工業人工智能

目錄

第1篇緒論

第1章工業人工智能概述

1.1人工智能的基本概念及技術體系

1.2工業為什麽需要人工智能

1.3本章小結

習題

第2篇人工智能軟件工具

第2章人工智能軟件工具——Python

2.1人工智能軟件庫

2.2Python安裝與環境配置

2.3Python基礎知識

2.4NumPy、Pandas、Matplotlib

2.5本章小結

習題

第3篇搜索求解

第3章搜索與求解

3.1搜索相關知識

3.2狀態空間知識的表示方法

3.3盲目的圖搜索策略

3.4啟發式圖搜索策略

3.5本章小結

習題

第4篇知識表示、推理及專家系統

第4章知識與知識表示

4.1知識與知識表示的概念

4.2一階謂詞邏輯表示法

4.3語義網絡表示法

4.4本章小結

習題

第5章確定性推理方法

5.1推理的基本概述

5.2自然演繹推理

5.3海伯倫定理

5.4魯賓遜歸結原理

5.5歸結反演

5.6本章小結

習題

第6章不確定性推理方法

6.1不確定性推理的基本概念

6.2概率方法

6.3主觀貝葉斯方法

6.4可信度方法

6.5證據理論

6.6本章小結

習題

第7章專家系統

7.1專家系統的概念

7.2專家系統的發展

7.3專家系統的基本結構 

7.4專家系統的開發

7.5本章小結

習題

第5篇進化算法及其應用

第8章進化算法及其應用

8.1進化算法簡介

8.2基本遺傳算法

8.3遺傳算法改進算法

8.4本章小結

習題

第6篇機器學習與神經網絡

第9章機器學習概論

9.1概論

9.2使用scikit-learn的機器學習例子

9.3本章小結

習題

第10章基於簡單線性回歸的機器學習理論基礎

10.1簡單線性回歸

10.2訓練數據、測試數據和驗證數據

10.3偏差和方差

10.4過擬合和欠擬合

10.5成本函數

10.6模型性能評估

10.7查準率和召回率

10.8F1 Score 

10.9本章小結

習題

第11章k-近鄰算法

11.1算法原理

11.2交叉驗證

11.3KNN手寫數字識別

11.4使用OpenCV實現KNN

11.5本章小結

習題

第12章數據表示與特徵工程

12.1特徵工程

12.2數據預處理

12.3數據降維

12.4本章小結

習題

第13章多元線性回歸

13.1簡單線性回歸與多元線性回歸

13.2多項式回歸

13.3正則化

13.4應用線性回歸

13.5梯度下降法

13.6學習曲線

13.7算法模型性能優化

13.8本章小結

習題

第14章邏輯回歸

14.1線性回歸與邏輯回歸

14.2二元分類

14.3垃圾郵件過濾

14.4二元分類性能指標

14.5本章小結

習題

第15章決策樹

15.1算法原理

15.2算法參數

15.3實例： 泰坦尼克號幸存者的預測

15.4決策樹的優缺點

15.5本章小結

習題

第16章集合算法

16.1理解集合算法

16.2隨機森林

16.3預測泰坦尼克號幸存者

16.4本章小結

習題

第17章支持向量機

17.1理論基礎

17.2核方法

17.3SVM的使用

17.4SVM可視化案例

17.5本章小結

習題

第18章樸素貝葉斯算法

18.1基礎概念

18.2sklearn中的樸素貝葉斯算法

18.3算法實例1

18.4算法實例2

18.5本章小結

習題

第19章k-均值算法

19.1算法原理

19.2scikit-learn里的k-均值

19.3聚類算法性能評估

19.4K-Means++

19.5用k-均值進行圖像量化

19.6本章小結

習題

第20章人工神經網絡

20.1神經網絡介紹及單層神經網絡

20.2多層神經網絡和反向傳播算法

20.3捲積神經網絡

20.4本章小結

習題

參考文獻