人工智能基礎(chǔ)

前言
第1章 緒論
導(dǎo)讀
1.1 人工智能的定義
1.2 人工智能的誕生
1.3 人工智能研究的各種學(xué)派及其理論
1.4 人工智能的研究及應(yīng)用領(lǐng)域
本章小結(jié)
參考文獻(xiàn)
第2章 人腦認(rèn)知
導(dǎo)讀
2.1 腦科學(xué)與腦認(rèn)知
2.2 腦構(gòu)造與腦神經(jīng)
2.3 視覺(jué)和聽(tīng)覺(jué)感知
2.4 記憶與思維認(rèn)知
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第3章 經(jīng)典人工智能
導(dǎo)讀
3.1 知識(shí)表示方法
3.2 搜索技術(shù)
3.3 知識(shí)推理
3.4 不確定性推理
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第4章 經(jīng)典人工神經(jīng)網(wǎng)絡(luò)
導(dǎo)讀
4.1 人工神經(jīng)網(wǎng)絡(luò)概述
4.2 單層前向網(wǎng)絡(luò)分類器
4.3 多層前向網(wǎng)絡(luò)
4.4 單層反饋網(wǎng)絡(luò)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第5章 優(yōu)化與智能計(jì)算
導(dǎo)讀
5.1 優(yōu)化的基本概念
5.2 凸優(yōu)化、梯度下降與隨機(jī)梯度
5.3 智能優(yōu)化方法
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第6章 統(tǒng)計(jì)學(xué)習(xí)方法
導(dǎo)讀
6.1 統(tǒng)計(jì)學(xué)習(xí)的基本概念
6.2 小二乘與壓縮感知
6.3 支持向量機(jī)及核方法
6.4 決策樹(shù)、集成學(xué)習(xí)和隨機(jī)森林
6.5 無(wú)監(jiān)督學(xué)習(xí)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第7章 深度學(xué)習(xí)
導(dǎo)讀
7.1 深度學(xué)習(xí)概述
7.2 卷積神經(jīng)網(wǎng)絡(luò)
7.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
7.4 長(zhǎng)短期記憶網(wǎng)絡(luò)
7.5 深度學(xué)習(xí)在圖像語(yǔ)義分割的應(yīng)用
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第8章 強(qiáng)化學(xué)習(xí)
導(dǎo)讀
8.1 什么是強(qiáng)化學(xué)習(xí)
8.2 強(qiáng)化學(xué)習(xí)基礎(chǔ)
8.3 基于模型的強(qiáng)化學(xué)習(xí)方法
8.4 無(wú)模型的強(qiáng)化學(xué)習(xí)方法
8.5 基于直接策略搜索的強(qiáng)化學(xué)習(xí)方法
8.6 強(qiáng)化學(xué)習(xí)前沿
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第9章 自然語(yǔ)言處理
導(dǎo)讀
9.1 自然語(yǔ)言處理概述
9.2 自然語(yǔ)言處理基礎(chǔ)
9.3 文本解析
9.4 文本向量化表示
9.5 語(yǔ)言模型與預(yù)測(cè)
9.6 機(jī)器翻譯
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第10章 智能機(jī)器人
導(dǎo)讀
10.1 智能機(jī)器人的分類
10.2 智能機(jī)器人的相關(guān)技術(shù)
10.3 智能機(jī)器人的現(xiàn)狀
10.4 智能機(jī)器人的廣泛應(yīng)用
10.5 工業(yè)智能機(jī)械臂
10.6 智能汽車(chē)
10.7 腦控機(jī)器人
本章小結(jié)
習(xí)題
參考文獻(xiàn)