《人工智慧研究》是2022年電子工業出版社出版的圖書，作者是陳超。
基本介紹
- 中文名：人工智慧研究
- 作者：陳超
- 類別：人工智慧
- 出版社：電子工業出版社
- 出版時間：2022年1月1日
- 頁數：192 頁
- 定價：49.8 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787121374937
內容簡介,目 錄,
內容簡介
人工智慧是一門研究、開發用於模擬、延伸和擴展人類智慧型的理論、方法、技術及套用系統的新的技術科學，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統等方面。本書1章主要講解了人工智慧的重要概念、發展現狀和相關技術等，為下文進一步研究人工智慧打基礎；2章對人工智慧目前主要用到的Python進行了簡單的介紹，有利於下文程式的編寫；3章介紹了機器學習，主要對機器學習的常用算法、卷積神經網路和循環神經網路進行了深入的闡釋；4～11章詳細講解了8個人工智慧套用案例。本書特色鮮明、內容易讀易學，適合作為相關專業的大學生，以及不具有人工智慧研究背景，但是想要快速補充人工智慧知識，以便在實際產品或平台中套用的工程師等人員的參考書。
目 錄
第1章 緒論 1
1.1 什麼是人工智慧 1
1.2 人工智慧發展歷程 2
1.3 人工智慧的重要概念 2
1.3.1 智慧型代理 2
1.3.2 與外部環境特性相關的重要術語 3
1.4 人工智慧發展現狀 4
1.4.1 套用領域 5
1.4.2 套用層次 7
1.4.3 發展趨勢 8
1.5 人工智慧相關技術 8
第2章 Python 16
2.1 Python概述 16
2.1.1 發展歷史 16
2.1.2 套用領域 19
2.2 常用數據類型 19
2.2.1 Number類型 20
2.2.2 String類型 21
2.2.3 Sequence類型簇 21
2.2.4 Tuple類型 22
2.2.5 List類型 22
2.2.6 Set類型 23
2.2.7 Dictionary類型 23
2.2.8 其他類型 25
2.2.9 數字類型轉換 26
2.3 流程控制 26
2.3.1 程式塊與作用域 26
2.3.2 條件語句 29
2.3.3 循環語句 30
2.4 函式 32
2.4.1 定義與調用 32
2.4.2 變長參數 36
2.4.3 匿名函式 37
2.5 異常 38
2.6 數據結構與算法 43
2.6.1 常用的數據結構 43
2.6.2 常用的算法 46
第3章 機器學習 52
3.1 機器學習常用算法 52
3.1.1 決策樹 52
3.1.2 SVM 55
3.1.3 K近鄰 56
3.1.4 K均值 58
3.1.5 馬爾可夫鏈 58
3.2 卷積神經網路 59
3.2.1 基本概念 59
3.2.2 發展歷史 59
3.2.3 基本原理 60
3.3 循環神經網路 60
3.3.1 基本概念 60
3.3.2 Hopfield神經網路 61
3.3.3 玻爾茲曼機 62
3.3.4 受限玻爾茲曼機 62
第4章 人工智慧背景下的融合時空信息和用戶信任度的推薦算法研究 64
4.1 概述 64
4.2 相關技術及理論 67
4.2.1 推薦算法 67
4.2.2 相似度計算 70
4.2.3 推薦系統評測 71
4.3 基於路網的Meeting模式發現算法 72
4.3.1 引言 72
4.3.2 軌跡預處理 74
4.3.3 相似軌跡段查詢 76
4.3.4 軌跡段劃分 78
4.3.5 軌跡段距離計算 78
4.3.6 時間過濾 79
4.3.7 Meeting模式發現算法 80
4.3.8 實驗與分析 81
4.4 時間約束的頻繁模式發現算法 84
4.4.1 引言 84
4.4.2 熱點區域發現 85
4.4.3 頻繁模式發現 87
4.4.4 頻繁模式發現算法 89
4.4.5 實驗與分析 91
4.5 移動對象運動模式發現原型系統設計與實現 94
4.5.1 系統結構設計 94
4.5.2 系統實現 95
4.6 總結 96
第5章 基於人工智慧的疲勞駕駛自動檢測 97
5.1 概述 97
5.2 傳統疲勞駕駛檢測技術 100
5.2.1 基於行車數據的檢測技術 100
5.2.2 基於生理指標的檢測技術 100
5.2.3 基於機器視覺的檢測技術 101
5.3 基於MTCNN的疲勞駕駛自動檢測 101
5.3.1 檢測原理 101
5.3.2 檢測模型 103
5.3.3 實驗 106
5.4 總結 107
第6章 基於機器學習和輿情預測的新冠肺炎疫情分析 108
6.1 概述 108
6.2 傳播模式 108
6.2.1 自然傳播階段 108
6.2.2 干預後傳播階段 109
6.3 加入輿情預測後的預測模型 110
6.4 總結 113
第7章 基於人工智慧的點頭和搖頭人臉表情研究 115
7.1 概述 115
7.2 相關技術和理論 115
7.2.1 確定參考點 115
7.2.2 點頭和搖頭的偵測算法 116
7.3 實驗分析 118
7.4 基於點頭和搖頭的表情研究 119
7.5 總結 120
第8章 基於DNN的樹莓派人臉識別系統架構設計 121
8.1 概述 121
8.2 樹莓派系統配置 123
8.2.1 硬體部分 124
8.2.2 軟體部分 124
8.3 非雲端架構設計 125
8.4 雲端架構設計 128
8.5 總結 129
第9章 基於人工智慧的膳食分析及個性化推薦系統研究 130
9.1 概述 130
9.2 相關技術及理論 133
9.2.1 粗糙集理論 133
9.2.2 個性化推薦算法 134
9.2.3 Android平台 136
9.3 基於粗糙集理論的膳食分析及個性化推薦模型 138
9.3.1 膳食本體 138
9.3.2 用戶模型 141
9.3.3 基於粗糙集理論的個性化推薦模型 143
9.3.4 實例分析 149
9.4 膳食分析及個性化推薦系統需求分析與總體設計 151
9.4.1 需求分析 151
9.4.2 可行性分析 152
9.4.3 總體設計 153
9.5 總結 156
第10章 基於深度學習的情緒感知研究 158
10.1 概述 158
10.2 相關技術及理論 162
10.2.1 人臉識別流程 162
10.2.2 技術原理 162
10.3 表情識別的實現原理 164
10.3.1 識別流程 164
10.3.2 技術原理 165
10.4 傳統的人臉與表情識別方法 165
10.5 基於深度學習的人臉與表情識別方法 166
10.5.1 使用深度卷積神經網路模型 166
10.5.2 使用DNN進行分類輸出 168
10.5.3 使用樹莓派作為採集終端 169
10.6 情緒感知原理 169
10.7 前期準備 170
10.7.1 平台的選擇 170
10.7.2 環境的搭建 172
10.7.3 TensorFlow和Keras的安裝 173
10.7.4 OpenCV的安裝 175
10.7.5 模型的訓練 175
10.8 識別過程與結果 177
10.8.1 人臉與表情識別過程 177
10.8.2 人臉與表情識別結果 179
10.8.3 情緒感知識別結果 182
10.9 總結 187
第11章 基於人工智慧的煙煤太赫茲光譜特性研究 188
11.1 概述 188
11.2 實驗 189
11.2.1 實驗系統 189
11.2.2 實驗樣本 189
11.2.3 實驗方案與數據處理方法 190
11.3 結果與討論 191
11.3.1 煙煤的太赫茲時域/頻域光譜 191
11.3.2 煙煤的太赫茲光譜吸收特性分析 191
11.4 總結 193
