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第一个繁荣期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最近邻方法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