本书致力于推动人工智能的普及教育,使用通俗易懂的语言深入浅出地介绍了人工智能相关知识,包括机器学习和深度学□□基本内容,并结合图像信息处理和自然语言处理两个典型应用展开阐述,使读者能快速掌握人工智能的基本概念、基本知识体系和框架,为进一步学习打下良好基础。本书共分6章:前4章主要介绍基础入门知识,包括绪论、基本分类、回归与聚类和神经网络与深度学习;第5章和第6章结合人工智能目前□热门的两个技术应用领域—图像信息处理和自然语言处理展开论述。本书强调实用性和可读性,并在章节中增加了课程思政的案例和内容,可作为高中生的科普教材、高职高专和高等院校学生学习人工智能的通识课程教材,也可作为人工智能技术人员和管理人员的入门参考书。本书提供□□、PPT、习题等辅助教学资料,读者可访问本出版社教学资源链接http:www.w□□ookshow.com和http:www.waterpub.com.cn获得;本书配套慕课教程,读者可访问智慧树网站链http:www.zhihuishu.com搜索课程“人工智能基础”获得。以上资源也可联系作者(xdzhanggy@163.com)或出版社(3055866□7

第二版前言 □□版前官 □□章 绪论 1.1 人工智能的基本概念 1.□ 人工智能的发展历史 1.3 人工智能的研究范式 1.4 人工智能的应用领域 1.5 小结 第□章 基本分类 □.1 分类的概念 □.□ 向量的基本运算 □.3 分类器 □.4 分类识别技术 □.4.1 感知机 □.4.□ 导数与微分 □.4.3 梯度下降法 □.4.4 SVM □.5 测试与分类实现 □.5.1 测试 □.5.□ 分类实现 □.5.3 多分类识别 □.6 小结 第3章 回归与聚类 3.1 基本概念 3.1.1 机器学□□类别 3.1.□ □量之间的关系 3.□ 回归 3.□.1 回归的概念 3.□.□ 线性回归 3.□.3 逻辑回归 3.3 聚类 3.3.1 聚类的概念 3.3.□ K均值聚类算法 3.3.3 层次聚类算法 3.4 相似度计算 3.5 小结 第4章 神经网络与深度学□ 4.1 人工神经网络的发展历史 4.□ 神经网络的分类 4.□.1 生物神经网络 4.□.□ 人工神经网络 4.3 浅层神经网络 4.3.1 多输出感知机 4.3.□ 多层神经网络 4.4 深度学□ 4.4.1 深度学习模型 4.4.□ 激活函数 4.4.3 深度学□□特点及发展 4.5 小结 第5章 图像信息处理 5.1 人眼成像 5.□ 图像信息处理的基本概念 5.3 图像采集及处理发展历史 5.4 数字图像处理 5.4.1 图像的基本运算 5.4.□ 图像增强 5.4.3 图像分割 5.4.4 图像压缩 5.5 数字图像分析 5.6 □□分析 5.6.1 □□的概念 5.6.□ 运动检测 5.6.3 目标跟踪 5.7 卷积神经网络CNN 5.7.1 卷积 5.7.□ 卷积层 5.7.3 池化层 5.7.4 AlexNet 5.8 小结 第6章 自然语言处理 6.1 自然语言处理的发展历史 6.□ 自然语言处理典型应用 6.3 自然语言处理基本技术 6.3.1 词法分析 6.3.□ 句法分析 6.3.3 语义分析 6.3.4 语用分析 6.4 自然语言特征提取 6.4.1 词袋模型BOW 6.4.□ N-Gram模型 6.4.3 Word□Vec模型 6.4.4 循环神经网络RNN 6.5 小结 参考文献