无遮挡又黄又刺激的视频,中文字幕爆乳JULIA女教师

工智能AI是計算機科學與技術的一個重要分支與應用，目前人工智能主要的研究與開發(fā)方向有模擬、延伸與擴展人類智能的理論、方法、技術及應用系統(tǒng)，涉及的技術與應用包括：大數(shù)據(jù)基礎、知識表示、專家系統(tǒng)、機器學習、深度學習、機器人與智能制造、圖像識別、語音識別和自然語言處理等方向。
本書是為高等院校相關專業(yè)“人工智能導論”課程全新設計編寫，具有豐富實踐特色的主教材。針對學生的發(fā)展需求，本書內容引言與典型應用、基礎知識、基于知識的系統(tǒng)和高級專題等四部分，可依照學習進度與需求，做適當選擇。

作為計算機科學與技術一個重要的分支，人工智能（Artificial Intelligence，AI）的發(fā)展歷史已經(jīng)不短了。它經(jīng)過幾起幾落，終于迎來了高速發(fā)展、成果不斷涌現(xiàn)的新時期。毫無疑問，一如當年的計算機以及隨后的因特網(wǎng)、物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)，今天，人工智能也是每個大學生和社會人士都必須關注、學習和重視的知識與應用。

人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門技術科學。它試圖了解人類智能的實質，并生產(chǎn)出新的能以與人類智能相似的方式做出反應的智能機器。該領域的研究包括基礎概念、專家系統(tǒng)、機器學習、神經(jīng)網(wǎng)絡、智能代理、群體智能、數(shù)據(jù)挖掘、機器人、圖像識別與處理、自然語言處理、自動規(guī)劃等。可以想象，未來人工智能帶來的科技產(chǎn)品將會是人類智慧的“容器”。人工智能不是人的智能，但能模仿人的思考，甚至在某些方面可能超過人的智能。

人工智能是一門極富挑戰(zhàn)性的科學，包括的知識內容十分廣泛。本書結構新穎，內容豐富，系統(tǒng)、全面地介紹了人工智能的相關概念與理論，可以幫助讀者扎實地打好人工智能的知識與應用基礎。

本書針對高等院校文理科學生的發(fā)展需要，是為高等院校相關專業(yè)“人工智能”基礎課程或通識課程全新設計、編寫的教材。教師在使用本書進行教學時，可依照學習進度與需求對內容進行適當取舍。

本書每一章都體現(xiàn)下列要點：

（1）介紹基本概念，解釋原理，讓學習者能切實理解和掌握人工智能的基本原理及相關應用知識。

（2）組織淺顯易懂的案例，注重讓學生扎實地掌握基本理論知識，養(yǎng)成良好的學習方法。

（3）為學生提供低認知負荷的作業(yè)，讓學生在自我成就中構建人工智能的基本觀念與技術架構。

（4）注重思維與實踐并進。每章后面安排了【研究性學習】環(huán)節(jié)，建議教師在教學班中組織研究性學習小組，鼓勵學生討論與表達，努力讓人工智能的知識成為學生未來馳騁職場的立身之本。

雖然社會已經(jīng)進入“電子時代”，但我們仍然竭力倡導課前、課后讀書，課中在書上記筆記，在課程結束時完成課程學習總結。為各章設計的作業(yè)（單選題）并不難，學生只要認真閱讀本書，就能夠準確回答所有題目。

采用本書作為教材時，教師和學生可以參考下面的課程教學進度表。在實際教學中，應按照教學大綱和實際情況確定課程教學進度。課程教學進度表（20—20學年第學期）

課程號：課程名稱：人工智能學分： 2

周學時： 2總學時： 32 （其中理論學時： 32，實踐學時：）

主講教師：序號校歷周次章節(jié)（或實訓、習題課等）名稱與內容學時教學方法課后作業(yè)布置11引言

第1章思考的工具222第2章什么是人工智能233第3章規(guī)則與專家系統(tǒng)244第4章模糊邏輯與大數(shù)據(jù)思維255第5章包容體系結構與機器人技術266第5章包容體系結構與機器人技術277第6章機器學習288第6章機器學習299第7章神經(jīng)網(wǎng)絡與深度學習21010第8章智能代理21111第9章群體智能21212第10章數(shù)據(jù)挖掘與統(tǒng)計數(shù)據(jù)21313第11章智能圖像處理21414第12章自然語言處理21515第13章自動規(guī)劃21616第14章人工智能的發(fā)展2課文作業(yè)

