人工智能概論

第1章人工智能概述/1
1.1人工智能的概念1
1.1.1人工智能概念的提出1
1.1.2智能的層次2
1.2人工智能的產(chǎn)生與發(fā)展3
1.2.1人工智能的產(chǎn)生3
1.2.2第一個繁榮期4
1.2.3第二個繁榮期6
1.2.4復蘇期8
1.2.5第三個繁榮期9
1.3人工智能的三大學派12
1.3.1符號主義學派12
1.3.2連接主義學派13
1.3.3行為主義學派14
1.4人工智能的研究內(nèi)容15
1.4.1人工智能的研究內(nèi)容概述15
1.4.2人工智能的核心技術(shù)16
1.5人工智能的應用17
1.6人工智能的未來18
1.7本章小結(jié)19
習題119
第2章計算機視覺/20
2.1計算機視覺概述20
2.1.1計算機視覺的概念20
2.1.2計算機視覺的發(fā)展史21
2.2數(shù)字圖像24
2.3計算機視覺數(shù)據(jù)集26
2.3.1MNIST數(shù)據(jù)集26
2.3.2CIFAR數(shù)據(jù)集27
2.3.3PASCAL VOC數(shù)據(jù)集272.3.4ImageNet數(shù)據(jù)集28
2.3.5COCO數(shù)據(jù)集30
2.4計算機視覺的研究內(nèi)容31
2.4.1圖像分類31
2.4.2目標定位32
2.4.3目標檢測32
2.4.4圖像分割32
2.5計算機視覺的應用33
2.5.1計算機視覺應用概述34
2.5.2人臉識別技術(shù)35
2.6本章小結(jié)36
習題236
〖1〗人工智能概論目錄〖3〗〖3〗第3章自然語言處理/37
3.1自然語言處理概述37
3.1.1自然語言處理的概念37
3.1.2自然語言處理的發(fā)展史39
3.2自然語言理解42
3.2.1自然語言理解的層次43
3.2.2詞法分析44
3.2.3句法分析47
3.3語料庫和語言知識庫49
3.3.1語料庫50
3.3.2語言知識庫53
3.4語言模型56
3.4.1馬爾可夫鏈56
3.4.2n元語法模型57
3.4.3數(shù)據(jù)平滑59
3.5自然語言生成60
3.6機器翻譯61
3.6.1機器翻譯概述61
3.6.2統(tǒng)計機器翻譯62
3.6.3神經(jīng)機器翻譯64
3.6.4機器翻譯評測65
3.7問答系統(tǒng)67
3.8本章小結(jié)70
習題371
第4章語音處理/72
4.1語音處理概述72
4.2語音識別73
4.2.1語音的特征提取73
4.2.2聲學模型75
4.2.3語言模型76
4.3語音合成78
4.3.1拼接合成方法79
4.3.2參數(shù)合成方法80
4.3.3端到端合成方法81
4.4語音增強82
4.4.1回聲消除83
4.4.2混響抑制83
4.4.3語音降噪83
4.5語音轉(zhuǎn)換84
4.6本章小結(jié)85
習題485
第5章知識表示與推理/86
5.1知識與知識表示概述86
5.1.1知識86
5.1.2知識表示87
5.2一階謂詞邏輯88
5.3產(chǎn)生式與產(chǎn)生式系統(tǒng)89
5.3.1產(chǎn)生式表示法90
5.3.2產(chǎn)生式系統(tǒng)91
5.4框架93
5.5自動推理95
5.6本章小結(jié)97
習題598
第6章專家系統(tǒng)與知識圖譜/99
6.1專家系統(tǒng)概述99
6.1.1專家系統(tǒng)的概念99
6.1.2專家系統(tǒng)的特點100
6.2專家系統(tǒng)的結(jié)構(gòu)101
6.3典型專家系統(tǒng)103
6.3.1DENDRAL專家系統(tǒng)103
6.3.2MYCIN專家系統(tǒng)104
6.3.3專家系統(tǒng)的局限性105
6.4知識圖譜概述105
6.5知識圖譜的發(fā)展史109
6.6典型知識圖譜112
6.6.1WordNet112
6.6.2Cyc113
6.6.3Wikipedia114
6.6.4DBpedia115
6.6.5Yago115
6.6.6Freebase116
6.6.7NELL116
6.7知識圖譜的構(gòu)建116
6.8本章小結(jié)119
習題6119
第7章問題求解與搜索技術(shù)/121
7.1問題求解概述121
7.1.1問題求解的概念121
