人工智能概論

第1章  AI時代的起航

1.1  一波三折的AI 1

1.1.1  發(fā)展歷程概覽 1

1.1.2  大數(shù)據(jù)時代的人工智能 8

1.2  AI如影隨形 10

1.2.1  手機美顏 10

1.2.2  聊天機器人 10

1.2.3  新聞推薦 11

1.2.4  在線翻譯 12

1.2.5  虛擬現(xiàn)實 12

1.3  AI學(xué)派 13

1.3.1  符號主義 13

1.3.2  連接主義 14

1.3.3  行為主義 15

1.3.4  學(xué)派比較 16

1.4  人工智能定義 16

1.4.1  概念解析 16

1.4.2  共識概念 17

1.5  AI面臨的機遇和挑戰(zhàn) 18

1.5.1  認知誤區(qū) 18

1.5.2  面臨的機遇 19

1.5.3  存在的挑戰(zhàn) 20

1.5.4  AI將成為公司的生命線 21

1.5.5  AI如何重新定義工作 22

1.6  應(yīng)具有的AI能力 23

1.6.1  懂工具 23

1.6.2  懂編程 25

1.6.3  懂模型 25

1.6.4  懂業(yè)務(wù) 27

習(xí)題 28

參考文獻 29

第2章  感受AI

2.1  析音賞樂 31

2.1.1  語音助手 32

2.1.2  語音識別 32

2.1.3  典型應(yīng)用場景 33

2.2  別具慧眼 33

2.2.1  人臉識別 33

2.2.2  行人識別 35

2.2.3  圖像分類 36

2.2.4  典型應(yīng)用場景 36

2.3  識文斷字 39

2.3.1  手寫數(shù)據(jù)識別 39

2.3.2  問答系統(tǒng) 39

2.3.3  情感分析 40

2.3.4  典型應(yīng)用場景 40

2.4  神來之筆 41

2.4.1  圖像生成 41

2.4.2  圖像藝術(shù) 42

2.4.3  典型應(yīng)用場景 42

2.5  運籌帷幄 44

2.5.1  智能家居 44

2.5.2  環(huán)境監(jiān)控 45

2.5.3  典型應(yīng)用場景 46

習(xí)題 49

參考文獻 49

第3章  知識表示與推理

3.1  從AI符號主義說起 50

3.1.1  命題邏輯 51

3.1.2  一階謂詞邏輯 53

3.1.3  產(chǎn)生式系統(tǒng) 55

3.1.4  基于符號主義的知識表示瓶頸 56

3.2  基于知識的表示方法 56

3.2.1  人工智能的3個層次 56

3.2.2  知識 57

3.2.3  知識工程的誕生 59

3.2.4  框架 60

3.2.5  語義網(wǎng)絡(luò) 61

3.2.6  語義Web 62

3.3  知識圖譜與知識庫 63

3.3.1  問題的提出 63

3.3.2  基本思想 64

3.3.3  基本原理 65

3.3.4  知識圖譜的分類 66

3.3.5  知識圖譜應(yīng)用場景 67

3.4  實驗：構(gòu)建基于知識圖譜的問答程序 68

習(xí)題 71

參考文獻 75

第4章  搜索技術(shù)

