
人工智能原理与应用教程
¥69.80
作品简介
本书重点梳理人工智能基础理论知识体系,突出基础性、全面性、前沿性和实践性特点,以机器学习和优化方法基本原理为主线,结合典型工程应用循序渐进地为读者构建从“0”到“1”的知识体系,指引读者快速掌握应用系统开发和环境应用。针对传统人工智能教材缺乏数学原理与模型代码即刻印证的问题,本书给出人工智能基础理论深入浅出的描述,选用精简的案例呈现模型代码,带领读者轻松、快速掌握人工智能的核心思想。
本书每章最后配有一定量的课后作业,可以作为机电类本科生、研究生入门级教材和教学参考书,同时也可供工程技术人员和对人工智能感兴趣的读者参考。
贡亮,上海交通大学副教授、博士生导师。主要研究方向为服务与特种机器人理论与技术,在人工智能、机器人领域持有国内、国际发明专利50余项,发表近100篇。现任上海交通大学“钱学森班”科创导师、上海交通大学—巴黎高科很好学院客座导师、上海交通大学“创新创业计划”导师,提出了机电控制课程“三元融合”教学法,并多次荣获上海交通大学教学成果奖。
作品目录
内容提要
前言
原理篇
第1章 人工智能概述
1.1 人工智能的概念
1.2 人工智能的起源和发展
1.3 人工智能的生态设施
1.4 人工智能的软硬件设施
1.5 人工智能的关键技术
参考文献
课后作业
第2章 机器学习
2.1 机器学习概述
2.2 机器学习的常用术语
2.3 机器学习的分类
2.4 机器学习项目的基本流程
2.5 深度学习概述
2.6 强化学习概述
参考文献
课后作业
第3章 数据与特征
3.1 数据与特征概述
3.2 常见数据结构
3.3 数据与特征处理
参考文献
课后作业
第4章 神经网络模型与训练
4.1 神经网络概述
4.2 误差逆传播算法
4.3 加速网络训练的优化器
参考文献
课后作业
第5章 人工智能系统的架构、开发工具与部署方法
5.1 人工智能系统的架构
5.2 人工智能应用的开发工具
5.3 人工智能的部署方法
参考文献
课后作业
模型与应用篇
第6章 机器视觉与图像处理
6.1 机器视觉概述
6.2 图像处理概述
6.3 卷积神经网络概述
6.4 目标检测算法——YOLO
参考文献
课后作业
第7章 序列模型分析
7.1 序列模型概述
7.2 循环神经网络
7.3 长短期记忆网络
7.4 Transformer
参考文献
课后作业
第8章 仿生优化算法
8.1 优化问题
8.2 遗传算法
8.3 粒子群算法
参考文献
课后作业
第9章 知识图谱
9.1 知识图谱概述
9.2 知识图谱的构建步骤
9.3 应用——中文医疗知识图谱的构建
参考文献
课后作业
案例篇
第10章 人工智能系统应用案例
10.1 图像处理——基于深度学习的白粉病斑分割
10.2 时序分析——大飞机试飞时间序列数据预测
10.3 无人驾驶——无人驾驶车辆导航方法研究
10.4 推荐系统——农业推荐系统设计
10.5 物流调度——自动化集装箱码头堆场优化方法
参考文献
课后作业
第11章 人工智能的未来
11.1 机器智能的未来
11.2 人工智能的未来应用
11.3 法规、社会与伦理
参考文献
课后作业
附录
附录A 编程环境配置
附录B 开发框架配置
附录C 软件环境配置
参考答案