目录

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

2.3.2ifthen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

3.4.2迁移学习的适用场景69

3.5强化学习70

3.6本章小结71

3.7习题72

第4章视觉感知73

4.1图像处理75

4.1.1图像处理基础75

4.1.2图像处理任务类型77

4.2模式识别78

4.2.1模式识别的定义78

4.2.2模式识别应用技术79

4.2.3基于模式识别的光学字符识别实验83

4.3图像识别92

4.3.1图像识别方法92

4.3.2图像识别的应用94

4.3.3基于深度学习的图像识别实验95

4.4目标检测1014.4.1目标检测的基本概念101

4.4.2目标检测的应用场景103

4.4.3目标检测常用算法104

4.5人脸识别105

4.5.1人脸识别技术的概念105

4.5.2基于深度学习的人脸识别实验106

4.6视频分析114

4.6.1视频分析的基本概念114

4.6.2视频分析的应用场景115

4.6.3视频分析的常见算法116

4.7本章小结117

4.8习题117

第5章自然语言处理118

5.1语义分析118

5.1.1语义分析的基本概念118

5.1.2语义分析的主要应用场景120

5.2文本分类和情感分析122

5.2.1文本分类和情感分析的基本概念122

5.2.2文本分类和情感分析的应用场景与展望126

5.3智能问答127

5.3.1智能问答系统的基本概念127

5.3.2智能问答的应用与挑战129

5.3.3基于云服务的智能问答机器人实验134

5.4聊天机器人137

5.4.1聊天机器人简介137

5.4.2经典的聊天机器人138

5.4.3聊天机器人的优缺点和未来发展趋势140

5.5机器翻译142

5.5.1机器翻译的基本概念142

5.5.2机器翻译的发展历史142

5.5.3机器翻译基础知识144

5.5.4关于机器翻译技术的展望145

5.6大语言模型147

5.6.1大语言模型简介147

5.6.2大语言模型的原理148

5.6.3大语言模型的应用1555.6.4模型设计和训练155

5.6.5大语言模型的未来160

5.7本章小结161

5.8习题161

第6章语音处理162

6.1语音识别162

6.1.1语音识别简介162

6.1.2语音识别的应用场景166

6.2语音信号基本概念167

6.2.1语音信号与音频信号167

6.2.2声音的物理属性168

6.2.3语音信号的数字化表示168

6.3语音特征提取169

6.3.1语音特征169

6.3.2语音特征的意义171

6.4语音处理关键技术172

6.4.1语音合成172

6.4.2语音情感分析173

6.4.3说话人识别与验证175

6.4.4机械臂语音控制实验176

6.5语音助手182

6.5.1语音助手的历史与定义182

6.5.2语音处理的主要技术182

6.5.3语音助手的未来发展前景184

6.6本章小结186

6.7习题186

第7章知识认知与推理187

7.1逻辑推理187

7.1.1知识推理的概念187

7.1.2知识推理的应用188

7.1.3知识推理的方法189

7.2知识表示191

7.2.1知识表示简介191

7.2.2知识表示的常用方法191

7.2.3知识表示的应用场景1947.3搜索技术194

7.3.1搜索技术简介194

7.3.2搜索技术的常用算法196

7.3.3搜索技术的应用场景197

7.4知识图谱198

7.4.1知识图谱的基本概念198

7.4.2知识图谱的常用算法198

7.4.3知识图谱的应用场景199

7.4.4基于知识图谱的医疗问答系统实验201

7.5本章小结205

7.6习题205

第8章机器人207

8.1机器人概述207

8.1.1什么是机器人207

8.1.2机器人分类207

8.1.3机器人的基本组成209

8.1.4人工智能在机器人中的应用209

8.1.5未来展望209

8.2机器人控制技术210

8.2.1机器人控制系统的组成结构210

8.2.2机器人控制架构211

8.2.3控制策略和算法211

