本书从人工智能的基本定义出发，阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习等方面的内容。
电子书
内容简介
本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的兴趣；学习情境2主要从智能机器如何进行知识存储的角度来理解人工智能；学习情境3主要从智能机器如何使用知识进行探索世界和求解问题的角度来进一步理解人工智能；学习情境4主要从智能机器如何进行自主学习知识、增长智慧的角度来理解人工智能；学习情境5主要从人工智能的自然辩证法视角理解人工智能的本质，从社会学角度给智能机器添加伦理与法律的约束，从而消除人类对人工智能的恐惧，使得人工智能技术更好地为人类服务。 本书在思政方面围绕“爱国精神、崇尚科技、思维模式、乐观进取”，将其与人工智能技术进行“术道融合”，结合“做中学、做中悟”的方式来开展立德树人的工作。 本书可作为高等职业院校电子信息类专业、机电一体化专业、应用电子技术专业及相关专业的教材，也可作为相关技术人员的参考用书。
章节目录
- 封面
- 书名页
- 版权
- 出版说明
- 前言
- 二维码资源清单
- 学习情境1 让机器走进您的世界——人工智能概述
- 情境导入
- 情境目标
- 知识链接
- 1.1 人工智能简史
- 1.1.1 全球人工智能发展史
- 1.1.2 我国人工智能发展史
- 1.2 人工智能的产生
- 1.3 人工智能的发展
- 1.3.1 计算机时代
- 1.3.2 人工智能的开端
- 1.3.3 人工智能程序积累阶段
- 1.3.4 超越人类的临界点
- 1.4 人工智能的主流学派
- 1.4.1 符号学派：物理符号系统假说
- 1.4.2 连接学派
- 1.4.3 行为学派
- 1.4.4 三大学派的比较
- 1.5 人工智能的定义
- 1.6 人工智能的五个感官
- 1.7 人工智能的分类
- 1.7.1 按发展阶段分
- 1.7.2 按应用领域分
- 1.7.3 按智能化强弱程度分
- 1.8 人工智能对人类的影响
- 情境操作
- 1.9 案例欣赏
- 1.9.1 案例1 生物表情自动评价：再没有“水军”滥竽充数
- 1.9.2 案例2 老人身边的医生：人工智能对生命的关怀
- 情境小结
- 课后习题
- 学习情境2 让机器具有知识——知识表示技术
- 情境导入
- 情境目标
- 知识链接
- 2.1 知识的概述
- 2.1.1 知识、信息和数据
- 2.1.2 知识的特性
- 2.1.3 知识的分类
- 2.1.4 知识表示
- 2.2 知识的表示方法
- 2.2.1 逻辑表示法
- 2.2.2 语义网络表示法
- 2.2.3 框架表示法
- 2.2.4 产生式表示法
- 2.2.5 状态空间表示法
- 2.2.6 问题归约法
- 2.2.7 面向对象表示法
- 2.2.8 模糊逻辑表示法
- 情境操作
- 2.3 任务实施
- 2.3.1 任务1 动物识别的产生式知识表示
- 2.3.2 任务2 传教士和野人过河问题的状态空间知识表示
- 2.3.3 任务3 摆放家具的面向对象知识表示
- 2.3.4 任务4 自动控制系统的模糊知识表示
- 情境小结
- 课后习题
- 学习情境3 让机器使用知识——搜索与推理
- 情境导入
- 情境目标
- 知识链接
- 3.1 搜索和推理概述
- 3.1.1 搜索
- 3.1.2 推理
- 3.2 状态空间的搜索策略
- 3.2.1 状态空间搜索的基本思想
- 3.2.2 图搜索的一般过程
- 3.3 状态空间的盲目搜索
- 3.3.1 广度优先搜索
- 3.3.2 深度优先搜索
- 3.3.3 代价树搜索
- 3.4 状态空间的启发式搜索
- 3.4.1 启发性信息和估价函数
- 3.4.2 A算法
- 3.5 遗传算法搜索
- 3.5.1 遗传算法的结构
- 3.5.2 遗传算法的基本原理
- 3.5.3 遗传算法的性能
- 3.6 基于规则的演绎推理
- 3.7 产生式推理
- 3.8 不确定性推理
- 3.8.1 概率推理
- 3.8.2 模糊推理
- 情境操作
- 3.9 任务实施
- 3.9.1 任务1 过河问题的状态空间深度优先搜索应用
- 3.9.2 任务2 八数码问题的启发式搜索应用
- 3.9.3 任务3 函数最大值的遗传算法搜索应用
- 3.9.4 任务4 动物识别的产生式推理应用
- 3.9.5 任务5 自动控制系统的模糊推理应用
- 情境小结
- 课后习题
- 学习情境4 让机器习得知识——机器学习
