本书全面介绍了人工智能的基本技术,目标是用通俗易懂的方法帮助读者构建完整的人工智能知识体系,为后续的深入学习打下基础。本书共分为10章,内容包括人工智能概述、知识表示、搜索技术、机器学习、深度学习、自然语言处理、机器人及智能控制等。 本书适合高职高专和应用型本科,作为非人工智能专业的选修课和人工智能专业的导论课教材。也适合作为人工智能技术爱好者的入门书。

第5章 机器学习 机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能,并重新组织已有的知识结构使之不断改善自身性能的技术。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,主要使用归纳、综合而不是演绎的方法。在过去的10年中,机器学习帮助我们自动驾驶汽车,进行语音识别和网络语义搜索。SIGAI将机器学习的方式分为5种:有监督学习、无监督学习、概率图模型、深度学习和强化学习。本章只介绍前4种,强化学习放在第6章介绍。 5.1 机器学习模型 图5-1展示了机器学习的简化过程。 图5-1 机器学习一般过程 f(x)称为学习模型,泛化能力是指机器学习算法对新鲜样本的适应能力。通常期望学习模型具有较强的泛化能力。 1.机器学习与人类学习对比 机器学习属于人工智能的一个分支。所以,学习是一种智能,图5-2给出了机器学习在人工智能学科中的地位。图5-3��出了机器学习与人类学习的对比。 图5-2 机器学习的地位 图5-3 机器学习与人类学习的对比

第1章 AI时代的起航 1.1 一波三折的AI 1 1.1.1 发展历程概览 1 1.1.2 大数据时代的人工智能 8 1.2 AI如影随形 10 1.2.1 手机美颜 10 1.2.2 聊天机器人 10 1.2.3 新闻** 11 1.2.4 在线翻译 12 1.2.5 虚拟现实 12 1.3 AI学派 13 1.3.1 符号主义 13 1.3.2 连接主义 14 1.3.3 行为主义 15 1.3.4 学派比较 16 1.4 人工智能定义 16 1.4.1 概念解析 16 1.4.2 共识概念 17 1.5 AI面临的机遇和挑战 18 1.5.1 认知误区 18 1.5.2 面临的机遇 19 1.5.3 存在的挑战 20 1.5.4 AI将成为公司的生命线 21 1.5.5 AI如何重新定义工作 22 1.6 应具有的AI能力 23 1.6.1 懂工具 23 1.6.2 懂编程 25 1.6.3 懂模型 25 1.6.4 懂业务 27 习题 28 参考文献 29 第2章 感受AI 2.1 析音赏乐 31 2.1.1 语音助手 32 2.1.2 语音识别 32 2.1.3 典型应用场景 33 2.2 别具慧眼 33 2.2.1 人脸识别 33 2.2.2 行人识别 35 2.2.3 图像分类 36 2.2.4 典型应用场景 36 2.3 识文断字 39 2.3.1 手写数据识别 39 2.3.2 问答系统 39 2.3.3 情感分析 40 2.3.4 典型应用场景 40 2.4 神来之笔 41 2.4.1 图像生成 41 2.4.2 图像艺术 42 2.4.3 典型应用场景 42 2.5 运筹帷幄 44 2.5.1 智能家居 44 2.5.2 环境监控 45 2.5.3 典型应用场景 46 习题 49 参考文献 49 第3章 知识表示与推理 3.1 从AI符号主义说起 50 3.1.1 命题逻辑 51 3.1.2 一阶谓词逻辑 53 3.1.3 产生式系统 55 3.1.4 基于符号主义的知识表示瓶颈 56 3.2 基于知识的表示方法 56 3.2.1 人工智能的3个层次 56 3.2.2 知识 57 3.2.3 知识工程的诞生 59 3.2.4 框架 60 3.2.5 语义网络 61 3.2.6 语义Web 62 3.3 知识图谱与知识库 63 3.3.1 问题的提出 63 3.3.2 基本思想 64 3.3.3 基本原理 65 3.3.4 知识图谱的分类 66 3.3.5 知识图谱应用场景 67 3.4 实验:构建基于知识图谱的问答程序 68 习题 71 参考文献 75 第4章 搜索技术 4.1 搜索 76 4.1.1 什么是搜索 76 4.1.2 状态空间表示法 77 4.1.3 状态空间的搜索策略 79 4.2 广度优先 81 4.2.1 广度优先搜索的基本思想 81 4.2.2 广度优先搜索的过程 81 4.3 深度优先 82 4.3.1 深度优先搜索的基本思想 82 4.3.2 深度优先搜索过程 82 4.4 启发式搜索 83 4.4.1 启发性信息与估价函数 84 4.4.2 局部寻优搜索 86 4.4.3 全局寻优搜索 87 4.5 遗传算法 89 4.5.1 遗传算法的发展史 90 4.5.2 遗传算法的基本原理 90 4.5.3 遗传算法的求解步骤 92 4.6 微粒群算法 93 4.6.1 微粒群算法的基本概念及进化方程 93 4.6.2 标准微粒群算法流程 94 4.6.3 微粒群算法的研究现状 95 4.7 实验:粒子群优化算法 96 习题 98 参考文献 100 第5章 机器学习 5.1 机器学习模型 101 5.2 数据准备 103 5.2.1 数据集划分 103 5.2.2 数据标注 104 5.3 学习方式 105 5.3.1 有监督学习 105 