正版 人工智能导论 李铮,黄源,蒋文豪 人民邮电出版社 9787115560

第１章 人工智能概述 1
1.1 人工智能简介 1
1.1.1 人工智能的定义 1
1.1.2 人工智能的特点 2
1.1.3 人工智能的分类 2
1.2 人工智能的起源与发展 3
1.2.1 人工智能的历史 3
1.2.2 我国的人工智能发展现状 5
1.3 人工智能的研究内容 6
1.3.1 认知建模 6
1.3.2 知识表示 6
1.3.3 知识应用 7
1.3.4 推理 7
1.3.5 机器感知 7
1.3.6 机器思维 7
1.3.7 机器学习 8
1.3.8 机器行为 8
1.4 人工智能领域的著名专家与代表性人物 8
1.4.1 艾伦 图灵 8
1.4.2 斯图尔特 罗素 8
1.4.3 斯蒂芬 霍金 9
1.4.4 贾斯汀 卡塞尔 9
1.4.5 约翰 麦卡锡 9
1.4.6 吴恩达 9
1.4.7 德米什 哈萨比斯 10
1.5 人工智能研究的主要学派 10
1.5.1 符号主义 10
1.5.2 连接主义 10
1.5.3 行为主义 11
1.6 人工智能的应用 11
1.6.1 专家系统 11
1.6.2 自然语言处理 12
1.6.3 博弈 12
1.6.4 搜索 13
1.6.5 感知问题 13
1.6.6 模式识别 13
1.6.7 机器人学 13
1.7 小结 14
1.8 习题 14
第２章 人工智能基础知识 15
2.1 人工智能的数学基础 15
2.1.1 微积分 15
2.1.2 线性代数 16
2.1.3 概率论与数理统计 16
2.1.4 最优化理论 17
2.1.5 形式逻辑 17
2.2 人工智能的常用工具 17
2.2.1 TensorFlow 17
2.2.2 Mahout 18
2.2.3 Torch 18
2.2.4 Spark MLlib 18
2.2.5 Keras 18
2.2.6 CNTK 18
2.3 数据采集 19
2.3.1 数据采集的概念 19
2.3.2 数据采集的常见方法 19
2.4 数据存储 21
2.4.1 数据存储的概念 21
2.4.2 数据存储的方式 21
2.5 数据清洗 23
2.5.1 数据清洗的概念 23
2.5.2 数据清洗的原理 24
2.5.3 数据清洗的应用领域 25
2.5.4 数据清洗的评估 25
2.6 数据分析 26
2.6.1 大数据分析概述 26
2.6.2 大数据分析的主要类型 26
2.6.3 数据挖掘 27
2.6.4 数据可视化 29
2.7 小结 32
2.8 习题 32
第3章 机器学习 34
3.1 机器学习概述 34
3.1.1 机器学习简介 34
3.1.2 机器学习的发展 35
3.1.3 机器学习的应用前景 36
3.1.4 机器学习的未来 37
3.2 机器学习的分类 37
3.2.1 监督学习 38
3.2.2 无监督学习 39
3.2.3 半监督学习 40
3.2.4 迁移学习 40
3.2.5 强化学习 41
3.3 机器学习常用算法 42
3.3.1 回归算法 42
3.3.2 聚类算法 46
3.3.3 降维算法 49
3.3.4 决策树算法 50
3.3.5 贝叶斯算法 51
3.3.6 支持向量机算法 53
3.3.7 关联规则算法 54
3.3.8 遗传算法 57
3.4 小结 60
3.5 习题 61
第4章 深度学习 62
4.1 神经网络 62
4.1.1 神经网络简介 62
4.1.2 神经网络发展历史 63
4.1.3 单个神经元 64
4.1.4 神经网络的结构 64
4.1.5 神经网络的学习 65
4.1.6 激活函数 66
4.1.7 损失函数 68
4.2 感知机 68
4.2.1 感知机简介 68
4.2.2 多层感知机 69
4.3 卷积神经网络 70
4.3.1 卷积神经网络简介 70
4.3.2 卷积神经网络的结构 71
4.3.3 常用的卷积神经网络 72
4.4 循环神经网络 74
4.4.1 循环神经网络简介 74
4.4.2 循环神经网络的结构 74
4.4.3 常用的循环神经网络 75
4.5 生成对抗网络 76
4.5.1 生成对抗网络简介 76
4.5.2 生成对抗网络的结构 76
4.5.3 常用的生成对抗网络 77
4.6 深度学习的应用 78
4.6.1 AlphaGo Zero 78
4.6.2 自动驾驶 80
4.7 小结 81
4.8 习题 82
第5章 计算机视觉 83
5.1 计算机视觉概述 83
5.1.1 计算机视觉简介 83
5.1.2 计算机视觉的发展历史 84
5.1.3 计算机视觉研究的意义 85
5.1.4 计算机视觉的应用及面临的挑战 85
5.2 图像分类 88
5.2.1 图像分类简介 88
5.2.2 图像分类算法 88
5.3 目标检测 91
5.3.1 目标检测简介 91
5.3.2 目标检测框架模型 91
5.4 图像分割 94
