前言
第1章 緒論
1.1 人工智能概論
1.1.1 人工智能的定義
1.1.2 人工智能的發(fā)展史及流派
1.1.3 人工智能的研究目標(biāo)和意義
1.1.4 人工智能的研究途徑
1.2 人工智能的現(xiàn)在和未來
1.2.1 人工智能的研究領(lǐng)域
1.2.2 人工智能的發(fā)展趨勢
1.3 本章小結(jié)
習(xí)題1
第2章 知識表示與推理
2.1 知識表示
2.1.1 知識的概念
2.1.2 知識的分類和特性
2.1.3 產(chǎn)生式表示法
2.1.4 框架表示法
2.1.5 其他表示法
2.2 知識推理
2.2.1 不確定性推理的概念和分類
2.2.2 概率推理
2.2.3 主觀Bayes方法
2.2.4 可信度方法
2.2.5 模糊推理
2.3 本章小結(jié)
習(xí)題2
第3章 圖搜索技術(shù)和問題求解
3.1 搜索策略概述
3.1.1 狀態(tài)空間表示法
3.1.2 盲目搜索
3.1.3 啟發(fā)式搜索
3.1.4 博弈搜索
3.2 狀態(tài)圖的搜索
3.2.1 狀態(tài)圖搜索策略
3.2.2 博弈樹搜索策略
3.3 實戰(zhàn)——應(yīng)用爬蟲爬取新聞報道
3.4 本章小結(jié)
習(xí)題3
第4章 智能優(yōu)化算法
4.1 智能優(yōu)化算法概述
4.1.1 智能優(yōu)化算法的相關(guān)概念
4.1.2 智能優(yōu)化算法的分類
4.2 進(jìn)化算法
4.2.1 遺傳算法
4.2.2 其他進(jìn)化算法
4.3 集群智能算法
4.3.1 蟻群算法
4.3.2 粒子群算法
4.4 其他智能優(yōu)化算法
4.4.1 模擬退火算法
4.4.2 禁忌搜索算法
4.5 實戰(zhàn)——應(yīng)用遺傳算法解決問題
4.6 本章小結(jié)
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)的發(fā)展與分類
5.1.2 監(jiān)督學(xué)習(xí)
5.1.3 無監(jiān)督學(xué)習(xí)
5.1.4 半監(jiān)督學(xué)習(xí)
5.1.5 強(qiáng)化學(xué)習(xí)
5.2 符號學(xué)習(xí)
5.2.1 記憶學(xué)習(xí)
5.2.2 歸納學(xué)習(xí)
5.2.3 演繹學(xué)習(xí)
5.3 實戰(zhàn)——線性回歸與決策樹
5.3.1 使用線性回歸預(yù)測房價
5.3.2 使用決策樹預(yù)測房價
5.4 本章小結(jié)
習(xí)題5
第6章 人工神經(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 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
6.1.2 神經(jīng)網(wǎng)絡(luò)的類型
6.1.3 BP神經(jīng)網(wǎng)絡(luò)
6.2 深度學(xué)習(xí)
6.2.1 深度學(xué)習(xí)與卷積網(wǎng)絡(luò)
6.2.2 textCNN模型
6.3 實戰(zhàn)——使用BP與CNN完成手寫數(shù)字識別
6.3.1 BP網(wǎng)絡(luò)手寫數(shù)字識別
6.3.2 CNN手寫數(shù)字識別
6.4 本章小結(jié)
習(xí)題6
第7章 專家系統(tǒng)
7.1 專家系統(tǒng)概述
7.1.1 專家系統(tǒng)的發(fā)展
7.1.2 專家系統(tǒng)的定義與特點
7.1.3 專家系統(tǒng)的分類
7.2 專家系統(tǒng)的原理
7.2.1 專家系統(tǒng)的一般結(jié)構(gòu)
7.2.2 專家系統(tǒng)的基本工作原理
7.3 專家系統(tǒng)的開發(fā)過程
7.3.1 知識獲取和知識工程
7.3.2 專家系統(tǒng)的開發(fā)步驟
7.3.3 專家系統(tǒng)開發(fā)工具
7.4 專家系統(tǒng)實例
7.5 本章小結(jié)
習(xí)題7
第8章 模式識別與機(jī)器視覺
8.1 模式識別
8.1.1 模式識別的基本概念
8.1.2 模式識別的方法
8.1.3 模式識別過程
8.1.4 模式識別應(yīng)用
8.2 機(jī)器視覺
8.2.1 機(jī)器視覺的定義和構(gòu)成
8.2.2 機(jī)器視覺的分類和應(yīng)用
8.2.3 圖像識別
8.2.4 人臉識別
8.3 實戰(zhàn)——人臉表情識別
8.3.1 人臉表情識別的常用方法
8.3.2 實戰(zhàn)——基于深度學(xué)習(xí)的人臉表情識別系統(tǒng)
8.4 本章小結(jié)
習(xí)題8
第9章 強(qiáng)化學(xué)習(xí)與生成對抗網(wǎng)絡(luò)
9.1 強(qiáng)化學(xué)習(xí)概述
9.1.1 強(qiáng)化學(xué)習(xí)基礎(chǔ)
9.1.2 強(qiáng)化學(xué)習(xí)分類
9.1.3 強(qiáng)化學(xué)習(xí)的應(yīng)用
9.2 生成對抗網(wǎng)絡(luò)概述
9.2.1 生成對抗模型
9.2.2 生成對抗模型的數(shù)學(xué)原理
9.2.3 生成對抗網(wǎng)絡(luò)的實際應(yīng)用
9.3 實戰(zhàn)——基于StyleGAN-v2實現(xiàn)顏值融合
9.4 本章小結(jié)
習(xí)題9
參考文獻(xiàn)