目錄第1章 緒論1.1 人工智能基礎(chǔ)知識1.1.1 人工智能的定義1.1.2 人工智能的分類1.2 人工智能的發(fā)展簡史1.3 人工智能的三大流派1.4 人工智能的研究內(nèi)容及研究領(lǐng)域1.4.1 人工智能的研究內(nèi)容1.4.2 人工智能的研究領(lǐng)域1.4.3 人工智能的實(shí)現(xiàn)要素習(xí)題 1第2 章人工智能領(lǐng)域的應(yīng)用2.1智慧城市2.1.1智慧城市概述2.1.2智慧城市的標(biāo)準(zhǔn)化2.1.3智慧城市與數(shù)字城市的差異2.2智慧交通2.2.1 智慧交通概述2.2.2 智慧交通系統(tǒng)2.3 智慧家居2.3.1 智慧家居概述2.3.2 智慧家居的通用技術(shù)2.3.3智慧家居系統(tǒng)2.3.4智慧家居家庭場景 2.3.5 智慧家居社區(qū)場景2.4智慧醫(yī)療2.4.1 智慧醫(yī)療概述2.4.2 智慧醫(yī)療保健2.4.3 智慧醫(yī)療決策2.5 智慧農(nóng)業(yè)2.5.1 智慧農(nóng)業(yè)概述2.5.2 智慧農(nóng)業(yè)主要技術(shù)方向2.5.3 智慧農(nóng)業(yè)主要應(yīng)用方向2.6 智慧教育2.6.1 智慧教育概述2.6.2 智慧教育的基本架構(gòu)與教育模式2.6.3 智慧校園與智慧教室2.6.4 智慧教育的展望2.7 智慧新零售與智能客戶服務(wù)2.7.1 智慧新零售概述2.7.2 智能客戶服務(wù)2.7.3智能客戶服務(wù)大中小企業(yè)布局智能客服2.7.4智能客戶服務(wù)智能客服的人機(jī)分工2.8 智慧金融2.8.1 智慧金融概述2.8.2智慧金融應(yīng)用2.8.3智慧金融與傳統(tǒng)金融的區(qū)別習(xí)題 2第3 章知識工程3.1概念表示3.1.1 經(jīng)典概念表示3.1.2數(shù)理邏輯3.2 知識表示3.2.1 知識表示概述3.2.2謂詞邏輯表示法3.2.3產(chǎn)生式表示法3.2.4框架表示法3.2.5 語義網(wǎng)絡(luò)表示法3.3 知識圖譜3.3.1 知識圖譜的概述3.3.2 知識圖譜的特征3.3.3知識圖譜的構(gòu)建3.3.4 知識圖譜的應(yīng)用習(xí)題 3第4章 搜索算法 4.1 搜索概述4.2 盲目搜索 4.2.1 深度優(yōu)先搜索4.2.2 廣度優(yōu)先搜索4.3 啟發(fā)式搜索 4.3.1 狀態(tài)空間法 4.3.2啟發(fā)性信息 4.3.3 A算法 習(xí)題4 第5章 機(jī)器學(xué)習(xí)5.1 機(jī)器學(xué)習(xí)概述 5.1.1 機(jī)器學(xué)習(xí)的定義5.1.2 機(jī)器學(xué)習(xí)簡史 5.1.3 機(jī)器學(xué)習(xí)的基本結(jié)構(gòu) 5.2機(jī)器學(xué)習(xí)的類型 5.2.1 監(jiān)督學(xué)習(xí) 5.2.2無監(jiān)督學(xué)習(xí)5.2.3弱監(jiān)督學(xué)習(xí)5.2.4半監(jiān)督學(xué)習(xí)5.2.5強(qiáng)化學(xué)習(xí)5.2.6 聯(lián)邦學(xué)習(xí)5.3 機(jī)器學(xué)習(xí)的算法5.3.1 k近鄰算法5.3.2 k均值聚類5.3.3 決策樹算法5.3.4回歸算法 5.3.5貝葉斯算法 5.3.6機(jī)器學(xué)習(xí)算法的應(yīng)用習(xí)題 5第6章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)6.1 人工神經(jīng)網(wǎng)絡(luò) 6.1.1 由人腦到人工神經(jīng)網(wǎng)絡(luò) 6.1.2 BP 神經(jīng)網(wǎng)絡(luò)6.2卷積神經(jīng)網(wǎng)絡(luò) 6.2.1 CNN 結(jié)構(gòu)6.2.2CNN 