4.1  搜索 76

4.1.1  什么是搜索 76

4.1.2  狀態(tài)空間表示法 77

4.1.3　狀態(tài)空間的搜索策略 79

4.2  廣度優(yōu)先 81

4.2.1  廣度優(yōu)先搜索的基本思想 81

4.2.2  廣度優(yōu)先搜索的過程 81

4.3  深度優(yōu)先 82

4.3.1  深度優(yōu)先搜索的基本思想 82

4.3.2  深度優(yōu)先搜索過程 82

4.4  啟發(fā)式搜索 83

4.4.1  啟發(fā)性信息與估價函數(shù) 84

4.4.2  局部尋優(yōu)搜索 86

4.4.3  全局尋優(yōu)搜索 87

4.5  遺傳算法 89

4.5.1  遺傳算法的發(fā)展史 90

4.5.2  遺傳算法的基本原理 90

4.5.3  遺傳算法的求解步驟 92

4.6  微粒群算法 93

4.6.1  微粒群算法的基本概念及進化方程 93

4.6.2  標(biāo)準(zhǔn)微粒群算法流程 94

4.6.3  微粒群算法的研究現(xiàn)狀 95

4.7  實驗：粒子群優(yōu)化算法 96

習(xí)題 98

參考文獻 100

第5章  機器學(xué)習(xí)

5.1  機器學(xué)習(xí)模型 101

5.2  數(shù)據(jù)準(zhǔn)備 103

5.2.1  數(shù)據(jù)集劃分 103

5.2.2  數(shù)據(jù)標(biāo)注 104

5.3  學(xué)習(xí)方式 105

5.3.1  有監(jiān)督學(xué)習(xí) 105

5.3.2  無監(jiān)督學(xué)習(xí) 109

5.3.3  概率圖模型 113

5.3.4  集成學(xué)習(xí) 117

5.4  模型評估 120

5.4.1  泛化能力 120

5.4.2  交叉驗證 121

5.4.3  混淆矩陣 121

5.5  實驗：房價預(yù)測 122

習(xí)題 124

第6章  深度學(xué)習(xí)

6.1  深度學(xué)習(xí)概況 129

6.1.1  深度學(xué)習(xí)是什么 129

6.1.2  深度學(xué)習(xí)的前世今生 130

6.1.3  深度學(xué)習(xí)分類 132

6.1.4  深度學(xué)習(xí)的入門建議 132

6.2  神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 133

6.2.1  人工神經(jīng)網(wǎng)絡(luò)模型 133

6.2.2  感知機學(xué)習(xí)算法 135

6.2.3  多層前饋神經(jīng)網(wǎng)絡(luò) 137

6.2.4  BP算法背后的數(shù)學(xué) 139

6.2.5  誤差反向傳播法 142

6.2.6  可視化MLP網(wǎng)絡(luò)訓(xùn)練 143

6.3  深度學(xué)習(xí)框架 145

6.3.1  Matlab深度學(xué)習(xí)工具包 146

6.3.2  TensorFlow深度學(xué)習(xí)框架 146

6.3.3  PyTorch深度學(xué)習(xí)框架 147

6.3.4  其他構(gòu)建方式 148

6.3.5  體驗手寫數(shù)字識別 149

6.4  卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 152

6.4.1  卷積神經(jīng)網(wǎng)絡(luò)的功能組件 153

6.4.2  卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu) 158

6.4.3  卷積神經(jīng)網(wǎng)絡(luò)識別CIFAR圖像集 162

6.5  強化學(xué)習(xí) 166

6.5.1  一個迷宮問題 167

6.5.2  強化學(xué)習(xí)問題的框架MDP 169

6.5.3  求解貝爾曼方程 172

6.5.4  強化學(xué)習(xí)仿真環(huán)境 173

6.5.5  深度學(xué)習(xí)前景展望 177

6.6  實驗：利用卷積神經(jīng)網(wǎng)絡(luò)識別圖像 179

習(xí)題 183

參考文獻 188

第7章  自然語言處理

7.1  詞法分析 189

7.1.1  詞法分析概述 189

7.1.2  基本分詞方法 190

7.1.3  詞性標(biāo)注 194

7.1.4  實體識別 197

7.2  句法分析 198

7.2.1  句法分析概述 198

7.2.2  自頂向下的句法分析 199

7.2.3  自底向上的句法分析 200

7.2.4  概率上下文無關(guān)文法 202

7.3  語義分析 204

7.3.1  語義分析概述 204

7.3.2  詞義消歧 204

7.3.3  語義角色標(biāo)注 209

7.4  實驗：Python中文文本分析與可視化 211

習(xí)題 213

參考文獻 214

第8章  智能控制技術(shù)