5.3.2 无监督学习 109 5.3.3 概率图模型 113 5.3.4 集成学习 117 5.4 模型评估 120 5.4.1 泛化能力 120 5.4.2 交叉验证 121 5.4.3 混淆矩阵 121 5.5 实验:房价预测 122 习题 124 第6章 深度学习 6.1 深度学习概况 129 6.1.1 深度学习是什么 129 6.1.2 深度学习的前世今生 130 6.1.3 深度学习分类 132 6.1.4 深度学习的入门建议 132 6.2 神经网络基础 133 6.2.1 人工神经网络模型 133 6.2.2 感知机学习算法 135 6.2.3 多层前馈神经网络 137 6.2.4 BP算法背后的数学 139 6.2.5 误差反向传播法 142 6.2.6 可视化MLP网络训练 143 6.3 深度学习框架 145 6.3.1 Matlab深度学习工具包 146 6.3.2 TensorFlow深度学习框架 146 6.3.3 PyTorch深度学习框架 147 6.3.4 其他构建方式 148 6.3.5 体验手写数字识别 149 6.4 卷积神经网络及其应用 152 6.4.1 卷积神经网络的功能组件 153 6.4.2 卷积神经网络的架构 158 6.4.3 卷积神经网络识别CIFAR图像集 162 6.5 强化学习 166 6.5.1 一个迷宫问题 167 6.5.2 强化学习问题的框架MDP 169 6.5.3 求解贝尔曼方程 172 6.5.4 强化学习仿真环境 173 6.5.5 深度学习前景展望 177 6.6 实验:利用卷积神经网络识别图像 179 习题 183 参考文献 188 第7章 自然语言处理 7.1 词法分析 189 7.1.1 词法分析概述 189 7.1.2 基本分词方法 190 7.1.3 词性标注 194 7.1.4 实体识别 197 7.2 句法分析 198 7.2.1 句法分析概述 198 7.2.2 自顶向下的句法分析 199 7.2.3 自底向上的句法分析 200 7.2.4 概率上下文无关文法 202 7.3 语义分析 204 7.3.1 语义分析概述 204 7.3.2 词义消歧 204 7.3.3 语义角色标注 209 7.4 实验:Python中文文本分析与可视化 211 习题 213 参考文献 214 第8章 智能控制技术 8.1 自动控制系统 215 8.1.1 概述 215 8.1.2 组成与工作原理 215 8.1.3 分类 216 8.2 模糊控制 217 8.2.1 模糊推理方法 217 8.2.2 模糊控制原理 217 8.2.3 模糊控制系统的设计 218 8.2.4 自适应模糊控制 219 8.3 专家控制 220 8.3.1 原理 220 8.3.2 典型结构 221 8.3.3 实现方法 223 8.4 神经网络控制 224 8.4.1 类型 224 8.4.2 结构 224 8.4.3 模型 225 8.4.4 应用 226 8.4.5 发展趋势 229 8.5 实验:利用智能音箱语音控制计算机的开关机 230 习题 234 参考文献 235 第9章 工业机器人技术 9.1 人工智能与工业4.0 236 9.1.1 智能制造生态系统 237 9.1.2 工业机器人 237 9.1.3 智慧工厂 242 9.1.4 工业智能化趋势 243 9.2 工业机器人核心技术 245 9.2.1 传感技术 246 9.2.2 芯片技术 246 9.2.3 智能控制技术 248 9.2.4 多智能体调控技术 249 9.3 工业软件编程 249 9.3.1 工业互联网架构 249 9.3.2 神经网络 251 9.3.3 可视化学习 251 9.4 工业机器人产业链 253 9.4.1 工业机器人研发设计 254 9.4.2 智能制造客户交互 256 9.4.3 工业机器人核心部件 257 9.4.4 工业机器人供应链 259 9.5 工业机器人操作与维护 260 9.5.1 工业机器人操作 260 9.5.2 工业机器人维护 261 9.6 实验:工业机器人软件技术运维 264 习题 277 参考文献 279 第10章 建筑智能化技术 10.1 智能建筑集成系统 280 10.1.1 智能建筑云架构 281 10.1.2 智慧工地 282 10.1.3 智能建筑 289 10.1.4 智慧城市 289 10.2 建筑设备装置智能化 290 10.2.1 建筑装备智能化 290 10.2.2 工程机械智能化 291 10.2.3 智能建筑3D打印 291 10.3 建筑智能化应用系统 293 10.3.1 智能化集成系统 293 10.3.2 信息设施系统 293 10.3.3 信息化应用系统 294 10.3.4 建筑设备管理系统 294 10.3.5 公共**系统 294 10.3.6 机房工程 295 10.4 建筑智能化系统运维 295 10.4.1 智能建筑的运维技术要求 295 10.4.2 Honeywell楼宇智控系统简介 297 10.4.3 建筑智能化的未来 298 10.5 实验:楼宇智控系统EBI的安装配置调试 300 习题 308 参考文献 309 附录A AIRack人工智能实验平台 附录B AICloud人工智能云平台 附录C 云创学习工场—专注大数据、人工智能培训与认证