深度学习的原理及智能化应用9787536987111

第一章绪论

第一节人工智能发展史

第二节深度学习的起源与发展

第二章深度神经网络与深度学习理论第一节神经网络的概念第二节 玻尔兹曼机

第三节 感知机

第四节前馈神经网络

第五节卷积神经网络

第六节深度置信网络

第七节循环神经网络

第八节卷积神经网络模型

第九节AI、机器学习和深度学习平台

第十节神经网络迁移学习

第三章深度学习在智能物体检测中的应用第一节研究背景与现状第二节软件开发平台搭建第三节算法实现过程

第四节安卓实现与结果分析

第五节项目总结与反思

第四章深度学习在人类行为智能分析中的应用

第一节项目背景与现状第二节人体行为分析原理第三节人体行为分析算法实现第四节项目总结与反思

第五章深度学习在信息预测中的应用

第一节项目研究背景与现状

第二节深度学习平台搭建

第三节二维信息预测实现

第四节 结果总结与反思

第六章深度学习在图像去噪中的应用

第一节 项目背景简介

第二节传统图像去噪原理

第三节卷积自编码器网络去噪原理

第四节去噪结果及分析

第五节项目总结与反思

第七章深度学习在智能视频监控中的应用

第一节项目背景介绍

第二节基于深度学习的视频故障诊断原理

第三节视频故障诊断的实现

第四节嵌入式智能终端部署

第五节项目总结与反思·

第八章深度学习在智能消防系统中的应用第一节项目背景与任务简介

第二节基于深度学习的火灾图像识别第三节 训练环境的搭建…第四节深度学习平台搭建与模型训练

第五节实验结果与分析第六节项目总结与反思

第九章深度学习在智能交通中的应用第一节项目背景及现状简介

第二节卷积神经网络与深度学习平台搭建第三节基于模型迁移的车型识别第四节 实验结果与分析第五节项目总结与反思

第一章绪论

第一节人工智能发展史

人工智能是在1956年作为一门新兴学科的名称正式提出的，人工智能（Artifi-cial Intelligence，简称AI)的发展已经取得了惊人的成就，它的发展历史可归结为孕育、形成、发展3个阶段[1]。

一、AI的孕育阶段

孕育阶段主要是指1956年以前。自古以来，人们就一直试图用各种机器来代替人的部分脑力劳动，以提高人们征服自然的能力。其中对人工智能的产生、发展有重大影响的主要研究成果包括：早在公元前384年至公元前322年，伟大的哲学家亚里士多德(Aristotle)在《工具论》中提出了形式逻辑的一些主要定律，他提出的三段论至今仍是演绎推理的基本依据。

英国哲学家培根（F.Bacon)曾系统地提出了归纳法，还提出了“知识就是力量”的观点。这对于研究人类的思维过程，以及自20世纪70年代人工智能转向以知识为中心的研究都产生了重要影响。

德国数学家和哲学家莱布尼茨（G.W.Leibniz)提出了万能符号和推理计算的思想，他认为可以建立一种通用的符号语言以及在此符号语言上进行推理的演算。这一思想不仅为数理逻辑的产生和发展奠定了基础，而且是现代机器思维设计思想的萌芽。

英国逻辑学家布尔（C.Boole)致力于使思维规律形式化和实现机械化，并创立了布尔代数。他在《思维法则》一书中首次用符号语言描述了思维活动的基本推理法则。

英国数学家图灵(A.M.Turing)在1936年提出了一种理想计算机的数学模型，即图灵机[2]，为后来电子数字计算机的问世奠定了理论基础。

美国神经生理学家麦克洛奇（W.McCulloch）与匹兹（W.Pitts）在1943年建成了第一个神经网络模型（M-P模型），开创了微观人工智能的研究领域，为后来人工神经网络的研究奠定了基础。

美国爱荷华州立大学的阿塔纳索夫(Atanasoff）教授和他的研究生贝瑞（Berry)在1937年至1941年间开发了电子计算机——阿塔纳索夫-贝瑞计算机（Atanasoff-Berry Computer,ABC)为人工智能的研究奠定了物质基础。

显然，人工智能的产生和发展绝不是偶然的，它是科学技术发展的必然产物。

二、AI的形成阶段

形成阶段主要是指1956~1969年。1956年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡（J.MeCarthy）联合哈佛大学年轻数学和神经学家、麻省理工学院教授明斯基（M.L.Minsky）、IBM公司信息研究中心负责人洛切斯特(N.Rochester)、贝尔实验室信息部数学研究员香农（C.E.Shannon)共同发起，邀请普林斯顿大学的莫尔（T.Moore）和IBM公司的塞缪尔（A.L.Samuel）、麻省理工学院的塞尔夫里奇（O.Selfridge）和索罗莫夫（R.Solomonff）以及兰德（RAND）公司和卡内基梅隆大学的纽厄尔（A.Newell）、西蒙（H.A.Simon）等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语[3]。麦卡锡因而被称为人工智能之父。这是一次具有历史意义的重要会议，它标志着人工智能作为一门新兴学科正式诞生了。此后，美国形成了多个人工智能研究组织，如纽厄尔和西蒙的Carnegie-RAND协作组、明

斯基和麦卡锡的MIT研究组、塞缪尔的IBM工程研究组等。

达特茅斯会议之后的10多年间，人工智能的研究在机器学习、定理证明、模式识别、问题求解、专家系统及人工智能语言等方面都取得了许多引人注目的成就[4-5]，例

如：在机器学习方面，1957年Rosenblatt研制成功了感知机。这是一种将神经元用于识别的系统，它的学习功能引起了专家学者广泛的兴趣，推动了连接机制的研究，但人们很快发现了感知机的局限性。在定理证明方面，美籍华人数理逻辑学家王浩于1958年在IBM-704机器上用了5min证明了《数学原理》中有关命题演算的全部……

本书共9章。第1章从人工智能发展史引出深度学习的概念；第2章介绍了深度学习的理论基础；第3章介绍了深度学习在物体智能检测中的应用；第4章则阐述了深度学习在人体行为智能分析中的应用；第5章介绍深度学习在信息预测中的应用；第6章讲述了深度学习在图像去噪方面的应用；第7章阐述了深度学习在视频智能监控中的应用；第8章讲述了深度学习在智能消防中的应用；第9章介绍了深度学习在智能交通中的应用。