本书针对高等职业院校学生的学习特点和发展需求编写而成，全面系统地介绍了Java面向对象程序设计语言的基本知识和技能。全书共分7章，内容包括：Java程序设计初步、简单程序设计、面向对象方法、输入与输出、异常处理与使用集合类、图形用户界面、多线程与应用程序部署等，各节均配套设计了编程实训、作业等内容，用于切实加强学生的编程训练，具有较强的系统性、可读性和实用性。 本书适合作为高等院校计算机专业、大
电子书
内容简介
人工智能是计算机科学的一个重要分支与应用。目前人工智能主要的研究与开发方向有模拟、延伸与扩展人类智能的理论、方法、技术及应用系统，涉及的技术与应用包括：大数据思维、知识表示、专家系统、机器学习、深度学习、机器人技术、图像识别、语音识别和自然语言处理等。 本书系统、全面地介绍了人工智能的相关基本观念与知识，既简明扼要地介绍了这一学科的基础知识与应用技术，也对自然语言处理、神经网络与深度学习等内容进行了拓展，更辅以实例作为思维与动手实践的学习支架，帮助读者打好学习人工智能的知识基础。 与本书配套的教学课件等文档可从www.tdpress.com/51eds网站下载。 本书适合作为高等院校相关专业的教材，也可作为对人工智能相关领域感兴趣的读者的学习用书。
章节目录
- 封面
- 书名页
- 版权页
- 前言
- 目录
- 第一部分 了解人工智能及其典型应用
- 第1章 绪论
- 1.1 人工智能的概念
- 1.1.1 人工智能的定义
- 1.1.2 强人工智能与弱人工智能
- 1.2 人工智能发展历史
- 1.2.1 了解图灵和冯·诺依曼
- 1.2.2 通用机器
- 1.2.3 人工智能学科的诞生
- 1.2.4 人工智能的发展历程
- 1.3 人工智能的研究
- 1.3.1 人工智能的研究领域
- 1.3.2 人工智能在计算机上的实现方法
- 1.4 人工智能的应用领域
- 第2章 智慧城市与智能家居
- 2.1 智慧城市的概念
- 2.2 智慧城市及其他
- 2.2.1 智慧城市与数字城市
- 2.2.2 智慧城市与智能城市
- 2.2.3 智慧城市与智慧农业
- 2.3 智慧城市的应用体系
- 2.4 智慧交通——智慧城市建设的必经之路
- 2.4.1 智慧交通是智慧城市的建设前提
- 2.4.2 轨道交通驾驶系统的发展
- 2.4.3 轨道交通的无人驾驶模式
- 2.5 智能家居
- 2.5.1 家庭自动化
- 2.5.2 家庭网络
- 2.5.3 网络家电
- 2.5.4 智能家居的设计理念
- 第3章 智慧医疗与公共健康
- 3.1 数据智慧促进医疗与健康
- 3.1.1 循证医学的发展
- 3.1.2 医疗保健新突破
- 3.1.3 超级大数据的最佳伙伴——搜索
- 3.1.4 数据决策的成功崛起
- 3.2 智慧医疗的定义
- 3.2.1 智能时代的医疗信息
- 3.2.2 智慧的医疗信息平台
- 3.2.3 医疗体制改革
- 3.3 智慧医疗的组成
- 3.3.1 智慧医院系统
- 3.3.2 区域卫生系统
- 3.3.3 家庭健康系统
- 3.4 健康美好未来
- 第4章 新零售与客户服务
- 4.1 智慧新零售
- 4.1.1 动因与政策背景
- 4.1.2 新零售的新观点
- 4.2 智能客户服务
- 4.2.1 智能客服如何帮助企业
- 4.2.2 研发智能客服需要克服的困难
- 4.2.3 企业如何布局智能客服
- 4.3 智能客服时代的人和机器分工
- 4.3.1 用机器守住第一触点
- 4.3.2 让机器分发个性内容
- 4.3.3 以机器优化人工服务
- 4.4 智能客服——聊天机器人
- 4.4.1 聊天机器人系统的组成结构
- 4.4.2 智能客服系统的组成结构
- 第5章 智慧地球之智慧教育
- 5.1 关于智慧地球
- 5.1.1 智慧地球战略的主要内容
- 5.1.2 智慧地球的三个重要维度与四个关键问题
- 5.2 教育新方向——智慧教育
- 5.2.1 智慧教育的定义
- 5.2.2 智慧校园是智慧教育的一部分
- 5.2.3 建设智慧教室
- 5.2.4 智慧教学模式
- 5.3 智慧教育（系统）建设
- 5.4 智慧教育的内涵与特征
- 5.4.1 智慧教育的内涵
- 5.4.2 智慧教育的教育特征
- 5.4.3 智慧教育的技术特征
- 第6章 人工智能与社会发展
- 6.1 创新发展与社会影响
- 6.1.1 人工智能发展的启示
- 6.1.2 人工智能的发展现状与影响
- 6.2 发展人工智能对社会的利与弊
- 6.3 人工智能时代需要的人才
- 6.3.1 社会进步取代了传统劳动
