人工智能基礎(chǔ)

前言
第1章緒論
1.1人工智能的基本概念
1.1.1人工智能的概念
1.1.2研究領(lǐng)域
1.1.3存在意義
1.2人工智能的歷史進(jìn)程
1.2.1人工智能的起源
1.2.2人工智能的發(fā)展與困難
1.2.3人工智能的崛起與低谷
1.2.4人工智能的爆發(fā)
1.3“智能+”新時(shí)代
1.3.1“智能+”新時(shí)代的到來(lái)
1.3.2發(fā)展人工智能教育
1.4本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第2章腦與認(rèn)知
2.1神經(jīng)系統(tǒng)的結(jié)構(gòu)與功能
2.2感覺(jué)與知覺(jué)
2.2.1物理感覺(jué)
2.2.2化學(xué)感覺(jué)
2.2.3知覺(jué)
2.3學(xué)習(xí)與記憶
2.4本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第3章機(jī)器感知
3.1傳感器基本特性與分類(lèi)
3.1.1傳感器的靜態(tài)特性
3.1.2傳感器的動(dòng)態(tài)特性
3.1.3傳感器的分類(lèi)
3.2特征工程
3.2.1數(shù)據(jù)預(yù)處理
3.2.2特征縮放
3.2.3特征編碼
3.2.4特征選擇
3.2.5特征提取
3.3多源信息融合技術(shù)
3.3.1多源信息融合概述
3.3.2信息融合模型
3.3.3多源信息融合算法
3.3.4多源信息融合的應(yīng)用
3.4無(wú)線(xiàn)傳感器網(wǎng)絡(luò)
3.4.1無(wú)線(xiàn)傳感器網(wǎng)絡(luò)基礎(chǔ)
3.4.2無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)
3.4.3無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的應(yīng)用
3.4.4物聯(lián)網(wǎng)與無(wú)線(xiàn)傳感器網(wǎng)絡(luò)
3.5本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第4章知識(shí)表示與推理
4.1確定性知識(shí)表示
4.1.1命題與謂詞
4.1.2知識(shí)的產(chǎn)生式表示
4.1.3知識(shí)的結(jié)構(gòu)化表示
4.1.4狀態(tài)空間表示法
4.2確定性推理方法
4.2.1一般演繹推理
4.2.2歸結(jié)演繹推理
4.3不確定性知識(shí)表示方法與推理
4.3.1概率表示及推理方法
4.3.2證據(jù)理論
4.4問(wèn)題求解
4.4.1一般圖搜索
4.4.2盲目搜索
4.4.3啟發(fā)式搜索
4.4.4對(duì)抗搜索
4.5本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第5章計(jì)算智能
5.1模糊理論
5.1.1模糊集合及其運(yùn)算
5.1.2模糊推理
5.1.3模糊控制
5.2神經(jīng)網(wǎng)絡(luò)
5.2.1神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.2.2神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制
5.2.3感知器
5.2.4BP神經(jīng)網(wǎng)絡(luò)
5.2.5徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
5.2.6反饋式神經(jīng)網(wǎng)絡(luò)
5.2.7自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)
5.2.8CMAC網(wǎng)絡(luò)
5.3遺傳算法
5.3.1遺傳算法原理
5.3.2遺傳算法應(yīng)用框架
5.4群體智能
5.4.1蟻群算法
5.4.2粒子群算法
5.5本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第6章模式識(shí)別與機(jī)器學(xué)習(xí)
6.1基本概念
6.1.1研究分類(lèi)
6.1.2研究模型
6.1.3研究?jī)?nèi)容
6.2分類(lèi)算法
6.2.1二分類(lèi)
6.2.2多類(lèi)別分類(lèi)
6.2.3貝葉斯分類(lèi)
6.2.4決策樹(shù)學(xué)習(xí)
6.3聚類(lèi)算法
6.3.1聚類(lèi)算法的原理
6.3.2k-均值算法原理
6.3.3GMM算法
6.3.4DBSCAN算法
6.4回歸算法
6.4.1回歸算法原理
6.4.2最小二乘法
6.4.3邏輯回歸
6.5支持向量機(jī)
6.5.1支持向量機(jī)原理
6.5.2點(diǎn)到超平面的距離公式
6.5.3最大間隔的優(yōu)化模型
6.5.4松弛變量
6.5.5支持向量機(jī)的優(yōu)化
6.6深度學(xué)習(xí)
6.6.1基本思路與訓(xùn)練過(guò)程
6.6.2卷積神經(jīng)網(wǎng)絡(luò)原理
6.6.3LeNet網(wǎng)絡(luò)原理
6.6.4卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
6.7降維
6.7.1數(shù)據(jù)降維
6.7.2主成分分析（PCA）原理
6.8本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第7章人工智能系統(tǒng)的硬件基礎(chǔ)
7.1人工智能基礎(chǔ)設(shè)施
7.1.1云計(jì)算
7.1.2邊緣計(jì)算
7.2嵌入式系統(tǒng)概述
7.2.1嵌入式系統(tǒng)原理
7.2.2嵌入式系統(tǒng)開(kāi)發(fā)方法
7.2.3嵌入式系統(tǒng)開(kāi)放資源
7.3FPGA概述
7.3.1FPGA基本原理
7.3.2FPGA開(kāi)發(fā)方法
7.3.3FPGA開(kāi)放資源
7.4本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)
第8章人工智能系統(tǒng)的應(yīng)用
8.1機(jī)器視覺(jué)典型應(yīng)用
8.1.1Python實(shí)現(xiàn)
8.1.2嵌入式系統(tǒng)實(shí)現(xiàn)
8.1.3FPGA實(shí)現(xiàn)
8.2無(wú)人駕駛系統(tǒng)典型應(yīng)用
8.2.1Python實(shí)現(xiàn)
8.2.2嵌入式系統(tǒng)實(shí)現(xiàn)
8.2.3FPGA實(shí)現(xiàn)
8.3本章小結(jié)
思考題與習(xí)題
參考文獻(xiàn)