前言
第1章 走進(jìn)人工智能
1.1 人工智能發(fā)展史
1.1.1 人工智能起源
1.1.2 人工智能發(fā)展之路
1.2 什么是人工智能？
1.3 人工智能典型應(yīng)用場(chǎng)景
1.4 人工智能研究領(lǐng)域
本章小結(jié)
本章習(xí)題
第2章 人工智能數(shù)值計(jì)算
2.1 線性代數(shù)
2.1.1 概念和符號(hào)
2.1.2 矩陣基本運(yùn)算
2.1.3 矩陣計(jì)算例子
2.1.4 矩陣的轉(zhuǎn)置
2.2 概率統(tǒng)計(jì)
2.2.1 隨機(jī)試驗(yàn)（E）
2.2.2 頻率與概率
2.2.3 貝葉斯定理
2.3 NumPy軟件包
2.3.1 NumPy的優(yōu)勢(shì)
2.3.2 NumPy安裝
2.4 NumPy函數(shù)
2.4.1 NumPy中的數(shù)組對(duì)象
2.4.2 常用算術(shù)函數(shù)
2.4.3 常用數(shù)學(xué)統(tǒng)計(jì)函數(shù)
2.4.4 反應(yīng)數(shù)據(jù)波動(dòng)函數(shù)
本章小結(jié)
本章習(xí)題
第3章 知識(shí)表示
3.1 知識(shí)及知識(shí)表示
3.1.1 知識(shí)及知識(shí)表示
3.1.2 知識(shí)元素
3.1.3 知識(shí)分類(lèi)
3.2 知識(shí)表示
3.2.1 一階謂詞邏輯法
3.2.2 產(chǎn)生式表示法
3.2.3 框架表示法
3.2.4 語(yǔ)義網(wǎng)絡(luò)
本章小結(jié)
本章習(xí)題
第4章 機(jī)器學(xué)習(xí)初探
4.1 機(jī)器學(xué)習(xí)
4.1.1 什么是學(xué)習(xí)？
4.1.2 機(jī)器學(xué)習(xí)研究
4.1.3 機(jī)器學(xué)習(xí)流程
4.2 機(jī)器學(xué)習(xí)類(lèi)型
4.3 機(jī)器學(xué)習(xí)算法
4.4 機(jī)器學(xué)習(xí)模型
4.5 機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域
本章小結(jié)
本章習(xí)題
第5章 神經(jīng)網(wǎng)絡(luò)
5.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
5.2 神經(jīng)網(wǎng)絡(luò)的基本原理
5.2.1 神經(jīng)元
5.2.2 激活函數(shù)
5.2.3 損失函數(shù)
5.2.4 梯度下降
5.2.5 參數(shù)調(diào)整
5.3 手寫(xiě)數(shù)字識(shí)別
本章小結(jié)
本章習(xí)題
第6章 人工智能視覺(jué)技術(shù)
6.1 圖像處理技術(shù)
6.1.1 圖像的基本原理
6.1.2 圖像增強(qiáng)技術(shù)
6.1.3 圖像降噪方法
6.1.4 圖像對(duì)齊
6.2 圖像識(shí)別技術(shù)
6.2.1 模板匹配法
6.2.2 特征提取法
6.2.3 神經(jīng)網(wǎng)絡(luò)識(shí)別
6.3 深度學(xué)習(xí)
6.3.1 深度學(xué)習(xí)簡(jiǎn)介
6.3.2 深度學(xué)習(xí)模型
6.3.3 深度學(xué)習(xí)應(yīng)用
6.4 CNN貓狗識(shí)別
本章小結(jié)
本章習(xí)題
第7章 人工智能語(yǔ)音工程
7.1 語(yǔ)音處理技術(shù)
7.1.1 語(yǔ)音處理技術(shù)
7.1.2 語(yǔ)音信號(hào)數(shù)字化處理
7.1.3 語(yǔ)音特征提取
7.2 語(yǔ)音識(shí)別技術(shù)
7.2.1 模板訓(xùn)練法
7.2.2 神經(jīng)網(wǎng)絡(luò)法
7.3 RNN技術(shù)在語(yǔ)音識(shí)別中的應(yīng)用
7.3.1 RNN結(jié)構(gòu)
7.3.2 LSTM結(jié)構(gòu)
7.3.3 網(wǎng)絡(luò)訓(xùn)練
本章小結(jié)
本章習(xí)題
參考文獻(xiàn)
附錄 Python常用機(jī)器學(xué)習(xí)模塊