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
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 視覺和聽覺感知
2.4 記憶與思維認(rèn)知
本章小結(jié)
習(xí)題
參考文獻
第3章 經(jīng)典人工智能
導(dǎo)讀
3.1 知識表示方法
3.2 搜索技術(shù)
3.3 知識推理
3.4 不確定性推理
本章小結(jié)
習(xí)題
參考文獻
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
第5章 優(yōu)化與智能計算
導(dǎo)讀
5.1 優(yōu)化的基本概念
5.2 凸優(yōu)化、梯度下降與隨機梯度
5.3 智能優(yōu)化方法
本章小結(jié)
習(xí)題
參考文獻
第6章 統(tǒng)計學(xué)習(xí)方法
導(dǎo)讀
6.1 統(tǒng)計學(xué)習(xí)的基本概念
6.2 小二乘與壓縮感知
6.3 支持向量機及核方法
6.4 決策樹、集成學(xué)習(xí)和隨機森林
6.5 無監(jiān)督學(xué)習(xí)
本章小結(jié)
習(xí)題
參考文獻
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 長短期記憶網(wǎng)絡(luò)
7.5 深度學(xué)習(xí)在圖像語義分割的應(yīng)用
本章小結(jié)
習(xí)題
參考文獻
第8章 強化學(xué)習(xí)
導(dǎo)讀
8.1 什么是強化學(xué)習(xí)
8.2 強化學(xué)習(xí)基礎(chǔ)
8.3 基于模型的強化學(xué)習(xí)方法
8.4 無模型的強化學(xué)習(xí)方法
8.5 基于直接策略搜索的強化學(xué)習(xí)方法
8.6 強化學(xué)習(xí)前沿
本章小結(jié)
習(xí)題
參考文獻
第9章 自然語言處理
導(dǎo)讀
9.1 自然語言處理概述
9.2 自然語言處理基礎(chǔ)
9.3 文本解析
9.4 文本向量化表示
9.5 語言模型與預(yù)測
9.6 機器翻譯
本章小結(jié)
習(xí)題
參考文獻
第10章 智能機器人
導(dǎo)讀
10.1 智能機器人的分類
10.2 智能機器人的相關(guān)技術(shù)
10.3 智能機器人的現(xiàn)狀
10.4 智能機器人的廣泛應(yīng)用
10.5 工業(yè)智能機械臂
10.6 智能汽車
10.7 腦控機器人
本章小結(jié)
習(xí)題
參考文獻