人工智能概论

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智能的层次2
1.2人工智能的产生与发展3
1.2.1人工智能的产生3
1.2.2**个繁荣期4
1.2.3第二个繁荣期6
1.2.4复苏期8
1.2.5第三个繁荣期9
1.3人工智能的三大学派12
1.3.1符号主义学派12
1.3.2连接主义学派13
1.3.3行为主义学派14
1.4人工智能的研究内容15
1.4.1人工智能的研究内容概述15
1.4.2人工智能的核心技术16
1.5人工智能的应用17
1.6人工智能的未来18
1.7本章小结19
习题119
第2章计算机视觉/20
2.1计算机视觉概述20
2.1.1计算机视觉的概念20
2.1.2计算机视觉的发展史21
2.2数字图像24
2.3计算机视觉数据集26
2.3.1MNIST数据集26
2.3.2CIFAR数据集27
2.3.3PASCAL VOC数据集272.3.4ImageNet数据集28
2.3.5COCO数据集30
2.4计算机视觉的研究内容31
2.4.1图像分类31
2.4.2目标定位32
2.4.3目标检测32
2.4.4图像分割32
2.5计算机视觉的应用33
2.5.1计算机视觉应用概述34
2.5.2人脸识别技术35
2.6本章小结36
习题236
〖1〗人工智能概论目录〖3〗〖3〗第3章自然语言处理/37
3.1自然语言处理概述37
3.1.1自然语言处理的概念37
3.1.2自然语言处理的发展史39
3.2自然语言理解42
3.2.1自然语言理解的层次43
3.2.2词法分析44
3.2.3句法分析47
3.3语料库和语言知识库49
3.3.1语料库50
3.3.2语言知识库53
3.4语言模型56
3.4.1马尔可夫链56
3.4.2n元语法模型57
3.4.3数据平滑59
3.5自然语言生成60
3.6机器翻译61
3.6.1机器翻译概述61
3.6.2统计机器翻译62
3.6.3神经机器翻译64
3.6.4机器翻译评测65
3.7问答系统67
3.8本章小结70
习题371
第4章语音处理/72
4.1语音处理概述72
4.2语音识别73
4.2.1语音的特征提取73
4.2.2声学模型75
4.2.3语言模型76
4.3语音合成78
4.3.1拼接合成方法79
4.3.2参数合成方法80
4.3.3端到端合成方法81
4.4语音增强82
4.4.1回声消除83
4.4.2混响抑制83
4.4.3语音降噪83
4.5语音转换84
4.6本章小结85
习题485
第5章知识表示与推理/86
5.1知识与知识表示概述86
5.1.1知识86
5.1.2知识表示87
5.2一阶谓词逻辑88
5.3产生式与产生式系统89
5.3.1产生式表示法90
5.3.2产生式系统91
5.4框架93
5.5自动推理95
5.6本章小结97
习题598
第6章专家系统与知识图谱/99
6.1专家系统概述99
6.1.1专家系统的概念99
6.1.2专家系统的特点100
6.2专家系统的结构101
6.3典型专家系统103
6.3.1DENDRAL专家系统103
6.3.2MYCIN专家系统104
6.3.3专家系统的局限性105
6.4知识图谱概述105
6.5知识图谱的发展史109
6.6典型知识图谱112
6.6.1WordNet112
6.6.2Cyc113
6.6.3Wikipedia114
6.6.4DBpedia115
6.6.5Yago115
6.6.6Freebase116
6.6.7NELL116
6.7知识图谱的构建116
6.8本章小结119
习题6119
第7章问题求解与搜索技术/121
7.1问题求解概述121
7.1.1问题求解的概念121
7.1.2搜索技术概述122
7.2状态空间122
7.2.1状态空间的概念122
7.2.2状态空间方法123
7.2.3状态图搜索124
7.3盲目搜索126
7.3.1宽度优先搜索126
7.3.2深度优先搜索129
7.3.3代价树搜索133
7.4启发式搜索134
7.4.1启发式搜索概述134
7.4.2A算法与A算法136
7.5博弈搜索140
7.5.1博弈树搜索141
7.5.2αβ剪枝法144
7.6本章小结147
习题7147
第8章机器学习原理/149
8.1机器学习概述149
8.1.1机器学习的发展史149
8.1.2机器学习的概念150
8.1.3机器学习的类型151
8.2监督学习概述152
8.2.1模型153
8.2.2损失函数154
8.2.3算法154
8.2.4模型评价155
8.3回归156
8.3.1一元回归157
8.3.2多元回归159
8.4优化算法163
8.4.1梯度下降算法163
8.4.2超参数165
8.5分类167
8.5.1Logistic回归167
8.5.2决策树170
8.5.3朴素贝叶斯方法174
8.5.4K*近邻方法177
8.5.5支持向量机179
8.5.6分类性能评价181
8.6无监督学习184
8.6.1无监督学习概述184
8.6.2聚类185
8.6.3降维190
8.7强化学习191
8.8本章小结192
习题8193
第9章机器学习应用/194
9.1计算机视觉的处理流程194
9.2计算机视觉中的特征196
9.2.1颜色直方图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计算机视觉中的算法203
9.3.1特征汇聚与特征变换203
9.3.2机器学习算法204
9.4文本分类206
9.4.1文本分类概述206
9.4.2向量空间模型207
9.4.3文本特征表示208
9.5序列标注210
9.5.1概率图模型210
9.5.2贝叶斯网络212
9.5.3隐马尔可夫模型213
9.5.4条件随机场217
9.6本章小结218
习题9219
第10章人工神经网络与深度学习/220
10.1人工神经网络概述220
10.1.1生物神经元220
10.1.2人工神经网络的发展221
10.2感知机223
10.3多层人工神经网络224
10.3.1激活函数225
10.3.2前馈神经网络的结构226
10.4卷积神经网络230
10.4.1卷积231
10.4.2卷积神经网络的结构233
10.4.3LeNet235
10.4.4AlexNet235
10.4.5VGGNet238
10.4.6GoogLeNet239
10.4.7ResNet240
10.5循环神经网络242
10.5.1简单循环神经网络242
10.5.2长短期记忆网络244
10.5.3门控循环单元246
10.6深度学习开发框架246
10.7本章小结250
习题10251
第11章智能机器人/253
11.1机器人简介253
11.1.1机器人发展简史253
11.1.2机器人的定义255
11.2机器人中的智能技术255
11.3智能机器人的应用258
11.3.1工业机器人258
11.3.2农业机器人258
11.3.3服务机器人259
11.3.4军事机器人260
11.4智能驾驶262
11.5本章小结267
习题11268
参考文献/269