7.1.2搜索技術(shù)概述122
7.2狀態(tài)空間122
7.2.1狀態(tài)空間的概念122
7.2.2狀態(tài)空間方法123
7.2.3狀態(tài)圖搜索124
7.3盲目搜索126
7.3.1寬度優(yōu)先搜索126
7.3.2深度優(yōu)先搜索129
7.3.3代價樹搜索133
7.4啟發(fā)式搜索134
7.4.1啟發(fā)式搜索概述134
7.4.2A算法與A算法136
7.5博弈搜索140
7.5.1博弈樹搜索141
7.5.2αβ剪枝法144
7.6本章小結(jié)147
習題7147
第8章機器學習原理/149
8.1機器學習概述149
8.1.1機器學習的發(fā)展史149
8.1.2機器學習的概念150
8.1.3機器學習的類型151
8.2監(jiān)督學習概述152
8.2.1模型153
8.2.2損失函數(shù)154
8.2.3算法154
8.2.4模型評價155
8.3回歸156
8.3.1一元回歸157
8.3.2多元回歸159
8.4優(yōu)化算法163
8.4.1梯度下降算法163
8.4.2超參數(shù)165
8.5分類167
8.5.1Logistic回歸167
8.5.2決策樹170
8.5.3樸素貝葉斯方法174
8.5.4K最近鄰方法177
8.5.5支持向量機179
8.5.6分類性能評價181
8.6無監(jiān)督學習184
8.6.1無監(jiān)督學習概述184
8.6.2聚類185
8.6.3降維190
8.7強化學習191
8.8本章小結(jié)192
習題8193
第9章機器學習應用/194
9.1計算機視覺的處理流程194
9.2計算機視覺中的特征196
9.2.1顏色直方圖196
9.2.2LBP特征197
9.2.3SIFT特征199
9.2.4GIST特征200
9.2.5HOG特征201
9.2.6SURF特征202
9.3計算機視覺中的算法203
9.3.1特征匯聚與特征變換203
9.3.2機器學習算法204
9.4文本分類206
9.4.1文本分類概述206
9.4.2向量空間模型207
9.4.3文本特征表示208
9.5序列標注210
9.5.1概率圖模型210
9.5.2貝葉斯網(wǎng)絡(luò)212
9.5.3隱馬爾可夫模型213
9.5.4條件隨機場217
9.6本章小結(jié)218
習題9219
第10章人工神經(jīng)網(wǎng)絡(luò)與深度學習/220
10.1人工神經(jīng)網(wǎng)絡(luò)概述220
10.1.1生物神經(jīng)元220
10.1.2人工神經(jīng)網(wǎng)絡(luò)的發(fā)展221
10.2感知機223
10.3多層人工神經(jīng)網(wǎng)絡(luò)224
10.3.1激活函數(shù)225
10.3.2前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)226
10.4卷積神經(jīng)網(wǎng)絡(luò)230
10.4.1卷積231
10.4.2卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)233
10.4.3LeNet235
10.4.4AlexNet235
10.4.5VGGNet238
10.4.6GoogLeNet239
10.4.7ResNet240
10.5循環(huán)神經(jīng)網(wǎng)絡(luò)242
10.5.1簡單循環(huán)神經(jīng)網(wǎng)絡(luò)242
10.5.2長短期記憶網(wǎng)絡(luò)244
10.5.3門控循環(huán)單元246
10.6深度學習開發(fā)框架246
10.7本章小結(jié)250
習題10251
第11章智能機器人/253
11.1機器人簡介253
11.1.1機器人發(fā)展簡史253
11.1.2機器人的定義255
11.2機器人中的智能技術(shù)255
11.3智能機器人的應用258
11.3.1工業(yè)機器人258
11.3.2農(nóng)業(yè)機器人258
11.3.3服務機器人259
11.3.4軍事機器人260
11.4智能駕駛262
11.5本章小結(jié)267
習題11268
參考文獻/269