8.2.4通信协议212

8.2.5机械臂视觉分拣实验213

8.3机器人操作系统概述217

8.3.1ROS简介217

8.3.2ROS的系统分层结构218

8.3.3ROS的功能220

8.4机器人智能应用221

8.5工业机器人221

8.5.1工业机器人的定义与分类222

8.5.2工业机器人的结构223

8.5.3工业机器人的控制方法224

8.5.4工业机器人的应用领域224

8.5.5工业机器人的发展趋势225

8.6无人驾驶2268.6.1无人驾驶技术原理226

8.6.2无人驾驶技术的应用领域227

8.6.3无人驾驶技术的发展趋势228

8.7无人机228

8.7.1无人机的分类229

8.7.2无人机技术发展229

8.7.3无人机在人工智能领域的应用230

8.7.4未来展望231

8.8本章小结231

8.9习题232

第9章人工智能伦理与安全233

9.1人工智能伦理233

9.1.1人工智能与就业问题233

9.1.2人工智能与隐私问题234

9.1.3人工智能与歧视问题235

9.1.4人工智能与技术伦理问题236

9.2机器人伦理236

9.2.1机器人伦理概述236

9.2.2机器人对人类的影响238

9.2.3机器人的伦理地位239

9.2.4机器人设计和制造中的问题239

9.3人工智能安全240

9.3.1人工智能安全概述240

9.3.2人工智能安全面临的挑战和威胁类型241

9.3.3人工智能安全解决方案242

9.3.4人工智能安全的未来发展244

9.4人工智能法律问题244

9.4.1人工智能在法律领域中的应用244

9.4.2人工智能对法律的挑战245

9.4.3人工智能法律监管的现状和趋势246

9.4.4人工智能法律的发展趋势249

9.4.5基于深度学习的视频表情更换实验251

9.5本章小结255

9.6习题256

第10章人脸识别的应用257

10.1人脸门禁系统25710.1.1人脸识别技术的基础知识257

10.1.2人脸门禁系统的工作原理259

10.1.3人脸门禁系统的优势与挑战261

10.2性别情感识别262

10.2.1性别情感识别的意义262

10.2.2性别情感识别的技术方法263

10.2.3性别情感识别的应用场景264

10.2.4性别情感识别的未来264

10.3本章小结265

10.4习题265

第11章智能家居267

11.1机器视觉应用268

11.1.1人脸识别268

11.1.2物体识别268

11.1.3行为识别271

11.1.4智能监控271

11.2智能语音应用272

11.2.1核心技术273

11.2.2发展历程273

11.2.3应用场景278

11.2.4未来发展趋势278

11.3智能云服务应用279

11.3.1数据存储与同步279

11.3.2高级功能支持279

11.3.3远程控制与监控280

11.4本章小结280

11.5习题280

第12章智能制造281

12.1机器人分拣应用282

12.1.1机器人分拣的基本原理282

12.1.2机器人分拣的应用场景282

12.1.3技术挑战283

12.2机械臂动态避障284

12.2.1机械臂、传感器、算法和控制器285

12.2.2机械臂动态避障常用算法28712.3三维视觉目标抓取287

12.3.1具体步骤287

12.3.2关键技术288

12.3.3应用场景289

12.3.4未来展望289

12.4本章小结290

12.5习题290

第13章无人驾驶的应用291

13.1车道线检测292

13.1.1车道线检测常用算法293

13.1.2车道线检测的技术难点293

13.2交通标志识别294

13.2.1交通标志识别的重要性294

13.2.2交通标志识别的基本流程294

13.2.3主要技术295

13.3自主定位和导航297

13.3.1定位方法297

13.3.2传感器298

13.3.3地图构建299

13.3.4路径规划301

13.4本章小结301

13.5习题302

附录A安装Python实验环境303

附录B安装图数据库Neo4j307

附录CAI+智能分拣实训平台简介和使用方法311

C.1AI+智能分拣实训平台简介311

C.2智能边缘计算网关连接312