新書推薦:
《
火枪与账簿:早期经济全球化时代的中国与东亚世界
》
售價:HK$
79.4
《
《全面与进步跨太平洋伙伴关系协定》国有企业条款研究
》
售價:HK$
101.2
《
银行业架构网络BIAN(全球数字化时代金融服务业框架)(数字化转型与创新管理丛书)
》
售價:HK$
101.2
《
金托邦:江湖中的沉重正义
》
售價:HK$
62.1
《
易经今解:释疑·解惑·见微
》
售價:HK$
90.9
《
东欧史(全二册)-“中间地带”的困境
》
售價:HK$
227.7
《
虚拟资本:金融怎样挪用我们的未来
》
售價:HK$
79.4
《
刻意练习不生气
》
售價:HK$
40.3
|
內容簡介: |
本书以人工智能为主要研究对象,较全面地介绍人工智能的基本原理、常见算法和应用技术。全书分为9章,主要内容包括:绪论、知识图谱与专家系统、智能搜索策略、机器学习、特征选择与提取、人工神经网络、深度学习、深度神经网络在图像处理中的应用、深度神经网络在语音信号处理中的应用。本书深入浅出、层次分明、循环渐进地对人工智能基础及应用进行系统的介绍,使读者学习得更加清晰明了。本书配有PPT、微课视频、习题及习题解答等资源,读者可登录华信教育资源网(www.hxedu.com.cn)免费下载。本书适合作为本科生教材,也可供研究生和科技人员参考。本书可以作为高等院校电子信息类、测控通信类、自动化类、计算机类等专业及相关专业相关课程的教材,还可以作为大学生课外电子制作、电子设计竞赛和相关工程技术人员的实用参考书与培训教材。
|
關於作者: |
兰朝凤,女,哈尔滨理工大学测控技术与通信工程学院电子信息工程系主任,副教授,硕士生导师。研究方向为:人机语音交互技术、机器视觉、生物医学信号处理与建模、噪声控制技术、反潜作战技术等。
|
目錄:
|
第1章 绪论2 1.1 人工智能概述2 1.1.1 智能的定义2 1.1.2 人工智能的定义3 1.1.3 人工智能的起源、现状及发展3 1.2 人工智能研究的主要内容7 1.2.1 模式识别7 1.2.2 专家系统7 1.2.3 知识库系统8 1.2.4 自然语言理解8 1.2.5 自动定理证明9 1.2.6 计算机视觉9 1.2.7 自动程序设计10 1.2.8 自然语言生成10 1.2.9 机器人学10 1.2.10 分布式人工智能11 1.2.11 计算机博弈11 1.2.12 智能控制12 1.2.13 软计算12 1.2.14 智能规划12 1.3 人工智能的主要技术13 1.3.1 逻辑推理与定理证明13 1.3.2 自然语言处理13 1.3.3 智能机器人13 1.3.4 最优解算法13 1.3.5 智能信息检索技术14 1.3.6 专家系统14 1.3.7 智能控制技术14 1.3.8 机器学习15 1.3.9 生物特征识别15 1.3.10 人工神经网络15 1.3.11 虚拟现实技术与增强现实技术16 1.3.12 知识图谱16 1.3.13 数据挖掘与知识发现16 1.3.14 人机交互技术16 1.4 人工智能的应用领域17 1.4.1 机器视觉17 1.4.2 语音识别19 1.4.3 智能机器人20 1.5 人工智能的发展趋势与应用前景21 1.5.1 人工智能的发展趋势21 1.5.2 人工智能的应用前景24 本章小结26 习题26 第2章 知识图谱与专家系统28 2.1 知识概述28 2.1.1 知识28 2.1.2 数据、信息、知识和智能28 2.1.3 知识的特征29 2.1.4 知识的分类30 2.2 知识表示方法30 2.2.1 逻辑表示法30 2.2.2 产生式表示法33 2.2.3 语义网络表示法38 2.2.4 框架表示法43 2.3 知识获取与管理46 2.3.1 知识获取的概述46 2.3.2 知识获取的任务47 2.3.3 知识获取的方式48 2.3.4 知识管理50 2.4 知识图谱52 2.4.1 知识图谱的概述52 2.4.2 知识图谱的表示53 2.4.3 知识图谱的推理53 2.4.4 知识图谱的构建54 2.4.5 知识图谱的分类55 2.4.6 知识图谱的特点56 2.5 专家系统56 2.5.1 专家系统概述56 2.5.2 专家系统的结构及构建步骤57 2.5.3 专家系统的工作原理59 2.5.4 专家系统的优点60 2.6 知识图谱与专家系统应用及案例60 2.6.1 知识图谱的应用及案例60 2.6.2 专家系统的应用及案例61 本章小结66 习题67 第3章 智能搜索策略70 3.1 搜索概述70 3.2 状态空间搜索71 3.2.1 状态空间表示71 3.2.2 启发式信息与估价函数74 3.2.3 A算法75 3.2.4 A*算法77 3.3 与或树搜索79 3.3.1 与或树表示79 3.3.2 解树的代价82 