人工智能导论及工程案例

目录第1章 绪论1.1 人工智能基础知识1.1.1 人工智能的定义1.1.2 人工智能的分类1.2 人工智能的发展简史1.3 人工智能的三大流派1.4 人工智能的研究内容及研究领域1.4.1 人工智能的研究内容1.4.2 人工智能的研究领域1.4.3 人工智能的实现要素习题 1第2 章人工智能领域的应用2.1智慧城市2.1.1智慧城市概述2.1.2智慧城市的标准化2.1.3智慧城市与数字城市的差异2.2智慧交通2.2.1 智慧交通概述2.2.2 智慧交通系统2.3 智慧家居2.3.1 智慧家居概述2.3.2 智慧家居的通用技术2.3.3智慧家居系统2.3.4智慧家居家庭场景 2.3.5 智慧家居社区场景2.4智慧医疗2.4.1 智慧医疗概述2.4.2 智慧医疗保健2.4.3 智慧医疗决策2.5 智慧农业2.5.1 智慧农业概述2.5.2 智慧农业主要技术方向2.5.3 智慧农业主要应用方向2.6 智慧教育2.6.1 智慧教育概述2.6.2 智慧教育的基本架构与教育模式2.6.3 智慧校园与智慧教室2.6.4 智慧教育的展望2.7 智慧新零售与智能客户服务2.7.1 智慧新零售概述2.7.2 智能客户服务2.7.3智能客户服务大中小企业布局智能客服2.7.4智能客户服务智能客服的人机分工2.8 智慧金融2.8.1 智慧金融概述2.8.2智慧金融应用2.8.3智慧金融与传统金融的区别习题 2第3 章知识工程3.1概念表示3.1.1 经典概念表示3.1.2数理逻辑3.2 知识表示3.2.1 知识表示概述3.2.2谓词逻辑表示法3.2.3产生式表示法3.2.4框架表示法3.2.5 语义网络表示法3.3 知识图谱3.3.1 知识图谱的概述3.3.2 知识图谱的特征3.3.3知识图谱的构建3.3.4 知识图谱的应用习题 3第4章 搜索算法 4.1 搜索概述4.2 盲目搜索 4.2.1 深度优先搜索4.2.2 广度优先搜索4.3 启发式搜索 4.3.1 状态空间法 4.3.2启发性信息 4.3.3 A算法 习题4 第5章 机器学习5.1 机器学习概述 5.1.1 机器学习的定义5.1.2 机器学习简史 5.1.3 机器学习的基本结构 5.2机器学习的类型 5.2.1 监督学习 5.2.2无监督学习5.2.3弱监督学习5.2.4半监督学习5.2.5强化学习5.2.6 联邦学习5.3 机器学习的算法5.3.1 k近邻算法5.3.2 k均值聚类5.3.3 决策树算法5.3.4回归算法 5.3.5贝叶斯算法 5.3.6机器学习算法的应用习题 5第6章 神经网络与深度学习6.1 人工神经网络 6.1.1 由人脑到人工神经网络 6.1.2 BP 神经网络6.2卷积神经网络 6.2.1 CNN 结构6.2.2CNN 实例6.3 循环神经网络6.3.1 RNN 结构6.3.2 RNN 实例6.4 图神经网络6.4.1 GNN 结构6.4.2 GNN 实例6.5 Transformer 注意力机制6.5.1 Transformer 结构6.5.2 Transformer 实例6.6 深度学习 6.6.1 深度学习的意义6.6.2深度学习的概念6.6.3深度学习的核心思路 6.6.4深度学习的实现 6.6.5深度学习与机器学习的对比 习题 6第7章计算机视觉7.1 计算机视觉的基础7.1.1 模式识别 7.1.2 图像识别7.2 计算机视觉研究知识7.2.1 计算机视觉的研究内容 ·7.2.2 计算机视觉的发展7.2.3计算机视觉的目的 7.2.4 计算机视觉与机器视觉的区别7.3 计算机视觉系统7.3.1 计算机视觉系统概述7.3.2 计算机视觉的应用——工作流程7.3.3应用举例 7.3.4人脸识别 7.3.5自动驾驶 习题 7 第8章自然语言处理8.1自然语言处理的概念 8.1.1自然语言处理的目标 8.1.2自然语言处理的难点 8.1.3 语法分析与语义分析 8.1.4 自然语言处理的研究内容 8.2 机器翻译8.3智能问答 8.4 语音处理 8.5 自然语言处理的未来 习题8第9章智能机器人9.1智能机器人基础知识 9.2国家发展需求 9.3 机器人的发展 9.4 人工智能在机器人上的应用 9.4.1智能感知技术 9.4.2智能导航与规划技术 9.4.3 智能控制与操作技术 9.4.4 机器人智能交互技术 9.4.5触觉传感技术 9.5 未来展望 习题 9第10章基于深度学习的路面病害检测应用10.1 路面病害检测理论基础 10.1.1 YOLOv5 目标检测算法10.1.2注意力机制 10.2工程项目 10.2.1 基于改进 YOLOv5 的多特征融合网络10.2.2实验数据集和模型训练中10.2.3实验结果与分析 10.2.4 总结 第11章 融入情绪指标的深度学习在量化投资模型中的应用中11.1 量化投资择时分类模型原理11.2工程顶目 11.2.1 量化投资择时分类模型11.2.2实验数据集和模型训练11.2.3实验结果与分析 11.2.4总结 第 12 章鱼类图像深度学习分类12.1 基于卷积神经网络的鱼类图像分类12.1.1 AlexNet 网络12.1.2 GoogLeNet 网络12.2.1 监督学习方式下基于卷积神经网络的鱼类图像分类12.2.2实验数据集合模型训练12.2.3实验结果与分析 12.2.4 总结参考文献