深入淺出人工智能

目錄 

第1章  人工智能概論 1

1.1  人工智能的定義和分類 2

1.2  人工智能的特徵 4

1.3  人工智能的主要流派 5

1.3.1  符號主義學派 5

1.3.2  聯結主義學派 6

1.3.3  行為主義學派 6

1.4  人工智能編程語言—— Python 6

1.5  人工智能的關鍵技術 8

1.5.1  電腦視覺 8

1.5.2  知識圖譜 9

1.5.3  自然語言處理 9

1.5.4  機器學習 9

1.5.5  感知技術 10

1.6  人工智能的應用場景 11

1.6.1  圖像識別 11

1.6.2  語音識別 11

1.6.3  無人駕駛 12

1.6.4  聊天機器人—— ChatGPT 13

1.6.5  智能家居 13

習題 14

第2章  人工智能編程語言之Python 15

2.1  搭建人工智能Python環境 16

2.1.1  搭建Python環境 17

2.1.2  搭建PyCharm環境 20

2.1.3  安裝擴展模塊庫 23

2.2  Python程序簡介 25

2.2.1  Python常量 26

2.2.2  Python變量 26

2.2.3  Python註釋 27

2.2.4  Python數據類型 28

2.2.5  Python程序結構 40

2.2.6  Python 函數 44

2.3  NumPy基礎應用 45

2.3.1  方程求解 46

2.3.2  數組運算 47

習題 48

第3章  電腦視覺 49

3.1  電腦視覺的定義 50

3.2  電腦視覺理解圖像的原理 50

3.3  電腦視覺的任務 51

3.3.1  圖像檢測 51

3.3.2  圖像分割 52

3.3.3  圖像分類 53

3.4  電腦視覺的應用場景 53

3.4.1  人臉識別 53

3.4.2  視頻監控 54

3.4.3  圖像識別 55

3.4.4  無人駕駛 55

3.5  物體檢測算法——滑動窗口物體檢測法 56

習題 57

第4章  知識圖譜 59

4.1  知識圖譜的定義 60

4.2  知識圖譜的構建過程 60

4.2.1  知識抽取 61

4.2.2  知識融合 62

4.2.3  知識加工 63

4.3  案例——構建人工智能知識圖譜 64

習題 69

第5章  自然語言處理 71

5.1  自然語言處理的定義 72

5.1.1  自然語言理解 72

5.1.2  自然語言生成 73

5.2  自然語言的發展歷程 73

5.2.1  早期自然語言處理階段 74

5.2.2  統計自然語言處理階段 74

5.2.3  神經網絡自然語言處理階段 74

5.3  自然語言處理技術 74

5.3.1  語法分析 75

5.3.2  句法分析 75

5.3.3  語義分析 75

5.3.4  語用分析 76

5.3.5  篇章分析 76

5.4  自然語言處理的判別標準 76

5.5  自然語言處理的應用場景 76

5.5.1  機器翻譯 77

5.5.2  信息檢索 78

5.5.3  情感分析 79

5.5.4  自動問答 80

習題 80

第6章  機器學習與線性回歸 81

6.1  機器學習的定義 82

6.2  機器學習的發展歷程 82

6.3  機器學習算法分類 83

6.3.1  監督學習 84

6.3.2  半監督學習 84

6.3.3  無監督學習 85

6.3.4  強化學習 85

6.4  機器學習的過程 85

6.5  認識機器學習算法——線性回歸 86

6.5.1  線性回歸的數學表達式 86

6.5.2  線性回歸求解過程 87

6.6  案例——預測房房價格 88

習題 93

第7章  機器學習與分類器 95

7.1  分類器的工作原理 96

7.2  常用的分類器 97

7.2.1  k近鄰分類器 97

7.2.2  決策樹分類器 99

7.2.3  支持向量機 105

7.2.4  人工神經網絡 106

7.2.5  Adaboost算法 110

7.3  案例——使用SVM算法進行乳腺腫瘤識別 112

7.3.1  乳腺腫瘤細胞樣本數據集簡介 113

7.3.2  SVM算法診斷乳腺腫瘤詳細過程 114

習題 116

第8章  機器學習——物以類聚，人以群分 117

8.1  聚類方法 118

8.2  k均值算法 118

8.3  數據降維算法 122

8.4  案例1——採用數據降維算法評價學生成績 123

8.5  案例2——採用k均值算法分類鳶尾花 126

習題 130

第9章  機器學習——強化學習 131

9.1  強化學習概述 132

9.1.1  強化學習的定義 132

9.1.2  強化學習的基本組成部分 132

9.1.3  強化學習的特點 133

9.1.4  強化學習的分類 133

9.1.5  強化學習的應用場景 134

9.2  Q-learning算法 135

9.2.1  Q-table 135

9.2.2  Q-learning算法的執行過程 136

9.3  案例——採用Q-learning算法解決迷宮問題 136

習題 139

第10章  感知技術 141

10.1  傳感器技術 142

10.1.1  認識傳感器 142

