驗(yàn)：Python中文文本分析與可視化 211
習(xí)題 213
參考文獻(xiàn) 214
第8章 智能控制技術(shù)
8.1 自動(dòng)控制系統(tǒng) 215
8.1.1 概述 215
8.1.2 組成與工作原理 215
8.1.3 分類 216
8.2 模糊控制 217
8.2.1 模糊推理方法 217
8.2.2 模糊控制原理 217
8.2.3 模糊控制系統(tǒng)的設(shè)計(jì) 218
8.2.4 自適應(yīng)模糊控制 219
8.3 專家控制 220
8.3.1 原理 220
8.3.2 典型結(jié)構(gòu) 221
8.3.3 實(shí)現(xiàn)方法 223
8.4 神經(jīng)網(wǎng)絡(luò)控制 224
8.4.1 類型 224
8.4.2 結(jié)構(gòu) 224
8.4.3 模型 225
8.4.4 應(yīng)用 226
8.4.5 發(fā)展趨勢(shì) 229
8.5 實(shí)驗(yàn)：利用智能音箱語(yǔ)音控制計(jì)算機(jī)的開(kāi)關(guān)機(jī) 230
習(xí)題 234
參考文獻(xiàn) 235
第9章 工業(yè)機(jī)器人技術(shù)
9.1 人工智能與工業(yè)4.0 236
9.1.1 智能制造生態(tài)系統(tǒng) 237
9.1.2 工業(yè)機(jī)器人 237
9.1.3 智慧工廠 242
9.1.4 工業(yè)智能化趨勢(shì) 243
9.2 工業(yè)機(jī)器人核心技術(shù) 245
9.2.1 傳感技術(shù) 246
9.2.2 芯片技術(shù) 246
9.2.3 智能控制技術(shù) 248
9.2.4 多智能體調(diào)控技術(shù) 249
9.3 工業(yè)軟件編程 249
9.3.1 工業(yè)互聯(lián)網(wǎng)架構(gòu) 249
9.3.2 神經(jīng)網(wǎng)絡(luò) 251
9.3.3 可視化學(xué)習(xí) 251
9.4 工業(yè)機(jī)器人產(chǎn)業(yè)鏈 253
9.4.1 工業(yè)機(jī)器人研發(fā)設(shè)計(jì) 254
9.4.2 智能制造客戶交互 256
9.4.3 工業(yè)機(jī)器人核心部件 257
9.4.4 工業(yè)機(jī)器人供應(yīng)鏈 259
9.5 工業(yè)機(jī)器人操作與維護(hù) 260
9.5.1 工業(yè)機(jī)器人操作 260
9.5.2 工業(yè)機(jī)器人維護(hù) 261
9.6 實(shí)驗(yàn)：工業(yè)機(jī)器人軟件技術(shù)運(yùn)維 264
習(xí)題 277
參考文獻(xiàn) 279
第10章 建筑智能化技術(shù)
10.1 智能建筑集成系統(tǒng) 280
10.1.1 智能建筑云架構(gòu) 281
10.1.2 智慧工地 282
10.1.3 智能建筑 289
10.1.4 智慧城市 289
10.2 建筑設(shè)備裝置智能化 290
10.2.1 建筑裝備智能化 290
10.2.2 工程機(jī)械智能化 291
10.2.3 智能建筑3D打印 291
10.3 建筑智能化應(yīng)用系統(tǒng) 293
10.3.1 智能化集成系統(tǒng) 293
10.3.2 信息設(shè)施系統(tǒng) 293
10.3.3 信息化應(yīng)用系統(tǒng) 294
10.3.4 建筑設(shè)備管理系統(tǒng) 294
10.3.5 公共安全系統(tǒng) 294
10.3.6 機(jī)房工程 295
10.4 建筑智能化系統(tǒng)運(yùn)維 295
10.4.1 智能建筑的運(yùn)維技術(shù)要求 295
10.4.2 Honeywell樓宇智控系統(tǒng)簡(jiǎn)介 297
10.4.3 建筑智能化的未來(lái) 298
10.5 實(shí)驗(yàn)：樓宇智控系統(tǒng)EBI的安裝配置調(diào)試 300
習(xí)題 308
參考文獻(xiàn) 309
附錄A AIRack人工智能實(shí)驗(yàn)平臺(tái)
附錄B AICloud人工智能云平臺(tái)
附錄C 云創(chuàng)學(xué)習(xí)工場(chǎng)—專注大數(shù)據(jù)、人工智能培訓(xùn)與認(rèn)證
鄂公網(wǎng)安備 42010302001612號(hào) 