5.4.1 图像分割简介 94
5.4.2 图像分割算法 95
5.5 小结 96
5.6 习题 96
第6章 自然语言处理 97
6.1 自然语言处理简介 97
6.1.1 自然语言处理的定义 97
6.1.2 自然语言处理的发展历程 98
6.1.3 自然语言处理的研究方向 99
6.1.4 自然语言处理的一般工作原理 100
6.2 自然语言处理的组成 101
6.3 自然语言理解 101
6.3.1 自然语言理解的层次 102
6.3.2 词法分析 103
6.3.3 句法分析 104
6.3.4 语义分析 105
6.4 信息检索 106
6.4.1 信息检索简介 107
6.4.2 信息检索的发展历程 107
6.4.3 信息检索的特点 108
6.4.4 信息检索的基本原理 108
6.4.5 信息检索的类型 108
6.4.6 信息检索的应用 110
6.5 机器翻译 111
6.5.1 机器翻译的基本模式 111
6.5.2 统计机器翻译 112
6.5.3 机器翻译的应用 113
6.6 情感分析 114
6.6.1 情感分析概述 115
6.6.2 情感分析的定义 115
6.6.3 情感分析的任务 115
6.6.4 情感分析的应用 117
6.6.5 情感分析面临的困难与挑战 119
6.7 语音识别 120
6.7.1 语音识别的定义 120
6.7.2 语音识别的发展历程 120
6.7.3 语音识别的基本原理 121
6.7.4 语音识别的应用 121
6.8 自然语言处理面临的问题和展望 124
6.8.1 自然语言处理面临的问题 124
6.8.2 自然语言处理的展望 125
6.9 小结 126
6.10 习题 127
第7章 知识图谱 128
7.1 知识图谱简介 128
7.1.1 知识图谱的定义 128
7.1.2 知识图谱的发展历史 129
7.1.3 知识图谱的类型 130
7.1.4 知识图谱的重要性 131
7.2 知识表示和知识建模 132
7.2.1 知识表示 132
7.2.2 知识建模 135
7.3 知识抽取 138
7.3.1 实体抽取 139
7.3.2 关系抽取 139
7.3.3 属性抽取 139
7.4 知识存储 140
7.4.1 知识存储概述 140
7.4.2 知识存储方式 140
7.4.3 知识存储工具 141
7.5 知识融合 142
7.5.1 知识融合概述 142
7.5.2 知识融合过程 142
7.6 知识推理 143
7.6.1 知识图谱的表示 143
7.6.2 并行知识推理 143
7.6.3 实体关系知识推理 144
7.6.4 模式归纳知识推理 144
7.7 知识图谱的应用 145
7.7.1 语义搜索 145
7.7.2 问答系统 146
7.8 小结 149
7.9 习题 150
第8章 人工智能技术应用场景 151
8.1 智慧交通 151
8.1.1 智慧交通的概念 151
8.1.2 智慧交通中的人工智能应用 152
8.1.3 智慧交通中的核心技术 153
8.2 智慧电商 155
8.2.1 智慧电商的概念 155
8.2.2 智慧电商中的人工智能应用 155
8.2.3 智慧电商案例分析 159
8.3 智能医学 160
8.3.1 智能医学的概念 160
8.3.2 智能医学的发展历程 160
8.3.3 智能医学涵盖的内容 161
8.3.4 医学中的人工智能应用 162
8.3.5 智能医学的发展 164
8.4 智能制造 164
8.4.1 智能制造的概念 164
8.4.2 智能制造的特征 164
8.4.3 智能制造中的人工智能应用 165
8.4.4 智能制造的发展 167
8.5 小结 168
8.6 习题 168
第9章 智能机器人 169
9.1 智能机器人概述 169
9.1.1 机器人简介 169
9.1.2 认识智能机器人 173
9.1.3 智能机器人的发展现状 174
9.1.4 智能机器人的前景 174
9.2 智能机器人的核心技术 175
9.2.1 定位导航 175
9.2.2 人机交互 180
9.3 智能机器人的应用 181
9.4 小结 184
9.5 习题 185
第 10章 人工智能的挑战与未来 186
10.1 人工智能的挑战 186
10.1.1 数据 186
10.1.2 算法模型可解释性 187
10.1.3 业务场景理解 188
10.1.4 服务方式 188
10.1.5 投入产出比 189
10.2 人工智能对社会的影响 189
10.2.1 人工智能对教育与就业的影响 190
10.2.2 人工智能对隐私与安全的影响 191
10.3 人工智能的未来 191
10.3.1 人工智能未来的发展趋势 192
10.3.2 人工智能未来的技术发展方向 193
10.3.3 人工智能未来的应用趋势 196
10.4 小结 197
10.5 习题 198
参考文献 199

