人工智慧概論(2023年清華大學出版社出版的圖書)

《人工智慧概論》是2023年清華大學出版社出版的圖書，作者是彭濤、劉暢。

基本介紹

• 中文名：人工智慧概論
• 作者：彭濤、劉暢
• 出版時間：2023年6月1日
• 出版社：清華大學出版社
• ISBN：9787302633198 
• 定價：69 元

內容簡介

本書對人工智慧中的關鍵技術進行介紹，主要包括計算機視覺、自然語言處理、語音處理、知識表示與推理、專家系統與知識圖譜、問題求解與搜尋技術、機器學習原理、機器學習套用、人工神經網路與深度學習、智慧型機器人等。本書引領讀者進入人工智慧領域，了解人工智慧的概念和發展簡史，理解人工智慧的三大流派，並熟悉人工智慧的主要研究內容和套用領域。

圖書目錄

目錄

第1章人工智慧概述/1

1.1人工智慧的概念1

1.1.1人工智慧概念的提出1

1.1.2智慧型的層次2

1.2人工智慧的產生與發展3

1.2.1人工智慧的產生3

1.2.2第一個繁榮期4

1.2.3第二個繁榮期6

1.2.4復甦期8

1.2.5第三個繁榮期9

1.3人工智慧的三大學派12

1.3.1符號主義學派12

1.3.2連線主義學派13

1.3.3行為主義學派14

1.4人工智慧的研究內容15

1.4.1人工智慧的研究內容概述15

1.4.2人工智慧的核心技術16

1.5人工智慧的套用17

1.6人工智慧的未來18

1.7本章小結19

習題119

第2章計算機視覺/20

2.1計算機視覺概述20

2.1.1計算機視覺的概念20

2.1.2計算機視覺的發展史21

2.2數字圖像24

2.3計算機視覺數據集26

2.3.1MNIST數據集26

2.3.2CIFAR數據集27

2.3.3PASCAL VOC數據集27

2.3.4ImageNet數據集28

2.3.5COCO數據集30

2.4計算機視覺的研究內容31

2.4.1圖像分類31

2.4.2目標定位32

2.4.3目標檢測32

2.4.4圖像分割32

2.5計算機視覺的套用33

2.5.1計算機視覺套用概述34

2.5.2人臉識別技術35

2.6本章小結36

習題236

第3章自然語言處理/37

3.1自然語言處理概述37

3.1.1自然語言處理的概念37

3.1.2自然語言處理的發展史39

3.2自然語言理解42

3.2.1自然語言理解的層次43

3.2.2詞法分析44

3.2.3句法分析47

3.3語料庫和語言知識庫49

3.3.1語料庫50

3.3.2語言知識庫53

3.4語言模型56

3.4.1馬爾可夫鏈56

3.4.2n元語法模型57

3.4.3數據平滑59

3.5自然語言生成60

3.6機器翻譯61

3.6.1機器翻譯概述61

3.6.2統計機器翻譯62

3.6.3神經機器翻譯64

3.6.4機器翻譯評測65

3.7問答系統67

3.8本章小結70

習題371

第4章語音處理/72

4.1語音處理概述72

4.2語音識別73

4.2.1語音的特徵提取73

4.2.2聲學模型75

4.2.3語言模型76

4.3語音合成78

4.3.1拼接合成方法79

4.3.2參數合成方法80

4.3.3端到端合成方法81

4.4語音增強82

4.4.1回聲消除83

4.4.2混響抑制83

4.4.3語音降噪83

4.5語音轉換84

4.6本章小結85

習題485

第5章知識表示與推理/86

5.1知識與知識表示概述86

5.1.1知識86

5.1.2知識表示87

5.2一階謂詞邏輯88

5.3產生式與產生式系統89

5.3.1產生式表示法90

5.3.2產生式系統91

5.4框架93

5.5自動推理95

5.6本章小結97

習題598

第6章專家系統與知識圖譜/99

6.1專家系統概述99

6.1.1專家系統的概念99

6.1.2專家系統的特點100

6.2專家系統的結構101

6.3典型專家系統103

6.3.1DENDRAL專家系統103

6.3.2MYCIN專家系統104

6.3.3專家系統的局限性105

6.4知識圖譜概述105