- 情境导入
- 情境目标
- 知识链接
- 4.1 习得技术概述
- 4.2 学习相关的基本概念
- 4.2.1 标签
- 4.2.2 特征
- 4.2.3 模型
- 4.2.4 回归与分类
- 4.2.5 聚类
- 4.3 机器学习的定义
- 4.4 机器学习的过程
- 4.5 机器学习的分类
- 4.6 机器学习的方法
- 4.6.1 有监督学习
- 4.6.2 无监督学习
- 4.6.3 半监督学习
- 4.6.4 强化学习
- 4.6.5 迁移学习
- 4.7 机器学习的模型
- 4.7.1 线性模型
- 4.7.2 核模型
- 4.7.3 层级模型
- 4.8 深度学习
- 4.8.1 深度学习概述
- 4.8.2 深度学习的模型——神经网络
- 4.8.3 常用的深度学习框架
- 情境操作
- 4.9 任务实施
- 4.9.1 任务1 自搭建线性模型解决分类问题
- 4.9.2 任务2 运用TensorFlow框架解决分类问题
- 4.9.3 任务3 运用层次模型解决招聘程序员薪资预测问题
- 4.9.4 任务4 运用卷积运算提取图像特征
- 4.9.5 任务5 运用卷积神经网络CNN识别图像
- 情境小结
- 课后习题
- 学习情境5 让机器成为“社会人”——德才兼备
- 情境导入
- 情境目标
- 知识链接
- 5.1 人工智能的自然辩证法
- 5.1.1 自然辩证法
- 5.1.2 人类改造世界的工具
- 5.1.3 人工智能的本质
- 5.1.4 人工智能的“工具”特殊性
- 5.2 人工智能的社会约束
- 5.2.1 人工智能社会
- 5.2.2 人工智能的社会属性
- 5.2.3 人工智能社会的特点
- 5.2.4 人与人工智能的社会关系
- 5.2.5 人工智能社会的问题
- 5.2.6 人工智能的伦理规范构建
- 5.2.7 人工智能的法律规范构建
- 情境操作
- 5.3 任务实施
- 5.3.1 任务1 快速搭建简单的陪伴机器人
- 5.3.2 任务2 陪伴机器人的伦理案例分析
- 情境小结
- 课后习题
- 参考文献
- 封底
展开全部
人工智能导论是2021年由机械工业出版社出版,作者关景新 姜源。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《人工智能导论》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书由四篇共17章组成。第一篇是基础理论篇，共九章（第1～9章），从整体角度介绍人工智能的基本概念与基础理论。第二篇是应用技术篇，共四章（第10～13章），介绍人工智能基础理论与相关分支领域相融合所产生的新技术。第三篇是应用篇，共三章（第14～16章），介绍智能产品的开发及目前广为流行的四种应用实例。第四篇是展望篇，共一章（第17章），对人工智能学科今后发展提出建议和看法。 在本书的编写中坚持三
电子书
本书共分10个项目，详细介绍了人工智能导论的相关知识，内容包括人工智能的前世今生、从零开始认识人工智能、人工智能编程基础开发语言——Phython、物体识别、计算机视觉的应用——人脸识别、生物信息识别、自然语言处理、语音识别、无人驾驶和数据挖掘。本书适用于高职高专院校理工科学生，作为通识课教材使用。
电子书
本书以培养人工智能素养、计算思维能力和人工智能应用能力为目标，选用Python作为讲授计算思维和人工智能的载体，通过问题驱动、层层递进方式，培养学生的信息处理能力、问题解决能力和人工智能技术应用能力。本书内容主要包括人工智能绪论、人工智能之Python基础、人工智能之Python进阶、人工智能之商业智能、人工智能之BaiduAI库应用、人工智能之机器学习、创建GUI程序，以及人工智能之仿真模拟。
电子书
本书内容包括ProcessSimulate概述，夹具、机器人的定义与机构的创建，机器人搬运、机床上下料、机器人焊接、点焊工作站、码垛工作站的模拟仿真。
电子书
本书共6章：第1章概述了工业报警系统的研究意义、突出问题和研究现状；第2章通过基于报警统计量的状态图，描述了某个时期内报警变量所处的运行状态；第3章提出了报警延迟器、报警死区和报警阈值的优化设计方法；第4章以关联变量的变化方向、变化空间、变化速率为基础，设计了相应的多变量报警器；第5章针对描述报警变量与根源变量关系的不同模型，建立了3种报警根源分析方法；第6章面向短时间内出现的大量报警信息，设计了
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景拓展。
