本书是面向大学普通本科生及部分研究生学习人工智能知识及实践需求而针对性地设计的教材。在基础理论方面,考虑了零基础接触人工智能知识学习要求,安排了人工智能的定义、发展简史、研究内容、研究领域等内容,同时在智慧城市、智慧交通、智慧家居、智慧医疗、智慧农业、智慧教育、智慧新零售与智能客户服务、智慧金融等应用场景上进行了导人介绍,方便读者了解人工智能知识与应用的整体情况。在理论和技术结合部分,则给出了知识工程、搜索算法、机器学习、深度学习、计算机视觉、自然语言处理、智能机器人等专业实践内容。从工程实践角度,则给出了基于深度学习的路面病害检测应用、融入情绪指标的深度学习在量化投资模型中的应用、鱼类图像深度学习分类的工程案例内容。本书适合作为普通大学本科及研究生人工智能相关专业教材,绪论部分亦适合非计算机专业本科生使用，本书也可供相关教师及工程人员自学使用。
3个工程案例及代码9个高清视频及配套PPT9套习题及答案1套教学大纲
序*近的几十年里，人工智能经历了蓬勃发展，取得了令人难以想象的成绩。从智慧城市到智慧家居，从智能机器人到大语言模型，人工智能已经在不知不觉间融入我们的社会，在方方面面开始帮助我们的日常生活，科幻电影中赛博朋克那般的人工智能场景似乎不再遥远。然而，人工智能的入门却并不容易。一方面，人工智能各种基础的知识，如感知机、图灵机、机器学习、梯度下降等专有名词很容易吓退对人工智能感兴趣的新读者。另一方面，飞速发展的人工智能计算在以极短的时间更新换代，这导致很多人眼花缭乱，难以把握时代的主流技术。《人工智能导论及工程案例》是一部面向大学普通本科生及部分研究生的入门教材，旨在满足他们对人工智能知识及实践的学习需求。在基础理论方面，为零基础的读者安排了人工智能的定义、发展史、研究内容的介绍。此外，书中还介绍了人工智能在不同应用场景中的导入情况，包括智慧城市、智慧交通、智慧家居等。通过这些案例，读者可以直观地了解人工智能如何在不同领域发挥作用，从而激发他们对人工智能的兴趣和学习动力。在理论与技术结合部分，本书深入浅出地讲解了知识工程、搜索算法、机器学习、神经网络与深度学习、计算机视觉、自然语言处理和智能机器人等专业实践内容。这些内容是人工智能领域的核心知识，也是学生们需要掌握的重点。计算机视觉和自然语言处理是人工智能中两个重要的应用领域，通过对图像处理技术和语言理解技术的介绍，读者可以全面了解这些技术的基本原理和应用场景，掌握相关的开发技能。本书的工程实践部分是其一大亮点。通过具体的工程案例，作者展示了人工智能技术在实际中的应用。例如，书中介绍了基于深度学习的道路病害检测应用、融入情绪指标的深度学习在量化投资模型中的应用、鱼类图像深度学习分类的工程案例。每一个案例都详细描述了实现过程，读者可以按照书中的指导进行实践操作，从而更好地理解和掌握这些技术。本书不仅展示了人工智能技术的实际应用价值，还可帮助读者培养动手能力和解决实际问题的能力。因此我将这本书推荐给学生们，希望学生们可以将理论知识应用于实际项目中，提升自己在人工智能时代的综合素质和竞争力。 本书推荐人为张鹏，天津大学教授、博士生导师，十余年来致力于量子人工智能和量子语言建模的研究工作，并积极推动大语言模型的轻量化。前 言人工智能技术进入21世纪后，进入了蓬勃发展的阶段，尤其是在模仿人脑进行逻辑推理及决策、模仿视觉进行图像识别及决策、模仿人类语言进行语言识别及应用等方面取得了突破性进展，以ChatGPT、文心一言等为代表的大模型正在渗透教学、科研、艺术、工业、农业、服务业等方方面面。高校教学急需人工智能学科加持，在交叉领域深度融合，进一步促进不同专业智能化发展。党的二十大报告指出，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。当前，人工智能日益成为引领新一轮科技革命和产业变革的核心技术，在制造、金融、教育、医疗和交通等领域的应用场景不断落地，极大改变了既有的生产生活方式。高校教育必须深度跟人工智能进行融合，提升各专业智能水平。本书采用由浅入深、层层递进的内容设计方式，有利于学生更加轻松地掌握相关内容。同时在不同章节适度插入案例、图片、表格、习题等内容，在丰富表现方式，有利于学生更好地吸收知识的同时，方便了教学安排需要。此外，本书注重学生实践能力培养要求，重点在人工智能算法、人工智能应用、人工智能工程实践方面进行了系统设计，有利于学生打好基础，并具备工程实战能力。