人工智能研究

内容简介

人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方及应用系统的新的技术科学，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方面。本书第1章主要讲解了人工智能的重要概念、发展现状和相关技术等，为下文进一步研究人工智能打基础；第2章对人工智能目前主要用到的Python进行了简单的介绍，有利于下文程序的编写；第3章介绍了机器学习，主要对机器学常用算法、卷积神经网络和循环神经网络进行了深入的阐释；第4～11章详细讲解了8个人工智能应用案例。本书鲜明、内容易读易学，适合作为相关专业的大学生，以及不具有人工智能研究背景，但是想要快速补充人工智能知识，以便在实际产品或平台中应用的工程师等人员的参考书。

目录

目 录第1章 绪论 11.1 什么是人工智能 11.2 人工智能发展历程 21.3 人工智能的重要概念 21.3.1 智能代理 21.3.2 与外部环境特相关的重要术语 31.4 人工智能发展现状 41.4.1 应用领域 51.4.2 应用层次 71.4.3 发展趋势 81.5 人工智能相关技术 8第2章 Python 162.1 Python概述 162.1.1 发展历史 162.1.2 应用领域 192.2 常用数据类型 192.2.1 Number类型 202.2.2 String类型 212.2.3 Sequence类型簇 212.2.4 Tuple类型 222.2.5 List类型 222.2.6 Set类型 232.2.7 Dictionary类型 232.2.8 其他类型 252.2.9 数字类型转换 262.3 流程控制 262.3.1 程序块与作用域 262.3.2 条件语句 292.3.3 循环语句 302.4 函数 322.4.1 定义与调用 322.4.2 变长参数 362.4.3 匿名函数 372.5 异常 382.6 数据结构与算法 432.6.1 常用的数据结构 432.6.2 常用的算法 46第3章 机器学习 523.1 机器学习常用算法 523.1.1 决策树 523.1.2 SVM 553.1.3 邻 563.1.4 K均值 583.1.5 马尔可夫链 583.2 卷积神经网络 593.2.1 基本概念 593.2.2 发展历史 593.2.3 基本原理 603.3 循环神经网络 603.3.1 基本概念 603.3.2 Hopfield神经网络 613.3.3 玻尔兹曼机 623.3.4 受限玻尔兹曼机 62第4章 人工智能背景下的融合时空信息和用户信算法研究 644.1 概述 644.2 相关技术及理论 674.2.算法 674.2.2 相似度计算 704.2.系统评测 714.3 基于路网的Meeting模式发现算法 724.3.1 引言 724.3.2 轨迹预处理 744.3.3 相似轨迹段查询 764.3.4 轨迹段划分 784.3.5 轨迹段距离计算 784.3.6 时间过滤 794.3.7 Meeting模式发现算法 804.3.8 实验与分析 814.4 时间约束的频繁模式发现算法 844.4.1 引言 844.4.2 热点区域发现 854.4.3 频繁模式发现 874.4.4 频繁模式发现算法 894.4.5 实验与分析 914.5 移动对象运动模式发现原型系统设计与实现 944.5.1 系统结构设计 944.5.2 系统实现 954.6 结 96第5章 基于人工智能的疲劳驾驶自动检测 975.1 概述 975.2 传统疲劳驾驶检测技术 1005.2.1 基于行车数据的检测技术 1005.2.2 基于生理指标的检测技术 1005.2.3 基于机器视觉的检测技术 1015.3 基于MTN的疲劳驾驶自动检测 1015.3.1 检测原理 1015.3.2 检测模型 1035.3.3 实验 1065.4 结 107第6章 基于机器学习和舆情预测的新冠肺炎疫情分析 1086.1 概述 1086.2 传播模式 1086.2.1 自然传播阶段 1086.2.2 干预后传播阶段 1096.3 加入舆情预测后的预测模型 1106.4 结 113第7章 基于人工智能的点头和摇头人脸表情研究 1157.1 概述 1157.2 相关技术和理论 1157.2.1 确定参考点 1157.2.2 点头和摇头的侦测算法 1167.3 实验分析 1187.4 基于点头和摇头的表情研究 1197.5 结 120第8章 基于DNN的树莓派人脸识别系统架构设计 1218.1 概述 1218.2 树莓派系统配置 1238.2.1 硬件部分 1248.2.2 软件部分 1248.3 非云端架构设计 1258.4 云端架构设计 1288.5 结 129第9章 基于人工智能的膳食分析及系统研究 1309.1 概述 1309.2 相关技术及理论 1339.2.1 粗糙集理论 1339.2.2 算法 1349.2.3 Android平台 1369.3 基于粗糙集理论的膳食分析及模型 1389.3.1 膳食本体 1389.3.2 用户模型 1419.3.3 基于粗糙集理论的模型 1439.3.4 实例分析 1499.4 膳食分析及系统需求分析体设计 1519.4.1 需求分析 1519.4.2 可行分析 1529.4.3 体设计 1539.5 结 156第10章 基于深度学情绪感知研究 15810.1 概述 15810.2 相关技术及理论 16210.2.1 人脸识别流程 16210.2.2 技术原理 16210.3 表情识别的实现原理 16410.3.1 识别流程 16410.3.2 技术原理 16510.4 传统的人脸与表情识别方法 16510.5 基于深度学人脸与表情识别方法 16610.5.1 使用深度卷积神经网络模型 16610.5.2 使用DNN进行分类输出 16810.5.3 使用树莓派作为采集终端 16910.6 情绪感知原理 16910.7 前期准备 17010.7.1 平台的选择 17010.7.2 环境的搭建 17210.7.3 TensorFlow和Keras的安装 17310.7.4 OpenCV的安装 17510.7.5 模型的训练 17510.8 识别过程与结果 17710.8.1 人脸与表情识别过程 17710.8.2 人脸与表情识别结果 17910.8.3 情绪感知识别结果 18210.9 结 187第11章 基于人工智能的烟煤太赫兹光谱特研究 18811.1 概述 18811.2 实验 18911.2.1 实验系统 18911.2.2 实验样本 18911.2.3 实验方案与数据法 19011.3 结果与讨论 19111.3.1 烟煤的太赫兹时域/频域光谱 19111.3.2 烟煤的太赫兹光谱吸收特分析 19111.4 结 193