6.5知識圖譜的發展史109

6.6典型知識圖譜112

6.6.1WordNet112

6.6.2Cyc113

6.6.3Wikipedia114

6.6.4DBpedia115

6.6.5Yago115

6.6.6Freebase116

6.6.7NELL116

6.7知識圖譜的構建116

6.8本章小結119

習題6119

第7章問題求解與搜尋技術/121

7.1問題求解概述121

7.1.1問題求解的概念121

7.1.2搜尋技術概述122

7.2狀態空間122

7.2.1狀態空間的概念122

7.2.2狀態空間方法123

7.2.3狀態圖搜尋124

7.3盲目搜尋126

7.3.1寬度優先搜尋126

7.3.2深度優先搜尋129

7.3.3代價樹搜尋133

7.4啟發式搜尋134

7.4.1啟發式搜尋概述134

7.4.2A算法與A算法136

7.5博弈搜尋140

7.5.1博弈樹搜尋141

7.5.2αβ剪枝法144

7.6本章小結147

習題7147

第8章機器學習原理/149

8.1機器學習概述149

8.1.1機器學習的發展史149

8.1.2機器學習的概念150

8.1.3機器學習的類型151

8.2監督學習概述152

8.2.1模型153

8.2.2損失函式154

8.2.3算法154

8.2.4模型評價155

8.3回歸156

8.3.1一元回歸157

8.3.2多元回歸159

8.4最佳化算法163

8.4.1梯度下降算法163

8.4.2超參數165

8.5分類167

8.5.1Logistic回歸167

8.5.2決策樹170

8.5.3樸素貝葉斯方法174

8.5.4K最近鄰方法177

8.5.5支持向量機179

8.5.6分類性能評價181

8.6無監督學習184

8.6.1無監督學習概述184

8.6.2聚類185

8.6.3降維190

8.7強化學習191

8.8本章小結192

習題8193

第9章機器學習套用/194

9.1計算機視覺的處理流程194

9.2計算機視覺中的特徵196

9.2.1顏色直方圖196

9.2.2LBP特徵197

9.2.3SIFT特徵199

9.2.4GIST特徵200

9.2.5HOG特徵201

9.2.6SURF特徵202

9.3計算機視覺中的算法203

9.3.1特徵匯聚與特徵變換203

9.3.2機器學習算法204

9.4文本分類206

9.4.1文本分類概述206

9.4.2向量空間模型207

9.4.3文本特徵表示208

9.5序列標註210

9.5.1機率圖模型210

9.5.2貝葉斯網路212

9.5.3隱馬爾可夫模型213

9.5.4條件隨機場217

9.6本章小結218

習題9219

第10章人工神經網路與深度學習/220

10.1人工神經網路概述220

10.1.1生物神經元220

10.1.2人工神經網路的發展221

10.2感知機223

10.3多層人工神經網路224

10.3.1激活函式225

10.3.2前饋神經網路的結構226

10.4卷積神經網路230

10.4.1卷積231

10.4.2卷積神經網路的結構233

10.4.3LeNet235

10.4.4AlexNet235

10.4.5VGGNet238

10.4.6GoogLeNet239

10.4.7ResNet240

10.5循環神經網路242

10.5.1簡單循環神經網路242

10.5.2長短期記憶網路244

10.5.3門控循環單元246

10.6深度學習開發框架246

10.7本章小結250

習題10251

第11章智慧型機器人/253

11.1機器人簡介253

11.1.1機器人發展簡史253

11.1.2機器人的定義255

11.2機器人中的智慧型技術255

11.3智慧型機器人的套用258

11.3.1工業機器人258

11.3.2農業機器人258

11.3.3服務機器人259

11.3.4軍事機器人260

11.4智慧型駕駛262

11.5本章小結267

習題11268

參考文獻/269