研究性學習課程學習總結填表人（簽字）：日期：

系（教研室）主任（簽字）：日期：課程的教學評測可以從以下幾個方面入手：

（1）每章的課后作業(yè)（共14次）。

（2）每章的研究性學習小組活動評價（共13次）。

（3）第14章的課程學習總結（大作業(yè)，1次）。

（4）平時考勤。

（5）任課教師認為必要的其他考核方法。

本書特色鮮明，易讀易學，適合本科和高職高專院校各相關專業(yè)文理科學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。

與本書配套的教學大綱、教學課件、習題答案等配套電子資源以及作者聯(lián)系方式可以從清華大學出版社網(wǎng)站（https://www.tup.com.cn）下載，歡迎教師索取本書的配套教學資源并與作者交流。

根據(jù)學習需要，本書還配備了1500分鐘的音頻講解資源，讀者可在書中掃描二維碼獲取。

本書的編寫得到浙江大學城市學院、浙江理工大學、嘉興技師學院、浙江商業(yè)職業(yè)技術學院、浙江安防職業(yè)技術學院等多所院校師生的支持，袁堅剛、吳賢平、余強、周恒、王文、喬鳳鳳等參與了本書部分內容的編寫工作，作者在此一并表示感謝！

第1章思考的工具1

1.1計算的淵源1

1.1.1巨石陣1

1.1.2安提基特拉機械2

1.1.3皮格馬利翁2

1.1.4阿拉伯數(shù)字3

1.2巴貝奇與數(shù)學機器3

1.2.1差分機3

1.2.2分析機4

1.2.3“機器人”的由來5

1.3計算機的出現(xiàn)5

1.3.1為戰(zhàn)爭而發(fā)展的計算機器5

1.3.2計算機無處不在6

1.3.3通用計算機7

1.3.4計算機語言8

1.3.5建模8

1.4人工智能大師9

【作業(yè)】10

【研究性學習】“神奇”的動物智能與對人工智能的憧憬11第2章什么是人工智能13

2.1人工智能概述13

2.1.1“人工”與“智能”13

2.1.2圖靈測試14

2.1.3人工智能的定義15

2.1.4人工智能的實現(xiàn)途徑16

2.2人工智能發(fā)展歷史17

2.2.1從人工神經(jīng)元開始17

2.2.2人工智能發(fā)展的6個階段20

2.3人工智能的研究22

2.3.1人工智能的研究領域22

2.3.2新圖靈測試24

【作業(yè)】25

【研究性學習】自動駕駛汽車的現(xiàn)實與未來26第3章規(guī)則與專家系統(tǒng)27

3.1規(guī)則與策略27

3.1.1制勝策略27

3.1.2極小極大化策略28

3.2利用規(guī)則推導建立的專家系統(tǒng)29

3.2.1規(guī)則的舉例29

3.2.2建立框架31

3.2.3IBM公司的沃森系統(tǒng)31

3.3專家系統(tǒng)及其發(fā)展32

3.3.1在自己的領域里作為專家32

3.3.2技能獲取的5個階段34

3.3.3專家的特點與特征35

3.3.4建立專家系統(tǒng)要思考的問題36

3.3.5典型的專家系統(tǒng)——ADIS37

3.4專家系統(tǒng)的結構38

3.4.1知識庫38

3.4.2推理機39

3.4.3其他部分39

【作業(yè)】40

【研究性學習】無人機技術的應用前景41第4章模糊邏輯與大數(shù)據(jù)思維42

4.1什么是模糊邏輯42

4.1.1甲蟲機器人的規(guī)則42

4.1.2模糊邏輯的發(fā)明42

4.1.3制定模糊邏輯的規(guī)則43

4.1.4模糊邏輯的定義44

4.2模糊理論的發(fā)展45

4.3模糊邏輯系統(tǒng)46

4.3.1純模糊邏輯系統(tǒng)46

4.3.2高木關野模糊邏輯系統(tǒng)46

4.3.3具有模糊產(chǎn)生器及模糊消除器的模糊邏輯系統(tǒng)46

4.4大數(shù)據(jù)思維變革47

4.4.1思維轉變之一：樣本=總體47

4.4.2思維轉變之二：接受數(shù)據(jù)的混雜性48

4.4.3思維轉變之三：關注數(shù)據(jù)的相關關系49

【作業(yè)】51

【研究性學習】觀察和熟悉模糊邏輯在家用電器中的應用52第5章包容體系結構與機器人技術53

