热门关键字:  听力密码  单词密码  新概念美语  巧用听写练听力  零起点

人工智能基础

中国水利水电出版社
    【作 者】主编 余平 张春阳 【I S B N 】978-7-5170-9862-1 【责任编辑】张玉玲 【适用读者群】高职高专 【出版时间】2021-10-01 【开 本】16开 【装帧信息】平装(光膜) 【版 次】第1版第1次印刷 【页 数】152 【千字数】201 【印 张】9.5 【定 价】34 【丛 书】高等职业教育通识类课程新形态教材 【备注信息】
图书详情

    本书是人工智能专业课程建设的配套教材,根据高职高专人工智能技术应用专业人才培养方案的要求,同时借鉴国家示范高职院校软件专业教学经验编写而成。

    全书共七章,主要内容由人工智能基础知识、人工智能数值计算、知识表示、神经网络基础、深度神经网络、访问数据库等组成。本书理论与实践相结合、内容层次分明、示例代码简洁明了,每个案例代码都能上机运行,每章最后有相应的习题,便于读者检验学习情况。

    本书由大量教学资源支撑,配有课程标准、PPT文档、示例源代码、教学微视频等资源,适合作为高职院校人工智能课程的教学教材,也适合作为各类工程技术人员和设计人员的参考用书。

    内容丰富

    提供了拓展内容,引导学生自主学习,扩宽学生的眼界,提高其知识应用的能力

    可读性好

    尽量用通俗语言讲解各个知识点,帮助学生阅读和学习,领略人工智能的思想和方法

    注重应用

    旨在介绍主流知识体系和实用技术方法,偏重实践能力培养而不拘泥于科学研究方法

    人工智能与大数据技术是目前发展迅速的新兴学科,已经成为许多高新技术产品中的核心技术。其中人工智能技术发展应用几乎覆盖了生产、生活中的所有领域,因此,目前不仅许多本科院校开设了人工智能课程,许多高职与专科院校也开始重视相关专业高技术技能人才的培养。

    随着本科、高职院校人工智能相关专业落地,前期的教学内容技术专业度不足,针对研究领域的高级教材难度较大,不适合高职和一般本科院校的学生学习。因此,编著一本适合高职学生和本科学生的基础性强、可读性好、入门快且适合老师讲授的人工智能技术专业教材非常必要。

    本书选择基础实用的内容,并辅以编程能力基础和综合案例,目的是使学生学习和掌握人工智能的基本概念和原理,附录使得读者可以结合第三方工具实践和应用人工智能知识,拓宽知识面,启发思路,为今后在相关领域深入学习奠定基础。

    本书通过从理论到实践的形式,由浅入深地讲解了人工智能理论方法体系和技术应用过程。本书特色如下:

    (1)语言简明,可读性好。本书尽量用通俗语言讲解各个知识点,帮助学生阅读和学习,领略人工智能的思想和方法。

    (2)内容实用,注重应用。人工智能知识内容非常庞杂,本书旨在介绍主流知识体系和实用技术方法,偏重实践能力培养而不拘泥于科学研究方法。

    (3)拓展内容丰富,扩宽学生眼界。本书提供了拓展内容,引导学生自主学习,扩宽学生的眼界,提高其知识应用能力。

    (4)编排合理,方便学习。每章开篇设置了导读,明确了学习目标和学习重点,引起读者的注意。

    本书课程教学学时数建议为48~64学时。对于人工智能、计算机等专业,可适当增加项目实训。

    感谢重庆电子工程职业学院编写人员的辛勤劳动和付出以及成都地铁运营公司的大力支持,同时感谢中国水利水电出版社给予的协助和支持。

    由于编者水平有限,书中难免存在欠妥之处,由衷希望广大读者朋友和专家学者能够拨冗提出宝贵的改进意见。

    前言

    第1章 走进人工智能 1
    1.1 人工智能发展史 1
    1.1.1 人工智能起源 1
    1.1.2 人工智能发展之路 3
    1.2 什么是人工智能? 6
    1.3 人工智能典型应用场景 8
    1.4 人工智能研究领域 12
    本章小结 13
    本章习题 14
    第2章 人工智能数值计算 15
    2.1 线性代数 16
    2.1.1 概念和符号 16
    2.1.2 矩阵基本运算 18
    2.1.3 矩阵计算例子 20
    2.1.4 矩阵的转置 20
    2.2 概率统计 21
    2.2.1 随机试验(E) 21
    2.2.2 频率与概率 22
    2.2.3 贝叶斯定理 24
    2.3 NumPy软件包 25
    2.3.1 NumPy的优势 25
    2.3.2 NumPy安装 26
    2.4 NumPy函数 27
    2.4.1 NumPy中的数组对象 27
    2.4.2 常用算术函数 28
    2.4.3 常用数学统计函数 29
    2.4.4 反应数据波动函数 30
    本章小结 31
    本章习题 31
    第3章 知识表示 33
    3.1 知识及知识表示 34
    3.1.1 知识及知识表示 34
    3.1.2 知识元素 34
    3.1.3 知识分类 35
    3.2 知识表示 36
    3.2.1 一阶谓词逻辑法 36
    3.2.2 产生式表示法 39
    3.2.3 框架表示法 44
    3.2.4 语义网络 46
    本章小结 51
    本章习题 51
    第4章 机器学习初探 53
    4.1 机器学习 53
    4.1.1 什么是学习? 54
    4.1.2 机器学习研究 55
    4.1.3 机器学习流程 57
    4.2 机器学习类型 58
    4.3 机器学习算法 62
    4.4 机器学习模型 67
    4.5 机器学习应用领域 68
    本章小结 71
    本章习题 71
    第5章 神经网络 73
    5.1 神经网络的发展历程 73
    5.2 神经网络的基本原理 74
    5.2.1 神经元 75
    5.2.2 激活函数 76
    5.2.3 损失函数 79
    5.2.4 梯度下降 81
    5.2.5 参数调整 82
    5.3 手写数字识别 84
    本章小结 89
    本章习题 89
    第6章 人工智能视觉技术 90
    6.1 图像处理技术 90
    6.1.1 图像的基本原理 90
    6.1.2 图像增强技术 91
    6.1.3 图像降噪方法 94
    6.1.4 图像对齐 97
    6.2 图像识别技术 99
    6.2.1 模板匹配法 99
    6.2.2 特征提取法 100
    6.2.3 神经网络识别 101
    6.3 深度学习 102
    6.3.1 深度学习简介 102
    6.3.2 深度学习模型 103
    6.3.3 深度学习应用 105
    6.4 CNN猫狗识别 107
    本章小结 112
    本章习题 112
    第7章 人工智能语音工程 113
    7.1 语音处理技术 113
    7.1.1 语音处理技术 113
    7.1.2 语音信号数字化处理 114
    7.1.3 语音特征提取 115
    7.2 语音识别技术 118
    7.2.1 模板训练法 118
    7.2.2 神经网络法 119
    7.3 RNN技术在语音识别中的应用 121
    7.3.1 RNN结构 121
    7.3.2 LSTM结构 123
    7.3.3 网络训练 126
    本章小结 127
    本章习题 128
    参考文献 129
    附录 Python常用机器学习模块 130
最新评论共有 0 位网友发表了评论
发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码:
匿名?
注册