人工智能概论

图书标准信息

• 作者 刘鹏 程显毅 李纪聪
• 出版社 清华大学出版社
• 出版时间 2021-07
• 版次 1
• ISBN 9787302578659
• 定价 68.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 329页
• 字数 492.000千字

【内容简介】

本书全面介绍了人工智能的基本技术，目标是用通俗易懂的方法帮助读者构建完整的人工智能知识体系，为后续的深入学习打下基础。本书共分为10章，内容包括人工智能概述、知识表示、搜索技术、机器学习、深度学习、自然语言处理、机器人及智能控制等。 本书适合高职高专和应用型本科，作为非人工智能专业的选修课和人工智能专业的导论课教材。也适合作为人工智能技术爱好者的入门书。

【作者简介】

　　刘鹏，教授，清华大学博士毕业，现任南京云创大数据科技股份有限公司总裁，兼任中国大数据应用联盟人工智能专家委员会主任、中国信息协会教育分会人工智能教育专家委员会主任、2019年全国大学生数学建模竞赛命题人、第45届世界技能大赛中国云计算专家指导组组长。

　　

　　程显毅，教授，博士，现任中国人工智能学会知识工程专家委员会委员、江苏省微电脑学会人工智能专家委员会副主任委员、江苏省人工智能学会监事、江苏省大数据专家委员会委员、江苏省云计算论坛专家委员会委员。

　　

　　李纪聪，广东工业大学华立学院副教授、高级工程师，教育部高职高专汽车类汽车制造与装配技术专业教学指导委员会委员，新宝车业有限公司（4S店）执行董事长兼CEO。

　　研究领域为新能源汽车、智能（无人）驾驶、工业机器人、智能建筑、现代企业管理等。在公开刊物上发表学术论文10余篇，承担省部级以及企业横向科研课题10多项，获得新型技术专利10多项，学术成果曾获得省部级奖励。

