第 1 章　緒論 1.1　人工智能的基本概念 5 1.2　人工智能的發展歷史 9 1.3　人工智能的研究范式 13 1.4　人工智能的應用領域 16 1.5　小結 19 第 2 章　基本分類 2.1　分類的概念 20 2.2　向量的基本運算 24 2.3　分類器 26 2.4　分類識別技術 .28 2.4.1　感知機 29 2.4.2　導數與微分 34 2.4.3　梯度下降法 36 2.4.4　SVM42 2.5　測試與分類實現 47 2.5.1　測試 47 2.5.2　分類實現 47 2.5.3　多分類識別 48 2.6　小結 51 第 3 章　回歸與聚類 3.1　基本概念 52 3.1.1　機器學習的類別 52 3.1.2　變量之間的關系 54 3.2　回歸 55 3.2.1　回歸的概念 55 3.2.2　線性回歸 57 3.2.3　邏輯回歸 66 3.3　聚類 71 3.3.1　聚類的概念 72 3.3.2　K 均值聚類算法 74 3.3.3　層次聚類算法 75 3.4　相似度計算 75 3.5　小結 80 第 4 章　神經網絡與深度學習 4.1　人工神經網絡的發展歷史 81 4.2　神經網絡的分類 85 4.2.1　生物神經網絡 85 4.2.2　人工神經網絡 86 4.3　淺層神經網絡 88 4.3.1　多輸出感知機 88 4.3.2　多層神經網絡 89 4.4　深度學習 97 4.4.1　深度學習模型 97 4.4.2　激活函數 99 4.4.3　深度學習的特點及發展 100 4.5　小結 101 第 5 章　圖像信息處理 5.1　人眼成像 102 5.2　圖像信息處理的基本概念 104 5.3　圖像采集及處理發展歷史 111 5.4　數字圖像處理 116 5.4.1　圖像的基本運算 116 5.4.2　圖像增強 120 5.4.3　圖像分割 125 5.4.4　圖像壓縮 126 5.5　數字圖像分析 127 5.6　視頻分析 131 5.6.1　視頻的概念 131 5.6.2　運動檢測 133 5.6.3　目標跟蹤 135 5.7　卷積神經網絡 CNN 136 5.7.1　卷積 138 5.7.2　卷積層 141 5.7.3　池化層 144 5.7.4　AlexNet 147 5.8　小結 150 第 6 章 自然語言處理 6.1　自然語言處理的發展歷史 152 6.2　自然語言處理典型應用 155 6.3　自然語言處理基本技術 157 6.3.1　詞法分析 158 6.3.2　句法分析 162 6.3.3　語義分析 163 6.3.4　語用分析 164 6.4　自然語言特征提取 164 6.4.1　詞袋模型 BOW 165 6.4.2　N-Gram 模型 166 6.4.3　Word2Vec 模型 168 6.4.4　循環神經網絡 RNN 174 6.5　小結 176