圖書中心

大數據與人工智能首頁>圖書中心>IT新學科新專業

人工智能導論
  • 書     名:人工智能導論
  • 出版時間:2021-10-31
  • 編 著 者:郭軍
  • 版       次:1-1
  • I  S  B N:978-7-5635-6531-3
  • 定       價:¥38.00元

內容簡介線

本書是面向理工科專業的大一新生學習人工智能的入門教材,以“導認識”“導興趣”“導原理”“導重點”為目標,為大學新生量身定制學習人工智能的先行知識體系。本書基于人工智能的理論和技術現狀,以機器學習為主線貫穿人工智能的知識體系,以深度學習為重點組織全書內容。本書包括認識人工智能、機器學習基礎、深度神經網絡、人工智能前沿技術、人工智能計算平臺、計算機視覺、智能音頻技術、自然語言處理等八章內容。
本書可作為高等院校計算機類、自動化類、電氣類、電子信息類等相關專業的學生學習人工智能的通識課程教材,也可供非理工科專業的學生以及人工智能交叉學科研究的科研人員學習使用,同時也適用于對人工智能領域感興趣的具有高中水平以上的普通讀者閱讀。

目錄介紹線

第1章認識人工智能1

1.1何謂人工智能?1

1.2標志性人物及其思想3

1.3人工智能的內在邏輯及知識體系4

1.4人工智能的數學基礎7

1.4.1人工智能的數學本質7

1.4.2常用的基元函數及其功能8

1.4.3智能函數的參數學習12

1.4.4學習方式13

1.4.5學習架構15

1.5認知科學17

1.5.1何謂認知科學?17

1.5.2認知科學的研究主題18

1.5.3認知科學的研究方法19

小結20

思考題21

第2章機器學習基礎22

2.1人工智能求解的經典問題22

2.1.1機器下棋22

2.1.2模式識別23

2.2智能系統的數學模型24

2.2.1智能函數24

2.2.2特征基元函數25

2.2.3貝葉斯最優決策函數26

2.2.4最優智能函數的實例26

2.3決策函數與機器學習29

2.3.1基于機器學習的決策函數自動求解29

2.3.2概率估計形式的學習29

2.3.3參數估計形式的學習31

2.4機器學習的基本策略32

2.4.1機器學習的評價方法32

2.4.2影響泛化能力的主要因素33

2.4.3提高泛化能力的正則化項36

2.5機器學習形式的演進37

2.5.1基于人工知識的自動化系統37

2.5.2從經典機器學習到深度學習38

2.5.3機器學習形式的多樣化39

2.6機器學習的哲學思考39

2.6.1機器學習中的歸納推理40

2.6.2實例學習是更可靠的歸納推理41

2.6.3鴿子的迷信說明什么?42

2.7機器學習的基本方法43

2.7.1樸素貝葉斯分類器43

2.7.2決策樹45

2.7.3線性模型47

2.7.4K近鄰算法48

2.7.5K均值聚類算法48

小結51

思考題51



第3章深度神經網絡52

3.1引言52

3.2神經網絡53

3.2.1多層感知機與神經網絡53

3.2.2誤差反向傳播法55

3.2.3參數的更新61

3.3深度神經網絡的核心問題62

3.3.1加深網絡62

3.3.2梯度消失問題和梯度爆炸問題64

3.3.3需要更多的數據66

3.3.4更快的優化算法67

3.3.5避免過擬合70

3.4深度神經網絡的典型模型及應用71

3.4.1ImageNet71

3.4.2深度神經網絡的典型模型72

3.4.3深度神經網絡的應用75

小結79

思考題79

第4章人工智能前沿技術80

4.1引言80

4.2強化學習82

4.2.1強化學習的概念和特征82

4.2.2強化學習的基本模型83

4.2.3深度強化學習86

4.2.4深度強化學習的應用實例88

4.2.5深度強化學習的應用前景91

4.3遷移學習91

4.3.1遷移學習的起源91

4.3.2遷移學習的基本模型92

4.3.3深度遷移學習94

4.3.4深度遷移學習的應用實例96

4.3.5深度遷移學習的未來97

小結99

思考題99

第5章人工智能計算平臺100

5.1計算機系統100

5.2并行計算102

5.2.1計算機集群基礎104

5.2.2分布式集群基礎105

5.3深度學習服務器108

5.3.1多核CPU108

5.3.2GPU109

5.3.3寒武紀AI處理器115

5.3.4昇騰AI處理器116

5.3.5TPU和AI編程框架118

5.3.6深度學習編譯框架120

5.4云邊端協同計算121

5.4.1云計算121

5.4.2邊緣計算124

5.4.3智能設備128

小結132

思考題132

第6章計算機視覺134

6.1引言134

6.2計算機視覺的關鍵技術135

6.2.1圖像的原始表示135

6.2.2基于CNN的圖像表示與特征提取136

6.2.3圖像分類與目標檢測138

6.3計算機視覺的應用139

6.3.1應用方向139

6.3.2應用系統141

6.4計算機視覺的典型應用系統分析143

6.4.1人臉檢測與特征點定位143

6.4.2人臉特征表達與學習144

6.4.3屬性識別與身份識別145

6.4.4安全性和公平性問題146

6.4.5人臉編輯與生成147

6.5計算機視覺的未來149

小結150

思考題150

第7章智能音頻技術151

7.1引言151

7.2智能音頻技術簡介152

7.2.1從“聲音”到“音頻”152

7.2.2智能音頻信息處理153

7.3音頻信息識別158

7.3.1概述158

7.3.2語音識別163

7.3.3音頻事件識別166

7.4音頻信息檢索167

7.4.1概述167

7.4.2音頻信息檢索方法169

7.4.3語音檢索171

7.4.4音頻樣例檢索172

7.4.5哼唱檢索173

7.5總結和展望174

小結176

思考題176

第8章自然語言處理178

8.1引言178

8.2文本分析基礎180

8.2.1文本向量表示180

8.2.2文本相似度185

8.2.3文本相似度計算示例187

8.3語法理解與糾錯技術188

8.3.1任務簡介188

8.3.2常用中文語法糾錯語料189

8.3.3評價指標190

8.3.4常用模型191

8.4知識圖譜技術195

8.4.1任務簡介195

8.4.2命名實體識別196

8.4.3實體關系抽取199

8.4.4知識圖譜、事理圖譜和用戶標簽圖譜的構建201

8.4.5圖譜檢索202

小結203

思考題204

參考文獻205
亚洲欧美日韩精品久久