實(shí)例6.3 循環(huán)神經(jīng)網(wǎng)絡(luò)6.3.1 RNN 結(jié)構(gòu)6.3.2 RNN 實(shí)例6.4 圖神經(jīng)網(wǎng)絡(luò)6.4.1 GNN 結(jié)構(gòu)6.4.2 GNN 實(shí)例6.5 Transformer 注意力機(jī)制6.5.1 Transformer 結(jié)構(gòu)6.5.2 Transformer 實(shí)例6.6 深度學(xué)習(xí) 6.6.1 深度學(xué)習(xí)的意義6.6.2深度學(xué)習(xí)的概念6.6.3深度學(xué)習(xí)的核心思路 6.6.4深度學(xué)習(xí)的實(shí)現(xiàn) 6.6.5深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的對比 習(xí)題 6第7章計算機(jī)視覺7.1 計算機(jī)視覺的基礎(chǔ)7.1.1 模式識別 7.1.2 圖像識別7.2 計算機(jī)視覺研究知識7.2.1 計算機(jī)視覺的研究內(nèi)容 ·7.2.2 計算機(jī)視覺的發(fā)展7.2.3計算機(jī)視覺的目的 7.2.4 計算機(jī)視覺與機(jī)器視覺的區(qū)別7.3 計算機(jī)視覺系統(tǒng)7.3.1 計算機(jī)視覺系統(tǒng)概述7.3.2 計算機(jī)視覺的應(yīng)用——工作流程7.3.3應(yīng)用舉例 7.3.4人臉識別 7.3.5自動駕駛 習(xí)題 7 第8章自然語言處理8.1自然語言處理的概念 8.1.1自然語言處理的目標(biāo) 8.1.2自然語言處理的難點(diǎn) 8.1.3 語法分析與語義分析 8.1.4 自然語言處理的研究內(nèi)容 8.2 機(jī)器翻譯8.3智能問答 8.4 語音處理 8.5 自然語言處理的未來 習(xí)題8第9章智能機(jī)器人9.1智能機(jī)器人基礎(chǔ)知識 9.2國家發(fā)展需求 9.3 機(jī)器人的發(fā)展 9.4 人工智能在機(jī)器人上的應(yīng)用 9.4.1智能感知技術(shù) 9.4.2智能導(dǎo)航與規(guī)劃技術(shù) 9.4.3 智能控制與操作技術(shù) 9.4.4 機(jī)器人智能交互技術(shù) 9.4.5觸覺傳感技術(shù) 9.5 未來展望 習(xí)題 9第10章基于深度學(xué)習(xí)的路面病害檢測應(yīng)用10.1 路面病害檢測理論基礎(chǔ) 10.1.1 YOLOv5 目標(biāo)檢測算法10.1.2注意力機(jī)制 10.2工程項(xiàng)目 10.2.1 基于改進(jìn) YOLOv5 的多特征融合網(wǎng)絡(luò)10.2.2實(shí)驗(yàn)數(shù)據(jù)集和模型訓(xùn)練中10.2.3實(shí)驗(yàn)結(jié)果與分析 10.2.4 總結(jié) 第11章 融入情緒指標(biāo)的深度學(xué)習(xí)在量化投資模型中的應(yīng)用中11.1 量化投資擇時分類模型原理11.2工程頂目 11.2.1 量化投資擇時分類模型11.2.2實(shí)驗(yàn)數(shù)據(jù)集和模型訓(xùn)練11.2.3實(shí)驗(yàn)結(jié)果與分析 11.2.4總結(jié) 第 12 章魚類圖像深度學(xué)習(xí)分類12.1 基于卷積神經(jīng)網(wǎng)絡(luò)的魚類圖像分類12.1.1 AlexNet 網(wǎng)絡(luò)12.1.2 GoogLeNet 網(wǎng)絡(luò)12.2.1 監(jiān)督學(xué)習(xí)方式下基于卷積神經(jīng)網(wǎng)絡(luò)的魚類圖像分類12.2.2實(shí)驗(yàn)數(shù)據(jù)集合模型訓(xùn)練12.2.3實(shí)驗(yàn)結(jié)果與分析 12.2.4 總結(jié)參考文獻(xiàn)