人工智能技术

基础篇

第一章 绪论

第一节 人工智能、机器学习和深度学习

第二节 编程环境

第二章 人工神经网络基础

第一节 感知器

第二节 sigmoid分类器

第三节 softmax多分类器

第四节 多层感知器

第五节 深度神经网络

第六节 回归

第三章 深度学习Python框架

第一节 使用框架的缘由

第二节 深度学习框架简介

第三节 Keras框架

第四节 Keras框架应用示例

第四章 深度学习正则化

第一节 参数范数惩罚

第二节 稀疏表征

第三节 数据扩充与注入噪声

第四节 早停

第五节 dropout

第五章 深度学习的优化

第一节 神经网络优化困难和挑战

第二节 动量学习法

第三节 AdaGrad

第四节 RMsProp

第五节 Adam

第六节 Keras中优化器的使用

第七节 参数初始化策略

第八节 批量归一化

中级篇

第六章 卷积神经网络

第一节 卷积

第二节 池化

第三节 用Keras搭建CNN网络

第四节 深度残差网络ResNet

第五节 DenseNet

第七章 循环神经网络

第一节 循环神经网络的基本结构

第二节 基本循环神经网络的几个变种

第三节 门控循环神经网络

第四节 IndRNN

第五节 RNN的Keras实现

第八章 数据获取与处理

第一节 数据的重要性

第二节 现成的数据集

第三节 数据爬取

第四节 其他数据获取方法

第五节 数据清洗

第六节 数据预处理

第七节 文本数值化

第八节 声音数据预处理

第九节 数据的调整和数据集的划分

高级篇

第九章 生成对抗网络

第一节 经典GAN

第二节 DCGAN

第三节 利用条件GAN架构实现图像风格转换

第四节 CycleGAN

第十章 深度强化学习

第一节 强化学习

第二节 深度强化学习

第三节 教AI玩球碰球游戏

第四节 双Q学习

第五节 深度确定性策略梯度

第十一章 大语言模型

第一节 机器翻译和Attention

第二节 Transformer

第三节 GPT和ChatGPT

第四节 BERT

参考文献

后记

第一章绪论

第一节人工智能、机器学习和深度学习

一、人工智能的发展过程

从人类使用石器开始,到发明各种工具、机器,再到计算机的发明和普及,社会生产力不断提高,物质文明不断丰富,人民生活水平不断改善。如果能进一步让机器跟人一样具有智能,并且又听人的指挥,为人类服务,那又将给人类社会带来多大的福利呢?虽然人们很早就有了这样的愿望,但由于科技水平的局限，这个愿望只是人类的一个梦想,最多出现在文艺作品中。人们也没有认真地去思考诸如什么是智能,怎样才能让机器具有智能,机器的智能又能达到什么样的水平这样的问题。直到1950年，“计算机科学之父”图灵发表了一篇题为《机器能思考吗?》的著名论文,提出了机器思维的概念,并提出图灵测试。图灵测试是指,如果一台机器能够通过电传设备与人类展开对话而能不被辨别出其机器身份,那么便称这台机器具有智能。既然能让机器(计算机)具有计算能力，,那么是不是也能让它具有思维能力呢?这大概也只有像图灵这样的天才才能在机器刚刚能够计算的时候就提出这样的想法吧。1956年，一众专家在美国的达特茅斯开会,首次提出了Artificial Intelligence,即人工智能的概念,计算机科学从此多了一个叫作AI的分支。

学科有了,目标也有了,但是,要想让机器具有人的智能,也就是要让机器具有智能识别、智能决策和智能思维等能力,谈何容易!

以智能识别为例,给机器一幅马的图片,要让它识别出图片代表的是马,而不是牛，这对人来说非常简单,但对机器来说曾经非常难。

……

本书分为基础篇、中级篇和高级篇，主要介绍人工智能的原理和编程实现案例，内容包括人工智能技术的发展过程，人工神经网络的结构、优化方法、正则化方法和训练方法，前馈神经网络、卷积神经网络和循环神经网络，数据的各种获取方法和处理方法，大语言模型等。本书的编程部分从利用Python实现AI算法，过渡到利用高级框架keras，使读者在理解人工智能原理的基础上，还能自己动手做相关的项目。