本书第1章为绪论，主要介绍了人工智能的基础知识、发展简史、研究主要流派、研究主要内容及领域，使学生对人工智能学科知识有一个整体概念。第2章为人工智能领域的应用，掌握和研究人工智能技术*终是为了解决不同领域的应用问题，通过对智慧城市、智慧交通、智慧家居、智慧医疗、智慧农业、智慧教育、智慧零售与客户服务、智慧金融等应用场景的介绍，让学生进一步了解人工智能在现实生活中的应用。第3章为知识工程，介绍了概念表示、知识表示、知识图谱，通过讲解知识图谱的表达为搜索、推荐、问答、解释与决策等应用的学习提供基础支撑。第4章为搜索算法，提供了搜索概述、盲目搜索、启发式搜索等内容，通过对深度、广度优先搜索的讲解及配套算法代码展示，带领学生掌握算法学习及实践技巧。第5章为机器学习，提供了机器学习概述、机器学习的类型、机器学习的算法等内容，进一步带领学生掌握人工智能学习及实践技巧，让学生能通过人工智能技术构建相应模型，初步解决实际问题。第6章为神经网络与深度学习，提供了人工神经网络、卷积神经网络、循环神经网络、图神经网络、Transformer注意力机制、深度学习工程知识，进一步提升学生掌握人工智能核心算法、核心模型的能力。第7章为计算机视觉，提供了计算机视觉的基础、计算机视觉研究知识、计算机视觉系统等内容，在人工智能视觉技术方向为学生提供了入门及实践知识。第8章为自然语言处理，包括自然语言处理的概念、机器翻译、智能问答、语音处理、自然语言处理的未来等内容，在模仿人类语言功能方面，为学生提供了入门及实践知识。第9章为智能机器人，提供了智能机器人基础知识、国家发展需求、机器人的发展、人工智能在机器人上的应用，为学生提供了类人机器人知识及实践的相关内容。第10章、第11章、第12章则结合作者在人工智能多年的工程实践经验，在基于深度学习的路面病害检测应用、融入情绪指标的深度学习在量化投资模型中的应用、鱼类图像深度学习分类案例中，穿插结合YOLO模型多特征融合网络、VGG网络、卷积神经网络等讲解实际工程问题的解决技巧和方法，有利学生增加工程实践经验。本书的重点章节提供了习题，有利于读者巩固和运用知识，并提供配套的电子版答案；本书提供了示范性的免费教学短视频，方便读者更加容易地学习；本书为购买本教材的高校老师提供电子版教学大纲，有需求的老师请通过QQ群（490522589）找群主单独获取，此外，感兴趣的读者也可加入QQ群相互交流，也可直接与作者进行沟通咨询。本书由王朕、刘瑜根据高校教学需要、工程实践需要，进行联合策划，得到了全国范围内许多大学教师、IT届同仁的关注和支持，在此一并感谢。本书的出版得到了华中科技大学出版社张玲老师的大力支持，特此感谢。另外，本书应用了一些专著、教材、论文和网络上的成果、素材、图文或结论，受篇幅限制没有在参考文献中一一列出，在此一并向原作者表示衷心感谢。由于受时间等的约束，书中避免不了存在一些瑕疵，请读者朋友们多提宝贵意见，作者尤为感谢！所提问题，可以在QQ群里反馈。
天津财经大学理工学院计算机与信息工程系主任、副教授、硕士生导师。主要研究方向为机器视觉与模式识别,可视化与可视分析。博士毕业于日本筑波大学计算机科学与技术专业,曾任职日本电气株式会社（NEC）中央研究所,日本国立情报学研究所。担任CCF YOCSEF 天津分论坛副主席，中国图像图形学学会可视化与可视分析专委会委员、中国体视学学会智能成像分会委员。
目录第1章 绪论1.1 人工智能基础知识1.1.1 人工智能的定义1.1.2 人工智能的分类1.2 人工智能的发展简史1.3 人工智能的三大流派1.4 人工智能的研究内容及研究领域1.4.1 人工智能的研究内容1.4.2 人工智能的研究领域1.4.3 人工智能的实现要素习题 1第2 章人工智能领域的应用2.1智慧城市2.1.1智慧城市概述2.1.2智慧城市的标准化2.1.3智慧城市与数字城市的差异2.2智慧交通2.2.1 智慧交通概述2.2.2 智慧交通系统2.3 智慧家居2.3.1 智慧家居概述2.3.2 智慧家居的通用技术2.3.3智慧家居系统2.3.4智慧家居家庭场景 2.3.5 智慧家居社区场景2.4智慧医疗2.4.1 智慧医疗概述2.4.2 智慧医疗保健2.4.3 智慧医疗决策2.5 智慧农业2.5.1 智慧农业概述2.5.2 智慧农业主要技术方向2.5.3 智慧农业主要应用方向2.6 