5.1什么是包容體系結構53

5.1.1“中文房間”思維實驗53

5.1.2建立包容體系結構53

5.2包容體系結構的實現(xiàn)54

5.2.1機器人艾倫55

5.2.2機器人赫伯特55

5.2.3機器人托托56

5.3劃時代的阿波羅計劃56

5.4機器感知58

5.4.1機器智能與智能機器59

5.4.2機器思維與思維機器59

5.4.3機器行為與行為機器60

5.5機器人的概念60

5.5.1機器人的發(fā)展60

5.5.2機器人三定律61

5.6機器人的技術問題62

5.6.1機器人的組成62

5.6.2機器人的運動64

5.6.3機器狗65

【作業(yè)】66

【研究性學習】網(wǎng)絡搜索機器人資料，憧憬機器人發(fā)展68第6章機器學習69

6.1什么是機器學習69

6.1.1機器學習的發(fā)展69

6.1.2機器學習的定義70

6.2機器學習的類型71

6.2.1監(jiān)督學習72

6.2.2無監(jiān)督學習72

6.2.3強化學習72

6.3機器學習的算法73

6.3.1專注于學習能力73

6.3.2回歸算法74

6.3.3基于實例的算法75

6.3.4決策樹算法75

6.3.5貝葉斯算法75

6.3.6聚類算法75

6.3.7神經(jīng)網(wǎng)絡算法76

6.4機器學習的基本結構76

6.5機器學習的應用78

6.5.1應用于物聯(lián)網(wǎng)78

6.5.2應用于聊天機器人79

6.5.3應用于自動駕駛79

【作業(yè)】80

【研究性學習】什么是機器學習，舉例說明機器學習的應用81第7章神經(jīng)網(wǎng)絡與深度學習82

7.1動物的中樞神經(jīng)系統(tǒng)82

7.2了解人工神經(jīng)網(wǎng)絡83

7.2.1人工神經(jīng)網(wǎng)絡的研究83

7.2.2典型的人工神經(jīng)網(wǎng)絡84

7.2.3類腦計算機85

7.2.4利用人工神經(jīng)網(wǎng)絡理解圖片85

7.2.5訓練人工神經(jīng)網(wǎng)絡87

7.3基于人工神經(jīng)網(wǎng)絡的深度學習88

7.3.1深度學習的意義88

7.3.2深度學習的方法89

7.3.3深度學習的概念92

7.3.4深度學習的實現(xiàn)93

7.4機器學習與深度學習的比較94

【作業(yè)】97

【研究性學習】了解谷歌大腦，熟悉人工神經(jīng)網(wǎng)絡的研究與應用98第8章智能代理99

8.1什么是智能代理99

8.2智能代理的特點100

8.3系統(tǒng)內的協(xié)同合作101

8.4智能代理的典型應用場景103

8.4.1股票/債券/期貨交易103

8.4.2實體機器人103

8.4.3電腦游戲104

8.4.4醫(yī)療診斷105

8.4.5搜索引擎105

8.5與外部環(huán)境相關的重要術語106

【作業(yè)】107

【研究性學習】機器學習及其應用108第9章群體智能109

9.1向蜜蜂學習群體智能109

9.2什么是群體智能111

9.2.1群集人工智能技術111

9.2.2基本原則與特點112

9.3典型群體智能算法模型113

9.3.1蟻群優(yōu)化算法113

9.3.2搜索機器人115

9.3.3粒子群優(yōu)化算法116

9.3.4沒有機器人的集群118

9.4群體智能背后的故事119

9.5群體智能的發(fā)展121

【作業(yè)】121

【研究性學習】群體智能及其應用前景122第10章數(shù)據(jù)挖掘與統(tǒng)計數(shù)據(jù)124

10.1從數(shù)據(jù)到知識124

10.1.1決策樹分析124

10.1.2購物車分析125

10.1.3貝葉斯網(wǎng)絡126

10.2數(shù)據(jù)挖掘126

10.2.1數(shù)據(jù)挖掘的對象與步驟127

10.2.2數(shù)據(jù)挖掘分析方法128

10.3數(shù)據(jù)挖掘經(jīng)典算法130