8.1  自動控制系統(tǒng) 215

8.1.1  概述 215

8.1.2  組成與工作原理 215

8.1.3  分類 216

8.2  模糊控制 217

8.2.1  模糊推理方法 217

8.2.2  模糊控制原理 217

8.2.3  模糊控制系統(tǒng)的設(shè)計 218

8.2.4  自適應(yīng)模糊控制 219

8.3  專家控制 220

8.3.1  原理 220

8.3.2  典型結(jié)構(gòu) 221

8.3.3  實現(xiàn)方法 223

8.4  神經(jīng)網(wǎng)絡(luò)控制 224

8.4.1  類型 224

8.4.2  結(jié)構(gòu) 224

8.4.3  模型 225

8.4.4  應(yīng)用 226

8.4.5  發(fā)展趨勢 229

8.5  實驗：利用智能音箱語音控制計算機的開關(guān)機 230

習(xí)題 234

參考文獻 235

第9章  工業(yè)機器人技術(shù)

9.1  人工智能與工業(yè)4.0 236

9.1.1  智能制造生態(tài)系統(tǒng) 237

9.1.2  工業(yè)機器人 237

9.1.3  智慧工廠 242

9.1.4  工業(yè)智能化趨勢 243

9.2  工業(yè)機器人核心技術(shù) 245

9.2.1  傳感技術(shù) 246

9.2.2  芯片技術(shù) 246

9.2.3  智能控制技術(shù) 248

9.2.4  多智能體調(diào)控技術(shù) 249

9.3  工業(yè)軟件編程 249

9.3.1  工業(yè)互聯(lián)網(wǎng)架構(gòu) 249

9.3.2  神經(jīng)網(wǎng)絡(luò) 251

9.3.3  可視化學(xué)習(xí) 251

9.4  工業(yè)機器人產(chǎn)業(yè)鏈 253

9.4.1  工業(yè)機器人研發(fā)設(shè)計 254

9.4.2  智能制造客戶交互 256

9.4.3  工業(yè)機器人核心部件 257

9.4.4  工業(yè)機器人供應(yīng)鏈 259

9.5  工業(yè)機器人操作與維護 260

9.5.1  工業(yè)機器人操作 260

9.5.2  工業(yè)機器人維護 261

9.6  實驗：工業(yè)機器人軟件技術(shù)運維 264

習(xí)題 277

參考文獻 279

第10章  建筑智能化技術(shù)

10.1  智能建筑集成系統(tǒng) 280

10.1.1  智能建筑云架構(gòu) 281

10.1.2  智慧工地 282

10.1.3  智能建筑 289

10.1.4  智慧城市 289

10.2  建筑設(shè)備裝置智能化 290

10.2.1  建筑裝備智能化 290

10.2.2  工程機械智能化 291

10.2.3  智能建筑3D打印 291

10.3  建筑智能化應(yīng)用系統(tǒng) 293

10.3.1  智能化集成系統(tǒng) 293

10.3.2  信息設(shè)施系統(tǒng) 293

10.3.3  信息化應(yīng)用系統(tǒng) 294

10.3.4  建筑設(shè)備管理系統(tǒng) 294

10.3.5  公共安全系統(tǒng) 294

10.3.6  機房工程 295

10.4  建筑智能化系統(tǒng)運維 295

10.4.1  智能建筑的運維技術(shù)要求 295

10.4.2  Honeywell樓宇智控系統(tǒng)簡介 297

10.4.3  建筑智能化的未來 298

10.5  實驗：樓宇智控系統(tǒng)EBI的安裝配置調(diào)試 300

習(xí)題 308

參考文獻 309

附錄A  AIRack人工智能實驗平臺

附錄B  AICloud人工智能云平臺

附錄C  云創(chuàng)學(xué)習(xí)工場—專注大數(shù)據(jù)、人工智能培訓(xùn)與認證