人工智能技术与机器人（）

图书标准信息

• 作者 邵克勇
• 出版社 水利水电出版社
• 出版时间 2022-12
• 版次 1
• ISBN 9787522610863
• 定价 48.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 240页
• 字数 384.000千字
• 丛书 普通高等教育人工智能专业系列教材

【内容简介】

　《人工智能技术与机器人/普通高等教育人工智能专业系列教材》从人工智能技术出发，讲解了人工智能在智能机器人上的应用方法及相关技术。全书共8章，首先介绍了人工智能技术及智能机器人的相关发展□□、定义、人工智能与机器人的融合：接着从计算智能、机器学习、感知智能、认知智能、机器人定位与建图、路径规划等方面介绍了人工智能的相关技术及其在机器人上的应用方法；最后介绍了一般智能机器人设计与开发方法。

  《人工智能技术与机器人/普通高等教育人工智能专业系列教材》可作为高等院校人工智能、智能科学与技术、机器人工程等新工科专业和自动化、计算机科学与技术、电子科学与技术、控制工程与科学、机械设计制造及自动化、工业设计、车辆工程等传统理工科专业的教材，还可供从事相关专业交叉学科研究的科研人员参考。

  《人工智能技术与机器人/普通高等教育人工智能专业系列教材》特点：

  内容实用，系统介绍人工智能在智能机器人上的应用方法及相关技术。

  条理清晰，分为人工智能基础和智能机器人两部分，由浅入深，循序渐进。

  形式活泼，纸质教材 视频讲解，有利于学生理解掌握。

【目录】

前言

第1章 绪论

1．1 人工智能的□□

1．2 人工智能与机器人的融合

1．3 智能机器人的定义

1．4 机器人的发展阶段

1．5 智能机器人的三要素

1．6 智能机器人的关键技术

1．7 智能机器人未来的发展

本章小结

习题

第2章 计算智能

2．1 人工神经网络算法

2．1．1 人工神经网络基本原理

2．1．2 BP神经网络

2．1．3 RBF神经网络

2．2 深度神经网络算法

2．2．1 深度神经网络概述

2．2．2 卷积神经网络

2．2．3 循环神经网络

2．2．4 生成对抗网络

2．2．5 深度神经网络的应用案例

2．3 模糊控制算法

2．3．1 模糊集合描述

2．3．2 模糊集合运算

2．3．3 模糊推理与模糊决策

2．3．4 模糊控制

2．3．5 模糊控制的应用与发展趋势

2．4 进化计算算法

2．4．1 遗传算法

2．4．2 粒子群算法

2．4．3 蚁群算法

2．4．4 混合蛙跳算法

本章小结

习题

第3章 机器学习

3．1 机器学习概述

3．1．1 机器学习的发展阶段

3．1．2 机器学习系统的基本结构

3．1．3 机器学习的分类

3．2 监督学习

3．2．1 支持向量机

3．2．2 K-最近邻分类

3．2．3 朴素贝叶斯分类器

3．2．4 集成学习

3．3 非监督学习

3．3．1 K-均值聚类

3．3．2 PCA算法

3．4 强化学习

3．4．1 强化学习的特点

3．4．2 强化学习的组成部分

3．4．3 马尔可夫决策过程

3．4．4 基于值函数的学习算法

3．4．5 基于策略函数的学习算法

3．4．6 Actor-Critic算法

3．5 深度强化学习

3．5．1 深度强化学习的常用算法

3．5．2 深度强化学习的主要应用

3．6 迁移学习

3．6．1 迁移学习的基本方法

3．6．2 分布对齐的常用方法

3．6．3 迁移学习的研究前沿

本章小结

习题

第4章 感知智能

4．1 机器人传感器

4．1．1 内部传感器

4．1．2 外部传感器

4．2 机器人视觉与图像处理

4．2．1 机器人视觉

4．2．2 数字图像处理系统

4．3 语音识别与机器人听觉

4．3．1 语音识别技术流程

4．3．2 声学模型训练常用方法

4．3．3 机器人听觉系统

4．4 多源信息融合

4．4．1 信息融合概述

4．4．2 多源信息融合的主要方法

4．4．3 机器人信息融合技术

本章小结

习题

第5章 认知智能

5．1 知识表示技术

5．1．1 一阶谓词逻辑表示法

5．1．2 产生式表示法

5．1．3 语义网络表示法

5．2 逻辑推理

5．2．1 命题演算的消解方法

5．2．2 公式集化为标准子句集

5．2．3 推理规则

5．2．4 推理求解过程

5．3 搜索技术

5．3．1 盲目搜索

5．3．2 等代价搜索

5．3．3 启发式搜索

5．4 知识图谱

5．4．1 知识图谱架构

5．4．2 知识图谱构建的关键技术

5．4．3 代表性知识图谱库

5．4．4 知识图谱应用场景

本章小结

习题

第6章 机器人定位与建图

6．1 机器人定位技术

6．1．1 经典机器人定位技术

6．1．2 机器人无线定位算法

6．2 机器人地图构建

6．2．1 地图模型

6．2．2 基于距离测量的地图构建算法

6．3 机器人同时定位与建图

6．3．1 SLAM基本概念

6．3．2 基于视觉的SLAM方法

6．3．3 视觉SLAM的发展趋势及研究热点

本章小结

习题

第7章 机器人路径规划

7．1 全□路径规划算法

7．1．1 栅格法

7．1．2 可视图法

7．1．3 戴克斯特拉（Dijkstra）算法

7．1．4 基于强化学习的Q-Learning算法

7．2 □部路径规划算法

7．2．1 人工势场法

7．2．2 动态窗口法

7．3 路径规划发展趋势

本章小结

习题

第8章 智能机器人设计与开发

8．1 智能机器人设计的基本步骤

8．2 机器人硬件设计与开发

8．2．1 主板

8．2．2 传感器

8．2．3 驱动器

8．2．4 其他硬件设备

8．3 机器人的软件架构

8．3．1 概述

8．3．2 机器人的软件架构范例

8．3．3 机器人编程方式

8．3．4 机器人程序设计语言

8．4 机器人仿真平台

本章小结

习题

参考文献