10.1.2  傳感器與人工智能 143

10.1.3  傳感器的分類 144

10.1.4  常用的傳感器 146

10.1.5  傳感器的五大性能指標 149

10.2  射頻識別技術 150

10.2.1  射頻識別的定義 150

10.2.2  射頻識別的工作原理 152

10.3  衛星定位技術 153

習題 154

第11章  圖像識別——機器也懂你 155

11.1  圖像識別的原理和定義 156

11.1.1  圖像識別的原理 156

11.1.2  圖像識別的定義 156

11.2  圖像識別瓶頸 157

11.3  圖像識別過程 158

11.3.1  圖像數據採集階段 159

11.3.2  圖像預處理階段 160

11.3.3  特徵提取及選擇階段 160

11.3.4  分類器設計階段 161

11.3.5  分類決策階段 162

11.3.6  案例1——迎春花與連翹花識別 162

11.4  人臉識別 164

11.4.1  人臉識別過程 164

11.4.2  人臉識別函數opencv 166

11.4.3  案例2——檢測某一幅圖像中的人臉區域 167

11.4.4  案例3——識別出某一幅圖像中的人臉身份信息 169

習題 173

第12章  語音識別——機器也聽話 175

12.1  聲波的定義 176

12.2  聽覺原理 176

12.3  語音識別原理 176

12.3.1  聲波特徵提取階段 177

12.3.2  聲波解碼階段 179

12.4  語音識別實現方式 181

12.5  海思語音識別案例 181

12.5.1  海思音頻模塊 182

12.5.2  海思語音識別原理 183

12.6  案例—— SpeechRecognition實現語音識別 184

12.6.1  使用librosa擴展庫獲取聲波特徵 184

12.6.2  使用SpeechRecognition 函數庫和pocketsphinx語音識別庫識別語音 185

習題 186

第13章  無人駕駛——免費代駕 187

13.1  認識無人駕駛車 188

13.2  無人駕駛系統的基本結構 188

13.2.1  無人駕駛感知層 189

13.2.2  無人駕駛決策層 191

13.2.3  無人駕駛執行層 191

13.3  無人駕駛分級 192

13.3.1  0級——應急輔助 192

13.3.2  1級——部分駕駛輔助 193

13.3.3  2級——組合駕駛輔助 193

13.3.4  3級——交通擁堵輔助 194

13.3.5  4級——高級自動駕駛 194

13.3.6  5級——完全自動駕駛 194

13.4  無人駕駛核心技術 194

13.4.1  感知技術 194

13.4.2  決策技術 195

13.4.3  定位技術 195

13.4.4  通信安全技術 196

13.4.5  人機交互技術 196

13.5  案例1——百度無人駕駛車Apollo  RT6 196

13.5.1  Apollo RT6無人駕駛車工作原理 197

13.5.2  Apollo RT6無人駕駛車整車全冗餘系統技術 198

13.5.3  Apollo星河平臺技術 198

13.6  案例2——採用YOLO算法檢測小轎車 199

13.6.1  YOLO算法簡介 199

13.6.2  BDD100K數據集簡介 202

13.6.3  YOLO算法檢測小車 案例 203

習題 204

第14章  聊天機器人——成為您的好助手 205

14.1  ChatGPT的用途 206

14.2  ChatGPT的基本工作原理 206

14.2.1  數據收集 206

14.2.2  數據預處理 207

14.2.3  數據模型建立 207

14.2.4  文本、圖像、視頻、音頻 生成 208

14.2.5  文本、圖像、視頻、音頻 多模態輸出 208

14.3  ChatGPT應用案例 209

14.3.1  案例1—— ChatGPT 文生文 209

14.3.2  案例2—— ChatGPT 文生圖 209

14.3.3  案例3——基於Transformer的生成式對話模型 211

14.4  文心一言——中國的ChatGPT 212

14.4.1  文心大模型 212

14.4.2  飛槳產業級深度學習平臺 213

14.4.3  文心一言的功能 216

習題 220

第15章  智能家居 221

15.1  智能家居的定義 222

15.2  智能家居系統 222

15.2.1  家庭布線系統 222

15.2.2  家庭安防系統 222

15.2.3  人工智能系統 223

15.3  智能家居系統的功能 224

15.3.1  家庭安全防範功能 225

15.3.2  家庭環境控制功能 225

15.3.3  家庭家電控制功能 225

15.3.4  家庭多媒體控制功能 225

15.3.5  家庭信息智能處理功能 225

15.4  智能家居的主流品牌 225

15.4.1  Control 4 226

15.4.2  Honeywell 226

15.4.3  米家 227

15.5  案例—— Control 4燈光智能控制系統 228

習題 231

附錄 233

參考文獻 251