人工智能基礎(chǔ)

內(nèi)容豐富

提供了拓展內(nèi)容，引導學生自主學習，擴寬學生的眼界，提高其知識應用的能力

可讀性好

盡量用通俗語言講解各個知識點，幫助學生閱讀和學習，領(lǐng)略人工智能的思想和方法

注重應用

旨在介紹主流知識體系和實用技術(shù)方法，偏重實踐能力培養(yǎng)而不拘泥于科學研究方法

人工智能與大數(shù)據(jù)技術(shù)是目前發(fā)展迅速的新興學科，已經(jīng)成為許多高新技術(shù)產(chǎn)品中的核心技術(shù)。其中人工智能技術(shù)發(fā)展應用幾乎覆蓋了生產(chǎn)、生活中的所有領(lǐng)域，因此，目前不僅許多本科院校開設(shè)了人工智能課程，許多高職與專科院校也開始重視相關(guān)專業(yè)高技術(shù)技能人才的培養(yǎng)。

隨著本科、高職院校人工智能相關(guān)專業(yè)落地，前期的教學內(nèi)容技術(shù)專業(yè)度不足，針對研究領(lǐng)域的高級教材難度較大，不適合高職和一般本科院校的學生學習。因此，編著一本適合高職學生和本科學生的基礎(chǔ)性強、可讀性好、入門快且適合老師講授的人工智能技術(shù)專業(yè)教材非常必要。

本書選擇基礎(chǔ)實用的內(nèi)容，并輔以編程能力基礎(chǔ)和綜合案例，目的是使學生學習和掌握人工智能的基本概念和原理，附錄使得讀者可以結(jié)合第三方工具實踐和應用人工智能知識，拓寬知識面，啟發(fā)思路，為今后在相關(guān)領(lǐng)域深入學習奠定基礎(chǔ)。

本書通過從理論到實踐的形式，由淺入深地講解了人工智能理論方法體系和技術(shù)應用過程。本書特色如下：

（1）語言簡明，可讀性好。本書盡量用通俗語言講解各個知識點，幫助學生閱讀和學習，領(lǐng)略人工智能的思想和方法。

（2）內(nèi)容實用，注重應用。人工智能知識內(nèi)容非常龐雜，本書旨在介紹主流知識體系和實用技術(shù)方法，偏重實踐能力培養(yǎng)而不拘泥于科學研究方法。