- 6.3.2 新创造的核心工作岗位
- 6.3.3 未来最热门的五个岗位
- 6.4 人工智能与安全
- 6.4.1 建立人工智能生态系统
- 6.4.2 人才和基础设施短缺
- 6.4.3 安全问题不容忽视
- 6.4.4 设定伦理要求
- 6.4.5 强力保护个人隐私
- 第二部分 基础知识
- 第7章 大数据思维
- 7.1 大数据与人工智能
- 7.2 思维转变之一：样本=总体
- 7.2.1 小数据时代的随机采样
- 7.2.2 大数据与乔布斯的癌症治疗
- 7.2.3 全数据模式：样本=总体
- 7.3 思维转变之二：接受数据的混杂性
- 7.3.1 允许不精确
- 7.3.2 纷繁的数据越多越好
- 7.3.3 混杂性是标准途径
- 7.3.4 5％的数字数据与95％的非结构化数据
- 7.4 思维转变之三：数据的相关关系
- 7.4.1 关联物，预测的关键
- 7.4.2 “是什么”，而不是“为什么”
- 7.4.3 通过因果关系了解世界
- 7.4.4 通过相关关系了解世界
- 第8章 知识表示
- 8.1 知识表示的概念
- 8.1.1 知识的定义
- 8.1.2 知识表示方法
- 8.1.3 表示方法的选择
- 8.2 图形草图
- 8.3 图和哥尼斯堡桥问题
- 8.4 搜索树（决策树）
- 8.5 产生式系统
- 8.6 面向对象
- 8.7 框架法
- 8.8 语义网络
- 8.8.1 语义网络表示
- 8.8.2 知识图谱
- 第三部分 基于知识的系统
- 第9章 专家系统
- 9.1 专家系统及其发展
- 9.1.1 在自己的领域里作为专家
- 9.1.2 五个技能获取阶段
- 9.1.3 专家的特点
- 9.1.4 专家系统的特征
- 9.1.5 建立专家系统要思考的问题
- 9.2 知识工程
- 9.3 知识获取
- 9.4 专家系统的结构
- 9.4.1 知识库
- 9.4.2 推理机
- 9.4.3 其他部分
- 9.5 经典的专家系统
- 9.5.1 DENDRAL专家系统
- 9.5.2 振动故障诊断的专家系统
- 9.5.3 自动牙科识别
- 第10章 机器学习
- 10.1 机器学习的概念
- 10.1.1 机器学习的发展
- 10.1.2 机器学习的定义
- 10.2 机器学习的学习类型
- 10.2.1 监督学习
- 10.2.2 无监督学习
- 10.2.3 强化学习
- 10.3 机器学习的算法
- 10.3.1 算法的定义
- 10.3.2 回归算法
- 10.3.3 基于实例的算法
- 10.3.4 决策树算法
- 10.3.5 贝叶斯算法
- 10.3.6 聚类算法
- 10.3.7 神经网络算法
- 10.4 机器学习的基本结构
- 10.5 机器学习的分类
- 10.5.1 基于学习策略的分类
- 10.5.2 基于所获取知识的表示形式分类
- 10.5.3 按应用领域分类
- 10.5.4 综合分类
- 10.6 机器学习的应用
- 10.6.1 应用于物联网
- 10.6.2 应用于聊天机器人
- 10.6.3 应用于自动驾驶
- 第11章 深度学习
- 11.1 了解神经网络
- 11.1.1 人脑神经的研究
- 11.1.2 人工神经网络的研究
- 11.1.3 神经网络理解图片
- 11.2 深度学习的概念
- 11.2.1 深度学习的意义
- 11.2.2 深度的定义
- 11.2.3 深度学习的核心思路
- 11.2.4 深度学习的实现
- 11.3 机器学习和深度学习
- 第四部分 高级专题
- 第12章 机器人技术
- 12.1 划时代的计划
- 12.1.1 划时代的阿波罗计划
- 12.1.2 机器人学中新的标准问题
- 12.2 机器感知
- 12.2.1 机器智能与智能机器
- 12.2.2 机器思维与思维机器
- 12.2.3 机器行为与行为机器
- 12.3 机器人的概念
- 12.3.1 机器人的发展
- 12.3.2 机器人的定义与“三原则”
- 12.3.3 机器人的分类
- 12.4 机器人的技术问题
- 12.4.1 机器人的组成
- 12.4.2 机器人的运动
- 12.4.3 机器人大狗
- 12.5 智能制造
- 12.5.1 智能制造的定义
- 12.5.2 综合特征
- 12.5.3 智能技术
- 12.5.4 测控装置
- 12.5.5 运作过程
- 第13章 智能图像处理
- 13.1 模式识别
- 13.2 图像识别
- 13.2.1 人类的图像识别能力
- 13.2.2 图像识别的基础
- 13.2.3 计算机图形识别模型