智慧教育2.6.1 智慧教育概述2.6.2 智慧教育的基本架构与教育模式2.6.3 智慧校园与智慧教室2.6.4 智慧教育的展望2.7 智慧新零售与智能客户服务2.7.1 智慧新零售概述2.7.2 智能客户服务2.7.3智能客户服务大中小企业布局智能客服2.7.4智能客户服务智能客服的人机分工2.8 智慧金融2.8.1 智慧金融概述2.8.2智慧金融应用2.8.3智慧金融与传统金融的区别习题 2第3 章知识工程3.1概念表示3.1.1 经典概念表示3.1.2数理逻辑3.2 知识表示3.2.1 知识表示概述3.2.2谓词逻辑表示法3.2.3产生式表示法3.2.4框架表示法3.2.5 语义网络表示法3.3 知识图谱3.3.1 知识图谱的概述3.3.2 知识图谱的特征3.3.3知识图谱的构建3.3.4 知识图谱的应用习题 3第4章 搜索算法 4.1 搜索概述4.2 盲目搜索 4.2.1 深度优先搜索4.2.2 广度优先搜索4.3 启发式搜索 4.3.1 状态空间法 4.3.2启发性信息 4.3.3 A算法 习题4 第5章 机器学习5.1 机器学习概述 5.1.1 机器学习的定义5.1.2 机器学习简史 5.1.3 机器学习的基本结构 5.2机器学习的类型 5.2.1 监督学习 5.2.2无监督学习5.2.3弱监督学习5.2.4半监督学习5.2.5强化学习5.2.6 联邦学习5.3 机器学习的算法5.3.1 k近邻算法5.3.2 k均值聚类5.3.3 决策树算法5.3.4回归算法 5.3.5贝叶斯算法 5.3.6机器学习算法的应用习题 5第6章 神经网络与深度学习6.1 人工神经网络 6.1.1 由人脑到人工神经网络 6.1.2 BP 神经网络6.2卷积神经网络 6.2.1 CNN 结构6.2.2CNN 实例6.3 循环神经网络6.3.1 RNN 结构6.3.2 RNN 实例6.4 图神经网络6.4.1 GNN 结构6.4.2 GNN 实例6.5 Transformer 注意力机制6.5.1 Transformer 结构6.5.2 Transformer 实例6.6 深度学习 6.6.1 深度学习的意义6.6.2深度学习的概念6.6.3深度学习的核心思路 6.6.4深度学习的实现 6.6.5深度学习与机器学习的对比 习题 6第7章计算机视觉7.1 计算机视觉的基础7.1.1 模式识别 7.1.2 图像识别7.2 计算机视觉研究知识7.2.1 计算机视觉的研究内容 ·7.2.2 计算机视觉的发展7.2.3计算机视觉的目的 7.2.4 计算机视觉与机器视觉的区别7.3 计算机视觉系统7.3.1 计算机视觉系统概述7.3.2 计算机视觉的应用工作流程7.3.3应用举例 7.3.4人脸识别 7.3.5自动驾驶 习题 7 第8章自然语言处理8.1自然语言处理的概念 8.1.1自然语言处理的目标 8.1.2自然语言处理的难点 8.1.3 语法分析与语义分析 8.1.4 自然语言处理的研究内容 8.2 机器翻译8.3智能问答 8.4 语音处理 8.5 自然语言处理的未来 习题8第9章智能机器人9.1智能机器人基础知识 9.2国家发展需求 9.3 机器人的发展 9.4 人工智能在机器人上的应用 9.4.1智能感知技术 9.4.2智能导航与规划技术 9.4.3 智能控制与操作技术 9.4.4 机器人智能交互技术 9.4.5触觉传感技术 9.5 未来展望 习题 9第10章基于深度学习的路面病害检测应用10.1 路面病害检测理论基础 10.1.1 YOLOv5 目标检测算法10.1.2注意力机制 10.2工程项目 10.2.1 基于改进 YOLOv5 的多特征融合网络10.2.2实验数据集和模型训练中10.2.3实验结果与分析 10.2.4 总结 第11章 融入情绪指标的深度学习在量化投资模型中的应用中11.1 量化投资择时分类模型原理11.2工程顶目 11.2.1 量化投资择时分类模型11.2.2实验数据集和模型训练11.2.3实验结果与分析 11.2.4总结 第 12 章鱼类图像深度学习分类12.1 基于卷积神经网络的鱼类图像分类12.1.1 AlexNet 网络12.1.2 GoogLeNet 网络12.2.1 监督学习方式下基于卷积神经网络的鱼类图像分类12.2.2实验数据集合模型训练12.2.3实验结果与分析 12.2.4 总结参考文献
书单推荐