（3）拓展內(nèi)容豐富，擴寬學生眼界。本書提供了拓展內(nèi)容，引導學生自主學習，擴寬學生的眼界，提高其知識應用能力。

（4）編排合理，方便學習。每章開篇設(shè)置了導讀，明確了學習目標和學習重點，引起讀者的注意。

本書課程教學學時數(shù)建議為48～64學時。對于人工智能、計算機等專業(yè)，可適當增加項目實訓。

感謝重慶電子工程職業(yè)學院編寫人員的辛勤勞動和付出以及成都地鐵運營公司的大力支持，同時感謝中國水利水電出版社給予的協(xié)助和支持。

由于編者水平有限，書中難免存在欠妥之處，由衷希望廣大讀者朋友和專家學者能夠撥冗提出寶貴的改進意見。

前言

第1章 走進人工智能 1
1.1 人工智能發(fā)展史 1
1.1.1 人工智能起源 1
1.1.2 人工智能發(fā)展之路 3
1.2 什么是人工智能？ 6
1.3 人工智能典型應用場景 8
1.4 人工智能研究領(lǐng)域 12
本章小結(jié) 13
本章習題 14
第2章 人工智能數(shù)值計算 15
2.1 線性代數(shù) 16
2.1.1 概念和符號 16
2.1.2 矩陣基本運算 18
2.1.3 矩陣計算例子 20
2.1.4 矩陣的轉(zhuǎn)置 20
2.2 概率統(tǒng)計 21
2.2.1 隨機試驗（E） 21
2.2.2 頻率與概率 22
2.2.3 貝葉斯定理 24
2.3 NumPy軟件包 25
2.3.1 NumPy的優(yōu)勢 25
2.3.2 NumPy安裝 26
2.4 NumPy函數(shù) 27
2.4.1 NumPy中的數(shù)組對象 27
2.4.2 常用算術(shù)函數(shù) 28
2.4.3 常用數(shù)學統(tǒng)計函數(shù) 29
2.4.4 反應數(shù)據(jù)波動函數(shù) 30
本章小結(jié) 31
本章習題 31
第3章 知識表示 33
3.1 知識及知識表示 34
3.1.1 知識及知識表示 34
3.1.2 知識元素 34
3.1.3 知識分類 35
3.2 知識表示 36
3.2.1 一階謂詞邏輯法 36
3.2.2 產(chǎn)生式表示法 39
3.2.3 框架表示法 44
3.2.4 語義網(wǎng)絡(luò) 46
本章小結(jié) 51
本章習題 51
第4章 機器學習初探 53
4.1 機器學習 53
4.1.1 什么是學習？ 54
4.1.2 機器學習研究 55
4.1.3 機器學習流程 57
4.2 機器學習類型 58
4.3 機器學習算法 62
4.4 機器學習模型 67
4.5 機器學習應用領(lǐng)域 68
本章小結(jié) 71
本章習題 71
第5章 神經(jīng)網(wǎng)絡(luò) 73
5.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程 73
5.2 神經(jīng)網(wǎng)絡(luò)的基本原理 74
5.2.1 神經(jīng)元 75
5.2.2 激活函數(shù) 76
5.2.3 損失函數(shù) 79
5.2.4 梯度下降 81
5.2.5 參數(shù)調(diào)整 82
5.3 手寫數(shù)字識別 84
本章小結(jié) 89
本章習題 89
第6章 人工智能視覺技術(shù) 90
6.1 圖像處理技術(shù) 90
6.1.1 圖像的基本原理 90
6.1.2 圖像增強技術(shù) 91
6.1.3 圖像降噪方法 94
6.1.4 圖像對齊 97
6.2 圖像識別技術(shù) 99
6.2.1 模板匹配法 99
6.2.2 特征提取法 100
6.2.3 神經(jīng)網(wǎng)絡(luò)識別 101
6.3 深度學習 102
6.3.1 深度學習簡介 102
6.3.2 深度學習模型 103
6.3.3 深度學習應用 105
6.4 CNN貓狗識別 107
本章小結(jié) 112
本章習題 112
第7章 人工智能語音工程 113
7.1 語音處理技術(shù) 113
7.1.1 語音處理技術(shù) 113
7.1.2 語音信號數(shù)字化處理 114
7.1.3 語音特征提取 115
7.2 語音識別技術(shù) 118
7.2.1 模板訓練法 118
7.2.2 神經(jīng)網(wǎng)絡(luò)法 119
7.3 RNN技術(shù)在語音識別中的應用 121
7.3.1 RNN結(jié)構(gòu) 121
7.3.2 LSTM結(jié)構(gòu) 123
7.3.3 網(wǎng)絡(luò)訓練 126
本章小結(jié) 127
本章習題 128
參考文獻 129
附錄 Python常用機器學習模塊 130

1. 嵌入式人工智能技術(shù)應用（數(shù)字教材） [主編 胡娜 楊國勇 晏廷榮]
2. 人工智能應用 [主編　陳　萍　劉培培　陳孟軍]
3. 人工智能開發(fā)框架應用 [主編 王明超 蘆婭云]
4. 人工智能技術(shù)導論 [主編 劉軍 趙守凱 林海]
5. 人工智能應用系統(tǒng)開發(fā)項目化教程 [主編 楊家慧 周永福 魏育華]
6. 從石器時代到智能時代—青少年人工智能啟蒙 [丁紅　著]
7. 人工智能技術(shù)與機器人 [主編　邵克勇]
8. 人工智能基礎(chǔ) [周永福 韓玉琪 王巧巧]
9. 人工智能應用基礎(chǔ) [主編 楊纓 李佳]
10. 人工智能概論（第二版） [主編　任云暉　丁紅　徐迎春 ]
11. 人工智能導論 [主編 王飛 潘立武]
12. 人工智能算法與實踐 [主編　梁琨　張翼英]
13. 人工智能概論（第二版） [張廣淵　周風余　朱振方　著]
14. 多智能體系統(tǒng)建模、仿真及應用 [趙春曉　魏楚元　著]
15. 人工智能導論 [主編　張翼英　張茜　張傳雷]
16. 人工智能概論 [主編　任云暉　丁紅　徐迎春]
17. 人工智能概論 [張廣淵 周風余 著]
18. 人工智能改變世界：走向社會的機器人 [劉進長　雷瑾亮　著]
19. 人工智能與問題解決方法 [[美]Danny Kopec｜Christopher P]
20. 人工智能與專家系統(tǒng)（第二版） [尹朝慶]