人工智能與現代科技

楊新 工學博士，西南財經大學計算機與人工智能學院教授/博士生導師，互聯網金融創新及監管四川省協同創新中心主任，長期從事機器學習、數據挖掘與金融科技等研究，聚焦人工智能理論和方法在金融風控、合規審查、財務監管等場景的研發應用，主持 自然科學基金、 和省科技廳等科研項目10餘項，在IEEE TKDE、CVPR、KDD、ICLR、ACL、WWW、AAAI、MM、IJCAI和中國科學：信息科學、計算機學報、軟件學報等CCF 高水平期刊/會議發表論文100餘篇，主編教材/專著/譯著7部，授權 發明專利20餘項，自主研發並發布了 會計教育垂直領域大語言模型AccMind和數智會計教育平臺“智會”，擔任 雜誌Human-Centric Intelligent Systems（EI檢索）執行主編和10餘個 會議 、程序委員會 等，曾獲四川省科學技術進步獎二等獎和吳文俊人工智能科技進步獎二等獎等。 <br /><br />劉家芬 工學博士，教授，西南財經大學計算機與人工智能學院副院長，計算機實驗中心主任，主要從事智能信息處理及信息安全領域的研究工作和相關的教學工作。主持/參與 自然科學基金、 項目、阿裏巴巴青年學者支持計劃等項目多項，發表論文40餘篇，獲 、省級、校級教學獎勵多次。任中國高等教育學會智慧教育研究分會常務理事、CCF成都分部監委 ，CMOOC聯盟四川省工作委員會副主任委員、四川省人工智能學會常務理事，任多家 期刊審稿人，DSDE2026、CCF計算之美2025等 會議出版 、程序委員會成員。 <br /><br />歐陽小草 工學博士，西南財經大學副教授，碩士生導師。現為四川省計算機學會青少年信息科技專委會委員。主要研究方向為城市計算、時空數據挖掘、聯邦持續學習等。主持 自然科學基金青年項目以及四川省科技廳青年項目，參與 自然科學基金面上項目多項。在IEEE TKDE、PR、INFFUS、NN等高水平 期刊和KDD、AAAI等 會議以及軟件學報等 期刊發表學術論文20餘篇，參編教材/專著2部，授權 發明專利多項。 <br /><br />李永豪 工學博士，西南財經大學講師，碩士生導師。現為中國人工智能學會粒計算與知識發現專業委員會委員、中國中文信息學會大模型與生成專業委員會委員。主要研究方向為機器學習、特征工程、多視圖學習、聯邦持續學習等。主持/參與 、省部級項目基金多項。在IEEE TKDE、IEEE TNNLS、IEEE TAI、PR、KAIS、INFFUS、KDD、IJCAI等 外重要期刊和會議發表學術論文30餘篇，參編教材/專著2部，擔任Electronics等 SCI期刊客座編委，近5年相關成果被同行引用1000餘次，已授權多項專利與軟件著作權。榮獲2023年度吉林省自然科學獎二等獎、2025年度吳文俊人工智能科技進步獎二等獎。

前言
第1章 人工智能技術概述
1.1 人工智能
1.1.1 智能的概念
1.1.2 人工智能的概念
1.2 人工智能的發展歷程
1.2.1 孕育期（1936—1955年）
1.2.2 形成期（1956—1969年）
1.2.3 發展期（1970—1992年）
1.2.4 爆發期（1993年至今）
1.3 人工智能的研究內容
1.3.1 感知智能
1.3.2 認知智能
1.3.3 行為智能
1.3.4 群體智能
1.3.5 混合智能
1.3.6 情感智能
1.3.7 類腦智能
1.3.8 具身智能
1.4 現代人工智能進展
1.4.1 深度學習範式
1.4.2 學習機制的創新
1.5 拓展閱讀
1.6 參考文獻
第2章 知識圖譜
2.1 基礎篇
2.1.1 知識圖譜的發展歷程
2.1.2 知識圖譜的概念
2.1.3 知識圖譜的表示
2.2 進階篇
2.2.1 知識圖譜的架構
2.2.2 知識圖譜的建模
2.2.3 知識圖譜的評估
2.3 實踐篇
2.3.1 知識圖譜應用領域
2.3.2 騰訊知識圖譜平臺