【目录】

目  录

第1章  AI时代的起航

1.1  一波三折的AI 1

1.1.1  发展历程概览 1

1.1.2  大数据时代的人工智能 8

1.2  AI如影随形 10

1.2.1  手机美颜 10

1.2.2  聊天机器人 10

1.2.3  新闻推荐 11

1.2.4  在线翻译 12

1.2.5  虚拟现实 12

1.3  AI学派 13

1.3.1  符号主义 13

1.3.2  连接主义 14

1.3.3  行为主义 15

1.3.4  学派比较 16

1.4  人工智能定义 16

1.4.1  概念解析 16

1.4.2  共识概念 17

1.5  AI面临的机遇和挑战 18

1.5.1  认知误区 18

1.5.2  面临的机遇 19

1.5.3  存在的挑战 20

1.5.4  AI将成为公司的生命线 21

1.5.5  AI如何重新定义工作 22

1.6  应具有的AI能力 23

1.6.1  懂工具 23

1.6.2  懂编程 25

1.6.3  懂模型 25

1.6.4  懂业务 27

习题 28

参考文献 29

第2章  感受AI

2.1  析音赏乐 31

2.1.1  语音助手 32

2.1.2  语音识别 32

2.1.3  典型应用场景 33

2.2  别具慧眼 33

2.2.1  人脸识别 33

2.2.2  行人识别 35

2.2.3  图像分类 36

2.2.4  典型应用场景 36

2.3  识文断字 39

2.3.1  手写数据识别 39

2.3.2  问答系统 39

2.3.3  情感分析 40

2.3.4  典型应用场景 40

2.4  神来之笔 41

2.4.1  图像生成 41

2.4.2  图像艺术 42

2.4.3  典型应用场景 42

2.5  运筹帷幄 44

2.5.1  智能家居 44

2.5.2  环境监控 45

2.5.3  典型应用场景 46

习题 49

参考文献 49

第3章  知识表示与推理

3.1  从AI符号主义说起 50

3.1.1  命题逻辑 51

3.1.2  一阶谓词逻辑 53

3.1.3  产生式系统 55

3.1.4  基于符号主义的知识表示瓶颈 56

3.2  基于知识的表示方法 56

3.2.1  人工智能的3个层次 56

3.2.2  知识 57

3.2.3  知识工程的诞生 59

3.2.4  框架 60

3.2.5  语义网络 61

3.2.6  语义Web 62

3.3  知识图谱与知识库 63

3.3.1  问题的提出 63

3.3.2  基本思想 64

3.3.3  基本原理 65

3.3.4  知识图谱的分类 66

3.3.5  知识图谱应用场景 67

3.4  实验：构建基于知识图谱的问答程序 68

习题 71

参考文献 75

第4章  搜索技术

4.1  搜索 76

4.1.1  什么是搜索 76

4.1.2  状态空间表示法 77

4.1.3　状态空间的搜索策略 79

4.2  广度优先 81

4.2.1  广度优先搜索的基本思想 81

4.2.2  广度优先搜索的过程 81

4.3  深度优先 82

4.3.1  深度优先搜索的基本思想 82

4.3.2  深度优先搜索过程 82

4.4  启发式搜索 83

4.4.1  启发性信息与估价函数 84

4.4.2  局部寻优搜索 86

4.4.3  全局寻优搜索 87

4.5  遗传算法 89

4.5.1  遗传算法的发展史 90

4.5.2  遗传算法的基本原理 90

4.5.3  遗传算法的求解步骤 92

4.6  微粒群算法 93

4.6.1  微粒群算法的基本概念及进化方程 93

4.6.2  标准微粒群算法流程 94

4.6.3  微粒群算法的研究现状 95

4.7  实验：粒子群优化算法 96

习题 98

参考文献 100

第5章  机器学习

5.1  机器学习模型 101

5.2  数据准备 103

5.2.1  数据集划分 103

5.2.2  数据标注 104

5.3  学习方式 105

5.3.1  有监督学习 105

5.3.2  无监督学习 109

5.3.3  概率图模型 113

5.3.4  集成学习 117

5.4  模型评估 120

5.4.1  泛化能力 120

5.4.2  交叉验证 121

5.4.3  混淆矩阵 121

5.5  实验：房价预测 122

习题 124

第6章  深度学习

6.1  深度学习概况 129

6.1.1  深度学习是什么 129

6.1.2  深度学习的前世今生 130

6.1.3  深度学习分类 132

6.1.4  深度学习的入门建议 132

6.2  神经网络基础 133

6.2.1  人工神经网络模型 133

6.2.2  感知机学习算法 135

6.2.3  多层前馈神经网络 137

6.2.4  BP算法背后的数学 139

6.2.5  误差反向传播法 142

6.2.6  可视化MLP网络训练 143

6.3  深度学习框架 145

6.3.1  Matlab深度学习工具包 146

6.3.2  TensorFlow深度学习框架 146

6.3.3  PyTorch深度学习框架 147

6.3.4  其他构建方式 148

6.3.5  体验手写数字识别 149

6.4  卷积神经网络及其应用 152

6.4.1  卷积神经网络的功能组件 153

6.4.2  卷积神经网络的架构 158

6.4.3  卷积神经网络识别CIFAR图像集 162

6.5  强化学习 166

6.5.1  一个迷宫问题 167

6.5.2  强化学习问题的框架MDP 169

6.5.3  求解贝尔曼方程 172

6.5.4  强化学习仿真环境 173

6.5.5  深度学习前景展望 177

6.6  实验：利用卷积神经网络识别图像 179

习题 183

参考文献 188

第7章  自然语言处理

7.1  词法分析 189

7.1.1  词法分析概述 189

7.1.2  基本分词方法 190

7.1.3  词性标注 194

7.1.4  实体识别 197

7.2  句法分析 198

7.2.1  句法分析概述 198

7.2.2  自顶向下的句法分析 199

7.2.3  自底向上的句法分析 200

7.2.4  概率上下文无关文法 202

7.3  语义分析 204

7.3.1  语义分析概述 204

7.3.2  词义消歧 204

7.3.3  语义角色标注 209

7.4  实验：Python中文文本分析与可视化 211

习题 213

参考文献 214

第8章  智能控制技术

8.1  自动控制系统 215

8.1.1  概述 215

8.1.2  组成与工作原理 215

8.1.3  分类 216

8.2  模糊控制 217

8.2.1  模糊推理方法 217

8.2.2  模糊控制原理 217

8.2.3  模糊控制系统的设计 218

8.2.4  自适应模糊控制 219

8.3  专家控制 220

8.3.1  原理 220

8.3.2  典型结构 221

8.3.3  实现方法 223

8.4  神经网络控制 224

8.4.1  类型 224

8.4.2  结构 224

8.4.3  模型 225

8.4.4  应用 226

8.4.5  发展趋势 229

8.5  实验：利用智能音箱语音控制计算机的开关机 230

习题 234

参考文献 235

第9章  工业机器人技术

9.1  人工智能与工业4.0 236

9.1.1  智能制造生态系统 237

9.1.2  工业机器人 237

9.1.3  智慧工厂 242

9.1.4  工业智能化趋势 243

9.2  工业机器人核心技术 245

9.2.1  传感技术 246

9.2.2  芯片技术 246

9.2.3  智能控制技术 248

9.2.4  多智能体调控技术 249

9.3  工业软件编程 249

9.3.1  工业互联网架构 249

9.3.2  神经网络 251

9.3.3  可视化学习 251

9.4  工业机器人产业链 253

9.4.1  工业机器人研发设计 254

9.4.2  智能制造客户交互 256

9.4.3  工业机器人核心部件 257

9.4.4  工业机器人供应链 259

9.5  工业机器人操作与维护 260

9.5.1  工业机器人操作 260

9.5.2  工业机器人维护 261

9.6  实验：工业机器人软件技术运维 264

习题 277

参考文献 279

第10章  建筑智能化技术

10.1  智能建筑集成系统 280

10.1.1  智能建筑云架构 281

10.1.2  智慧工地 282

10.1.3  智能建筑 289

10.1.4  智慧城市 289

10.2  建筑设备装置智能化 290

10.2.1  建筑装备智能化 290

10.2.2  工程机械智能化 291

10.2.3  智能建筑3D打印 291

10.3  建筑智能化应用系统 293

10.3.1  智能化集成系统 293

10.3.2  信息设施系统 293

10.3.3  信息化应用系统 294

10.3.4  建筑设备管理系统 294

10.3.5  公共安全系统 294

10.3.6  机房工程 295

10.4  建筑智能化系统运维 295

10.4.1  智能建筑的运维技术要求 295

10.4.2  Honeywell楼宇智控系统简介 297

10.4.3  建筑智能化的未来 298

10.5  实验：楼宇智控系统EBI的安装配置调试 300

习题 308

参考文献 309

附录A  AIRack人工智能实验平台

附录B  AICloud人工智能云平台

附录C  云创学习工场—专注大数据、人工智能培训与认证