- 13.2.4 图像识别的发展
- 13.3 机器视觉与图像处理
- 13.3.1 机器视觉的发展
- 13.3.2 图像处理
- 13.3.3 计算机视觉
- 13.3.4 计算机视觉与机器视觉的区别
- 13.3.5 神经网络的图像识别技术
- 13.4 图像识别技术的应用
- 13.4.1 机器视觉的行业应用
- 13.4.2 检测与机器人视觉应用
- 13.4.3 应用案例：布匹质量检测
- 13.5 智能图像处理技术
- 13.5.1 图像采集
- 13.5.2 图像预处理
- 13.5.3 图像分割
- 13.5.4 目标识别和分类
- 13.5.5 目标定位和测量
- 13.5.6 目标检测和跟踪
- 第14章 自然语言处理
- 14.1 语言的问题和可能性
- 14.2 什么是自然语言处理
- 14.3 自然语言处理的历史
- 14.3.1 基础期（20世纪40年代和50年代）
- 14.3.2 符号与随机方法（1960—1970年）
- 14.3.3 四种范式（1971—1983年）
- 14.3.4 经验主义和有限状态模型（1984—1993年）
- 14.3.5 大融合（1994—1999年）
- 14.3.6 应用机器学习（2000—2008年）
- 14.4 语法类型与语义分析
- 14.4.1 语法类型
- 14.4.2 语义分析和扩展语法
- 14.5 处理数据与处理工具
- 14.5.1 统计NLP语言数据集
- 14.5.2 自然语言处理工具
- 14.5.3 自然语言处理技术难点
- 14.6 语音处理
- 14.6.1 语音处理的发展
- 14.6.2 语音理解
- 14.6.3 语音识别
- 14.6.4 自然语言处理的应用
- 附录 各章作业参考答案
- 书脊
- 封底
展开全部
人工智能概论是2019年由中国铁道出版社出版,作者周苏,王文。
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《人工智能概论》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
本书全面介绍了智能机器人的发展历史、探究过程，以及在各个领域的应用，以通俗易懂的语言和生动有趣的示例为你揭示人工智能不为人知的奥秘。全书既有科学的严谨性，又不乏趣味性，以生动的笔触将科学之美展现得淋漓尽致，有助于读者开阔视野，激发进一步探索科学的兴趣。本书适合所有关注智能机器人领域的从业者参考阅读。
电子书
本书系统阐述了图像目标检测的有关概念、原理和方法，共分10章。第1章简要介绍了图像目标检测的意义和应用，第2章介绍了光学成像过程模型与图像处理，第3章介绍了基于适应性模型的动态环境背景建模方法，第4章介绍了基于非线性降维强散射环境中图像特征提取方法，第5章介绍了基于先验知识的图像目标分割方法，第6章介绍了压缩域图像处理与运动目标分割方法，第7章介绍了仿生视觉模型与图像处理，第8章介绍了仿蛙眼视觉分
电子书
本体是共享概念模型明确的形式化规范说明。其重要性已在知识工程、智能信息集成、信息检索与获取、软件工程、自然语言处理、普适计算等许多方面有所体现。本书全面概括了本体演化的一些方法，重点研究开放环境下本体演化中的本体一致性推理算法、本体演化序列内部与序列之间的冲突检测、冲突诊断算法和本体演化多版本差异检测算法，同时就所涉及的算法进行了系统的实验和比较。本书可作为本体推理、本体演化领域开发人员和技术人员
电子书
本书介绍了深度学习的基本概念、算法原理以及实现框架。全书共9章，分别介绍了深度学习的发展历史、神经网络与深度神经网络、卷积神经网络、循环神经网络、深度学习在目标检测和图像描述中的应用、生成对抗网络、深度迁移学习和深度强化学习等，并提供了应用实例。
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
机器学习已经广泛地应用于各行各业，深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践，首先讨论了TensorFlow、PySpark、TI-ONE等主流机器学习平台的主要特点；然后结合Tableau介绍了数据可视化在银行客户用卡行为分析的应用。在此基础上，利用上述介绍的这些平台，通过多个项目案例，详细地分析了决策树、随机森林、支持向量机、逻辑回归、贝叶斯网络、卷积神经网络、循环神经网络、对抗
电子书
本书介绍了自然语言处理的原理与Java编程语言的技术实现，主要包括多种语言的文本处理、分布式算法与代码实现、自然语言处理相关系统构建等内容。
