更新时间：2022-09-19 17:21:45
封面
版权信息
内容提要
前言
基础篇
1 走近人工智能
1.1 什么是人工智能
1.2 人工智能简史
1.3 人工智能对人类的影响
1.4 当前人工智能的局限
1.5 人工智能的未来
本章小结
2 计算机与人工智能
2.1 数理逻辑的基础——布尔代数
2.2 “用机器计算”的基础——可计算理论
2.3 人工智能之父——图灵
2.4 计算机
2.5 早期人工智能
2.6 动物识别专家系统
2.7 二进制与位运算
3 计算机与环境感知
3.1 声音是一种一维信号
3.2 图像是一种二维信号
3.3 红外测距
4 简单几何形状的识别
4.1 角点检测
4.2 模板匹配
4.3 基础形状的识别
4.4 箭头识别
4.5 直线检测
4.6 圆的检测
4.7 拓展应用
拓展阅读
5 人工智能搜索算法
5.1 广度优先搜索
5.2 深度优先搜索
5.3 A∗搜索
5.4 基于搜索算法的迷宫案例分析
5.5 梯度下降法
5.6 牛顿法
6 智能感知与交互——智能微缩车
6.1 微缩车的任务目标
6.2 微缩车的整体结构
6.3 微缩车各部分的结构和原理
6.4 实验阶段
进阶篇
7 大数据开启了人工智能新时代
7.1 人工智能的发展历史回顾
7.2 当代人工智能的基石：大数据
7.3 大数据时代下的人工智能
7.4 大数据下深度学习成功的启示
7.5 大数据人工智能的伦理
8 知识与推理
8.1 知识表示
8.2 知识推理
8.3 产生式系统的推理
8.4 知识图谱
9 回归与分类
9.1 线性回归
9.2 最小二乘法
9.3 支持向量机
9.4 决策树
9.5 k近邻算法
9.6 集成学习
9.7 随机森林
10 深度学习网络
10.1 从特征工程到深度神经网络
10.2 神经元模型
10.3 深度神经网络的结构及训练
10.4 深度学习与传统机器学习的优势
10.5 深度学习的应用
11 感知信息处理
11.1 语音识别
11.2 图像识别
12 人工智能进阶实验
12.1 实验1——标志牌识别
12.2 实验2——微缩车倒车入库
参考文献
