人工智能基础

内容简介

本书系统地介绍了人工智能的基本原理、方法和应用技术，比较地反映了人工智能领域当前的研究进展和发展方向。全书共8章，具体内括人工智能的基本概念和发展概况、脑与认知、机器感知、知识表示与推理、计算智能、模式识别与机器学习、人工智能系统的硬件基础、人工智能系统的应用。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例，每章后附有思考题与习题。本书内容由浅入深、循序渐进、条理清晰，让读者在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能问题的求解能力。 本书可以作为高等院校人工智能、自动化、智能科学与技术、计算机、大数据等相关专业的教材，也可以供从事人工智能研究与应用的科技人员学习参考。

目录

前言第1章绪论1.1人工智能的基本概念1.1.1人工智能的概念1.1.2研究领域1.1.3存在意义1.2人工智能的历史进程1.2.1人工智能的起源1.2.2人工智能的发展与困难1.2.3人工智能的崛起与低谷1.2.4人工智能的爆发1.3“智能+”新时代1.3.1“智能+”新时代的到来1.3.2发展人工智能教育1.4本章小结思考题与习题参考文献第2章脑与认知2.1神经系统的结构能2.2感觉与知觉2.2.1物理感觉2.2.2化学感觉2.2.3知觉2.3学习与记忆2.4本章小结思考题与习题参考文献第3章机器感知3.1传感器基本特与分类3.1.1传感器的静态特3.1.2传感器的动态特3.1.3传感器的分类3.2特征工程3.2.1数据预处理3.2.2特征缩放3.2.3特征编码3.2.4特征选择3.2.5特征提取3.3多源信息融合技术3.3.1多源信息融合概述3.3.2信息融合模型3.3.3多源信息融合算法3.3.4多源信息融合的应用3.4无线传感器网络3.4.1无线传感器网络基础3.4.2无线传感器网络的关键技术3.4.3无线传感器网络的应用3.4.4物联网与无线传感器网络3.5本章小结思考题与习题参考文献第4章知识表示与推理4.1确定知识表示4.1.1命题与谓词4.1.2知识的产生式表示4.1.3知识的结构化表示4.1.4状态空间表示法4.2确定推理方法4.2.1一般演绎推理4.2.2归结演绎推理4.3不确定知识表示方法与推理4.3.1概率表示及推理方法4.3.2证据理论4.4问题求解4.4.1一般图搜索4.4.2盲目搜索4.4.3启发式搜索4.4.4对抗搜索4.5本章小结思考题与习题参考文献第5章计算智能5.1模糊理论5.1.1模糊集合及其运算5.1.2模糊推理5.1.3模糊控制5.2神经网络5.2.1神经网络的结构5.2.2神经网络的学习机制5.2.3感知器5.2.4BP神经网络5.2.5径向基函数神经网络5.2.6反馈式神经网络5.2.7自组织竞争神经网络5.2.8CMAC网络5.3遗传算法5.3.1遗传算法原理5.3.2遗传算法应用框架5.4群体智能5.4.1蚁群算法5.4.2粒子群算法5.5本章小结思考题与习题参考文献第6章模式识别与机器学习6.1基本概念6.1.1研究分类6.1.2研究模型6.1.3研究内容6.2分类算法6.2.1二分类6.2.2多类别分类6.2.3贝叶斯分类6.2.4决策树学习6.3聚类算法6.3.1聚类算法的原理6.3.2k-均值算法原理6.3.3GMM算法6.3.4DBSCAN算法6.4回归算法6.4.1回归算法原理6.4.2小二乘法6.4.3逻辑回归6.5支持向量机6.5.1支持向量机原理6.5.2点到超平面的距离公式6.5.3大间隔的优化模型6.5.4松弛变量6.5.5支持向量机的优化6.6深度学习6.6.1基本思路与训练过程6.6.2卷积神经网络原理6.6.3LeNet网络原理6.6.4卷积神经网络的训练6.7降维6.7.1数据降维6.7.2主成分分析(PCA)原理6.8本章小结思考题与习题参考文献第7章人工智能系统的硬件基础7.1人工智能基础设施7.1.1云计算7.1.2边缘计算7.2嵌入式系统概述7.2.1嵌入式系统原理7.2.2嵌入式系统开发方法7.2.3嵌入式系统开放资源7.3FPGA概述7.3.1FPGA基本原理7.3.2FPGA开发方法7.3.3FPGA开放资源7.4本章小结思考题与习题参考文献第8章人工智能系统的应用8.1机器视觉典型应用8.1.1Python实现8.1.2嵌入式系统实现8.1.3FPGA实现8.2无人驾驶系统典型应用8.2.1Python实现8.2.2嵌入式系统实现8.2.3FPGA实现8.3本章小结思考题与习题参考文献