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。
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。
电子书
本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习等几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书还用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能密切相关的前沿技术。
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