黄源，重庆航天职业技术学院计算机系副教授，主要研究项目及领域为网络通信、软件开发等，曾经出版《XML基础与案例教程》《HTML5+CSS3网页设计》《搜索引擎优化基础基础与实训教程》等教材。

1.本书主要针对高等职业院校学生的特点，突出素质教育，以培养学生的能力为本位，以提高学生的就业技能为导向。
2.全书内容简洁、结构严谨、逻辑分明、条理清晰，图文并茂、在内容和形式上都有创新。
3.教材的编写由浅入深，即使没有接触过人工智能的学生也能很快上手。
4.本书采用 “启发式教学”等教学方法，充分激发学生的学习兴趣，发挥学生学习的主动性，变常规的被动学习和填鸭式教学为积极主动学习。
5.参与本书编写工作的人员都是长期从事大数据、人工智能及相关课程教学的一线教师和长期从事网络管理的网络工程师，具有丰富的教学经验和实践经验。

本书主要讲述人工智能的基础知识与基础理论，并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。本书共10章，分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富，讲解细致，注重技术发展变化。
本书既可作为高校大数据专业、云计算专业、人工智能技术专业、信息管理专业、计算机网络专业的教材，又可作为人工智能与大数据爱好者的参考书。

1.本书主要针对高等职业院校学生的特点，突出素质教育，以培养学生的能力为本位，以提高学生的就业技能为导向。 2.全书内容简洁、结构严谨、逻辑分明、条理清晰，图文并茂、在内容和形式上都有创新。 3.教材的编写由浅入深，即使没有接触过人工智能的学生也能很快上手。 4.本书采用 “启发式教学”等教学方法，充分激发学生的学习兴趣，发挥学生学习的主动性，变常规的被动学习和填鸭式教学为积极主动学习。 5.参与本书编写工作的人员都是长期从事大数据、人工智能及相关课程教学的一线教师和长期从事网络管理的网络工程师，具有丰富的教学经验和实践经验。