10.3.1神經(jīng)網(wǎng)絡法130

10.3.2決策樹法130

10.3.3遺傳算法131

10.3.4粗糙集法131

10.3.5模糊集法131

10.3.6關聯(lián)規(guī)則法131

10.4機器學習與數(shù)據(jù)挖掘132

10.4.1典型的數(shù)據(jù)挖掘和機器學習過程132

10.4.2機器學習和數(shù)據(jù)挖掘應用案例133

【作業(yè)】136

【研究性學習】大數(shù)據(jù)對于人工智能技術與應用的意義137第11章智能圖像處理138

11.1模式識別138

11.2圖像識別139

11.2.1人類的圖像識別能力140

11.2.2圖像識別的基礎140

11.2.3圖像識別的模型141

11.2.4圖像識別技術的發(fā)展141

11.3機器視覺與圖像處理142

11.3.1機器視覺的發(fā)展142

11.3.2圖像處理143

11.3.3計算機視覺143

11.3.4計算機視覺與機器視覺的區(qū)別144

11.3.5神經(jīng)網(wǎng)絡圖像識別技術145

11.4圖像識別技術的應用145

11.4.1機器視覺的行業(yè)應用146

11.4.2檢測與機器人視覺146

11.4.3應用案例：布匹質量檢測148

11.5智能圖像處理技術149

11.5.1圖像采集149

11.5.2圖像預處理150

11.5.3圖像分割150

11.5.4目標識別和分類150

11.5.5目標定位和測量151

11.5.6目標檢測和跟蹤151

【作業(yè)】151

【研究性學習】熟悉模式識別與智能圖像處理153第12章自然語言處理154

12.1語言的問題和可能性154

12.2什么是自然語言處理155

12.3語法類型與語義分析156

12.3.1語法類型157

12.3.2語義分析和擴展語義158

12.3.3機器翻譯系統(tǒng)Candide158

12.4處理數(shù)據(jù)與處理工具159

12.4.1自然語言處理中的數(shù)據(jù)集159

12.4.2自然語言處理工具159

12.4.3自然語言處理的技術難點160

12.5語音處理160

12.5.1語音處理的發(fā)展160

12.5.2語音理解161

12.5.3語音識別162

【作業(yè)】162

【研究性學習】了解大數(shù)據(jù)機器翻譯，學習自然語言處理164第13章自動規(guī)劃165

13.1什么是自動規(guī)劃165

13.1.1規(guī)劃的概念分析165

13.1.2自動規(guī)劃的定義166

13.1.3規(guī)劃應用示例166

13.2規(guī)劃方法169

13.2.1規(guī)劃即搜索169

13.2.2部分有序規(guī)劃170

13.2.3分級規(guī)劃171

13.2.4基于案例的規(guī)劃171

13.3著名的規(guī)劃系統(tǒng)172

【作業(yè)】173

【研究性學習】用人工智能輔助課程和職業(yè)規(guī)劃174第14章人工智能的發(fā)展175

14.1未來的人工智能175

14.1.1工作型機器人175

14.1.2技術加速176

14.1.3電子游戲的智能水平177

14.1.4強人工智能的發(fā)展178

14.1.5機器能思考嗎178

14.2創(chuàng)新發(fā)展與社會影響179

14.2.1人工智能發(fā)展的啟示180

14.2.2人工智能的發(fā)展現(xiàn)狀與影響181

14.2.3建立人工智能生態(tài)系統(tǒng)182

14.3人工智能時代需要的人才183

14.3.1人工智能對就業(yè)的影響183

14.3.2新創(chuàng)造的核心工作崗位183

14.3.3未來的5個熱門工作崗位184

14.4人工智能與安全185

14.4.1人才和技術基礎設施短缺185

14.4.2安全問題不容忽視186

14.4.3設定倫理要求186

14.4.4保護個人隱私186

【作業(yè)】187

【課程學習總結】189

參考文獻193

你還可能感興趣

我要評論