人工智能基礎教程

王忠，教授，海南經貿職業技術學院信息技術學院院長，主要講授課程包括CAD繪圖、計算機應用技術、三維建模技術等。

第 1章 人工智能概述

1.1人工智能的基本概念

1.1.1 弱人工智能

1.1.2 強人工智能

1.1.3 超人工智能

1.2 人工智能的發展歷程

1.2.1國外發展歷程

1．第 一波“浪潮”

2．第 一次“寒冬”

3．第二波“浪潮”

4．第二次“寒冬”

5．第三波“浪潮”

1.2.2國內發展歷程

1．起步前期

2．發展起步期

3．穩步發展期

4．蓬勃發展期

5．全面推進期

1.3人工智能的主流學派

1.3.1符號主義學派

1.3.2連接主義學派

1.3.3行為主義學派

1.4人工智能的典型技術

1.4.1機器學習

1.4.2自然語言處理

1.4.3 計算機視覺

1.4.4 知識圖譜

1.5人工智能應用現狀

1.5.1智能制造

1.5.2智能安防

1.5.3智慧農業

1.5.4智慧醫療

1.5.5智能物流

1.5.6智慧金融

1.5.7自動駕駛

1.5.8智慧零售

本章小結

課後習題

第 2章 積木編程

2.1 SENSESTUDY·AI實驗平臺

2.1.1 SENSESTUDY·AI實驗平臺的特點

2.1.2第 一個SENSESTUDY·AI積木程序

2.1.3積木模塊元素的基本操作

2.2 程序設計語言的基本元素

2.2.1常量

2.2.2變量

2.2.3運算符

2.2.4表達式及語句

2.3 程序控制結構

2.3.1順序結構

2.3.2選擇結構

2.3.3循環結構

2.3.4函數

2.4 列表

2.4.1列表的定義

2.4.2列表的基本操作

2.4.3列表的應用

本章小結

課後習題

第3章 計算機視覺

3.1 計算機視覺概述

3.1.1 計算機視覺的任務

3.1.2 計算機視覺應用範圍

3.2 視覺圖像分類

3.2.1圖像匹配簡介

3.2.2圖像匹配方法

3.2.3情緒識別

3.3 視覺圖像分割

3.3.1圖像分割簡介

3.3.2圖像分割技術

3.4 目標檢測

3.4.1目標檢測簡介

3.4.2目標檢測難點

本章小結

課後習題

第4章 自然語言處理

4.1 自然語言處理的發展階段

4.1.1 自然語言處理的基本任務

4.1.2 自然語言處理的發展

4.2 自然語言處理的概念表示

4.2.1 經典概念理論

4.2.2 原型理論

4.3 自然語言處理的知識表示

4.3.1 產生式表示法

4.3.2 框架表示法

4.4 知識圖譜

4.4.1 知識圖譜的來源

4.4.2 知識抽取

4.4.3 知識圖譜的向量表示方法

4.5 語音處理

4.5.1 語音的基本概念

4.5.2 語音特征提取

4.5.3 傳統語音識別

本章小結28

課後習題

第5章 機器學習

5.1 什麼是機器學習

5.1.1 對於學習的認知

5.1.2 機器學習的概念

5.1.3 機器學習的發展歷程

5.1.4機器學習的研究現狀及主流模型

5.1.5大數據技術對機器學習的影響

5.1.6機器學習的重要性

5.1.7傳統編程與機器學習的區別

5.1.8機器學習的分類

5.2 監督學習

5.2.1監督學習簡介

5.2.2監督學習工作流程

5.2.3監督學習的主要算法

5.3 無監督學習

5.3.1無監督學習簡介

5.3.2無監督學習主要算法

5.4 半監督模型

5.4.1半監督學習簡介

5.4.2半監督學習的起源與發展

5.5 強化學習

5.5.1強化學習簡介

5.5.2強化學習的發展歷程

本章小結

課後習題

第6章 自動駕駛

6.1 自動駕駛的概念

6.1.1 自動駕駛汽車

6.1.2 國內外自動駕駛的現狀

6.1.3 人工智能技術在自動駕駛汽車的應用

6.1.4 人工智能在自動駕駛中面臨的挑戰

6.2 自動駕駛的分級模式

6.2.1 自動駕駛技術的五個等級

6.2.2 自動駕駛技術不同的分級介紹

6.3 自動駕駛的技術路線及軟硬件

6.3.1 自動駕駛的兩條技術路線

6.3.2 自動駕駛涉及的軟硬件

6.4 自動駕駛產業發展情況和趨勢

6.4.1 自動駕駛國內外發展的趨勢

6.4.2 自動駕駛的標準統一的趨勢

6.4.4 自動駕駛汽車何時能全面普及

本章小結

課後習題

第7章 智能機器人

7.1 智能機器人概述

7.1.1 機器人的起源與誕生

7.1.2 機器人的發展歷程

7.1.3 智能機器人的分類

7.2 機器人中的智能技術

7.2.1 智能感知技術

7.2.2 智能的人機交互技術

7.2.3 智能導航與規劃

7.3 智能機器人的應用領域

7.3.1 科研國防領域

7.3.2 服務領域

7.3.3 工業領域

7.3.4 農業領域

7.3.5 醫用領域

7.4 智能機器人發展前景和問題

7.4.1 發展前景

7.4.2 面臨的問題

本章小結

課後習題

第8章 人工神經網絡與深度學習

8.1人工神經網絡概述

8.1.1 人工神經網絡結構

8.1.2 深度學習概述

8.1.3 神經網絡和深度學習的發展歷程

8.2 前饋神經網絡

8.3 BP算法

8.4 深度學習

8.4.1深度學習的提出

8.4.2深度學習的興起

8.4.3深度學習與機器學習的關系

8.5 欠擬合和過擬合

8.5.1什麼是欠擬合

8.5.2什麼是過擬合

8.5.3如何防止過擬合

8.6 卷積神經網絡

8.7 深度學習的應用

8.7.1物體檢測

8.7.2圖像分割

8.7.3圖像標題的生成

8.7.4圖像風格變換

8.7.5圖像的生成

8.7.6深度學習與自動駕駛

本章小結

課後習題

第9章 專家系統

9.1專家系統概述

9.2 推理方法

9.3 一個簡單的專家系統

9.4 非確定性推理

9.5專家系統工具

9.6專家系統的應用

9.7專家系統的局限性

本章小結

課後習題