





定价:59.9元
印次:1-1
ISBN:9787302689560
出版日期:2025.04.01
印刷日期:2025.04.28
图书责编:张瑞庆
图书分类:教材
"本书通过大量实验系统地介绍人工智能的原理和技术。本书共13章,主要内容包括人工智能概述、计算智能、机器学习、视觉感知、自然语言处理、语音处理、知识认知与推理、机器人、人工智能伦理与安全、人脸识别的应用、智能家居、智能制造、无人驾驶的应用,其中实验内容包括蚁群算法实验、波士顿房价预测实验、基于模式识别的光学字符识别实验、基于深度学习的图像分类实验、基于深度学习的人脸识别实验、基于云服务的智能问答机器人实验、机械臂语音控制实验、知识图谱医疗问答系统实验、机械臂视觉分拣实验、基于深度学习的人脸替换视频伪造实验。 本书内容详尽,与时俱进,既有人工智能基础知识又有**前沿技术,既有完整的理论体系又有大量的应用场景和实例,突出应用能力的培养。本书适合作为高等学校计算机相关专业本科、专科“人工智能”课程的教材,也可供从事人工智能研究与开发的专业人员参考。 "
梁立新,领导和参与多个国内外大中型项目的设计和研发,具有丰富的架构设计、管理和运营经验,具备良好的战略领导能力、组织管理能力及专业的流程管理和项目管理技能。在教学科研方面,率先在德国维尔兹堡应用技术大学和深圳技术大学分别开展全英文授课,在2019年“华为云杯”深圳开放数据应用创新全国大赛中获得二等奖(全国第三名),领导和承担多个省部级、校级和横向科研项目,获得一系列发明专利、论文和软件著作权。在学术成就方面,作为主审和作者与教育部高等学校计算机科学与技术教学指导委员会及高校和企业专家研发出“全国高等院校项目驱动案例实践系列教材”并由清华大学出版社出版,受到读者广泛好评。
前言 21世纪,什么技术将影响人类的生活?什么产业将决定国家的发展?信息技术与信息产业是首选的答案。高等学校学生是国家的后备力量,国家教育部门计划在高等学校中开展政府和企业信息技术与软件工程教育。经过多所院校的实践,信息技术与软件工程教育受到学生的普遍欢迎,取得了很好的教学效果。然而,其中也存在一些不容忽视的共性问题,最突出的是教材问题。 从近几年信息技术与软件工程教育来看,许多任课教师提出目前的教材不适合教学,具体体现在以下3方面: 第一,来自信息技术与软件工程专业的术语很多,没有这些知识背景的学生学习起来有一定难度;第二,教材中的实例比较匮乏,与企业的实际情况相差太远,致使案例可参考性差;第三,教材缺乏具体的课程实践指导和真实项目。因此,针对高等学校“信息技术与软件工程”课程教学特点与需求,编写适用的规范化教材已刻不容缓。 本书就是针对以上问题编写的。本书将大量应用场景和实例,与人工智能的原理和技术相融合,使读者能够既概略又具体地掌握人工智能的基本知识和技能。本书主要内容包括人工智能概述、计算智能、机器学习、视觉感知、自然语言处理、语音处理、知识认知与推理、机器人、人工智能伦理与安全、人脸识别的应用、智能家居、智能制造、无人驾驶的应用。 本书具有以下特色: (1) 重实际应用。作者多年教学和科研工作的体会是“IT是做出来的,不是想出来的”。理论虽然重要,但一定要为实践服务,通过实践带动理论的学习是最好、最快、最有效的方法。作者希望读者通过本书对人工智能的应用场景和技术体系有整体了解,消除对人工智能理论的神秘感,能够根据本书的体系循序渐进地动手做出自己的真实...
第1章人工智能概述1
1.1什么是人工智能2
1.1.1人工智能的定义2
1.1.2人工智能的类型3
1.2人工智能的历史和未来3
1.2.1人工智能的历史4
1.2.2人工智能的未来5
1.3人工智能的研究内容6
1.4人工智能的发展趋势7
1.4.1全球人工智能学术研究发展态势7
1.4.2中外人工智能发展对比8
1.5本章小结10
1.6习题10
第2章计算智能11
2.1计算智能概述11
2.2神经网络12
2.2.1神经网络的定义12
2.2.2神经网络的结构14
2.3模糊系统17
2.3.1模糊系统的定义17
2.3.2ifthen规则17
2.3.3模糊推理过程18
2.4进化算法19
2.4.1进化算法的定义19
2.4.2进化算法的重要性与主要应用场景20
2.4.3遗传算法22
2.4.4蚁群算法23
2.4.5旅行商问题24
2.4.6蚁群算法实验25
2.5本章小结322.6习题33
第3章机器学习34
3.1有监督学习35
3.1.1有监督学习的定义35
3.1.2回归问题35
3.1.3分类问题38
3.1.4波士顿房价预测实验46
3.2无监督学习53
3.2.1无监督学习的分类与特点54
3.2.2无监督学习的应用场景55
3.2.3无监督学习的展望60
3.3深度学习60
3.3.1神经网络发展史61
3.3.2分层神经网络62
3.3.3反向传播64
3.3.4深度学习的常用模型65
3.4迁移学习68
3.4.1迁移学习的定义68
3....