2.4 拓展閱讀
2.5 參考文獻
第3章 不確定性推理
3.1 基礎篇
3.1.1 不確定性推理的基本概念
3.1.2 不確定性推理的發展歷程
3.2 進階篇
3.2.1 可信度方法
3.2.2 證據理論
3.3 實踐篇
3.3.1 可信度方法的應用
3.3.2 證據理論的應用
3.4 拓展閱讀
3.5 參考文獻
第4章 智能搜索優化算法
4.1 基礎篇
4.1.1 搜索與優化的基本概念
4.1.2 智能搜索優化算法的主要分類
4.1.3 啟發式搜索算法詳解
4.2 進階篇
4.2.1 進化算法
4.2.2 遺傳算法
4.2.3 群體智能搜索優化算法
4.2.4 物理模擬優化算法
4.3 實踐篇
4.3.1 股市交易策略搜索
4.3.2 金融投資組合優化
4.4 拓展閱讀
4.5 參考文獻
第5章 機器學習
5.1 基礎篇
5.1.1 機器學習的基本概念
5.1.2 機器學習的發展歷程
5.1.3 機器學習的主要分類
5.2 進階篇
5.2.1 線性回歸
5.2.2 聚類算法
5.2.3 K近鄰算法
5.2.4 決策樹
5.2.5 支持向量機
5.2.6 神經網絡
5.3 實踐篇
5.3.1 線性回歸在股票市場預測中的應用
5.3.2 聚類算法在客戶細分與行為分析中的應用
5.3.3 K近鄰算法在醫療診斷與病理分類中的應用
5.3.4 決策樹在信用卡欺詐檢測中的應用
5.4 拓展閱讀
5.5 參考文獻
第6章 自然語言處理
6.1 基礎篇
6.1.1 自然語言處理概述
6.1.2 自然語言處理的發展歷程
6.2 進階篇
6.2.1 如何建模語言
6.2.2 基於規則的方法
6.2.3 基於統計學習的方法
6.2.4 基於深度學習的方法
6.3 實踐篇
6.3.1 使用序列到序列模型實現機器翻譯
6.3.2 命名實體識別
6.4 拓展閱讀
6.5 參考文獻
第7章 計算機視覺
7.1 基礎篇
7.1.1 計算機視覺的發展歷程
7.1.2 計算機視覺的核心任務
7.2 進階篇
7.2.1 卷積神經網絡
7.2.2 殘差神經網絡
7.2.3 單階段目標檢測神經網絡
7.2.4 掩碼區域卷積神經網絡
7.2.5 視覺轉換器
7.2.6 擴散模型
7.3 實踐篇
7.3.1 圖像分類
7.3.2 目標檢測
7.3.3 實例分割
7.4 拓展閱讀
7.5 參考文獻
第8章 基礎模型
8.1 基礎篇
8.1.1 基礎模型的概念
8.1.2 基礎模型的發展歷程
8.1.3 基礎模型的關鍵技術
8.1.4 基礎模型的應用領域
8.2 進階篇
8.2.1 Transformer架構
8.2.2 前饋神經網絡
8.2.3 預訓練與微調技術
8.2.4 人類意圖對齊技術
8.2.5 多模態技術
8.2.6 檢索增強生成技術
8.2.7 數據處理與模型評估
8.3 實踐篇
8.3.1 商業報告生成助手
8.3.2 法律知識問答助手
8.4 拓展閱讀
8.5 參考文獻
第9章 數據可視化
9.1 基礎篇
9.1.1 數據的基本概念
9.1.2 數據與可視化
9.1.3 數據可視化的現實意義
9.2 進階篇
9.2.1 數據探索性分析
9.2.2 對比與趨勢可視化
9.2.3 數據可視化的分類
9.3 實踐篇
9.3.1 初識Matplotlib
9.3.2 可視化圖形定制
9.3.3 鳶尾花數據可視化分析
9.3.4 火災數據可視化分析
9.4 拓展閱讀
9.5 參考文獻
第10章 金融科技
10.1 基礎篇
10.1.1 中國金融科技的發展歷程
10.1.2 金融科技的技術與工具
10.1.3 金融科技的未來趨勢和挑戰
10.2 進階實踐篇
10.2.1 知識圖譜與金融科技
10.2.2 自然語言處理與金融科技
10.2.3 計算機視覺與金融科技
10.3 拓展閱讀
10.4 參考文獻
第11章 智能機器人
11.1 基礎篇
11.1.1 智能機器人概述
11.1.2 智能