3.3.3 与或树的有序搜索83 3.4 博弈86 3.4.1 博弈树86 3.4.2 极大极小过程88 3.4.3 α-β过程90 3.5 遗传算法93 3.5.1 基本过程93 3.5.2 遗传编码95 3.5.3 适应度函数97 3.5.4 遗传操作99 3.6 智能搜索应用案例108 本章小结111 习题111 第4章 机器学习114 4.1 机器学习概述114 4.1.1 什么是机器学习114 4.1.2 机器学习的发展历程115 4.1.3 机器学习方法分类116 4.2 k最近邻域117 4.3 决策树119 4.3.1 决策树结构120 4.3.2 构造决策树121 4.3.3 随机森林129 4.4 贝叶斯学习130 4.4.1 贝叶斯法则130 4.4.2 贝叶斯网络131 4.4.3 朴素贝叶斯方法132 4.5 支持向量机135 4.5.1 线性可分数据二元分类问题135 4.5.2 线性不可分数据二元分类问题140 4.5.3 非线性可分数据二元分类问题142 4.6 聚类分析144 4.6.1 聚类分析概述144 4.6.2 k均值聚类146 4.6.3 k中心点聚类147 4.7 基于k均值聚类算法实现鸢尾花聚类149 本章小结151 习题152 第5章 特征选择与提取155 5.1 特征选择与提取概述155 5.2 降维155 5.3 特征提取157 5.3.1 主成分分析157 5.3.2 线性判别分析162 5.4 特征选择164 5.4.1 过滤法165 5.4.2 包装法167 5.4.3 嵌入法167 5.5 特征选择与提取应用及案例168 本章小结169 习题170 第6章 人工神经网络172 6.1 产生和发展172 6.1.1 人工神经元172 6.1.2 感知机175 6.2 BP神经网络179 6.2.1 BP神经网络的基本概述180 6.2.2 BP神经网络的结构180 6.2.3 BP神经网络算法181 6.2.4 BP多层前馈网络的主要能力183 本章小结183 习题184 第7章 深度学习186 7.1 卷积神经网络186 7.1.1 CNN基本概述186 7.1.2 CNN结构186 7.2 深度学习的基本框架191 7.2.1 概述191 7.2.2 几种深度学习框架192 7.3 循环神经网络194 7.3.1 RNN概述195 7.3.2 RNN的基本结构195 7.4 长短时记忆网络201 7.4.1 LSTM网络概述201 7.4.2 LSTM网络的基本结构202 7.4.3 LSTM网络的变体204 7.5 生成对抗网络205 7.5.1 GAN概述205 7.5.2 GAN网络结构及训练207 7.5.3 GAN的变体210 7.6 迁移学习213 7.6.1 迁移学习的定义及研究目标213 7.6.2 迁移学习中的基本概念214 7.6.3 迁移学习的分类215 7.6.4 迁移学习的应用领域217 本章小结219 习题219 第8章 深度神经网络在图像处理中的应用221 8.1 计算机视觉基础221 8.1.1 计算机视觉概述221 8.1.2 图像与图像特征224 8.1.3 卷积神经网络与计算机视觉228 8.2 基于YOLO的交通标志检测与识别231 8.2.1 交通标志识别231 8.2.2 YOLO系列简介232 8.2.3 基于YOLOv5的交通标志检测与识别237 8.3 基于卷积神经网络的车牌定位与识别244 8.3.1 车牌特征244 8.3.2 车牌定位与识别方案设计245 8.3.3 基于YOLOv5和LPRNet的车牌定位与识别259 本章小结268 第9章 深度神经网络在语音信号处理中的应用270 9.1 语音信号的基础知识270 9.1.1 语言和语音270 9.1.2 语音信号的产生机理272 9.1.3 语音信号的感知273 9.1.4 语音信号产生的模型275 9.2 基本原理276 9.2.1 语音识别的基本原理276 9.2.2 语音增强的基本原理277 9.2.3 语音分离的基本原理280 9.3 语音增强技术及应用282 9.4 语音识别的前沿问题及应用前景285 本章小结286 习题286 附录A Python 安装及简单函数的使用 288 A.1 Python 概述288 A.1.1 Python 的基本概念288 A.1.2 Python 的应用领域288 A.1.3 Python 开发环境的安装与配置 289 A.1.4 Python 编程规范293 A.1.5 扩展库安装方法295 A.1.6 标准库与扩展库中对象的导入与使用296 A.2 内置对象、运算符、表达式296 A.2.1 Python 中常用的内置对象 296 A.2.2 Python 运算符与表达式 300
|
|