书籍详情

人工智能与开源硬件

人工智能与开源硬件

作者:高凯,高山

出版社:清华大学出版社

出版时间:2020-12-01

ISBN:9787302568896

定价:¥69.00

购买这本书可以去
内容简介
  《人工智能与开源硬件/科技教师能力提升丛书》将人工智能与开源硬件紧密结合,尝试用开源硬件实现人工智能的功能,为科技教师提供人工智能课程资源。《人工智能与开源硬件/科技教师能力提升丛书》选取了在人工智能领域较为典型的应用,包括语音识别、图像识别、无人驾驶、物联网等,并以项目式教学(project-based learning,PBL)的形式将知识的讲解和学习融入项目中。《人工智能与开源硬件/科技教师能力提升丛书》中的案例具有一定的可拓展性,教师在学习了基本知识和项目以后,能够根据本校学生的特点进行拓展,《人工智能与开源硬件/科技教师能力提升丛书》配有丰富的课程案例与资源。可以说,《人工智能与开源硬件/科技教师能力提升丛书》更像是一个“引子”,引导更多教师参与到人工智能的教育中来。《人工智能与开源硬件/科技教师能力提升丛书》可作为中小学校、校外培训机构、科技馆所等科技教师和科技辅导员的培训用书,也可作为教师提升科学素养,提高专业能力,开展教学活动的参考用书。
作者简介
  科技教师能力提升用书,用开源硬件实现人工智能技术体验,为学校开展人工智能课程提供资料参考。
目录



目 录

第 1 章 C H A P T E R 1

人工智能的

发展和相关

概念

1.1 人工智能发展概述 / 2

1.1.1 人工智能发展大事件 / 2

1.1.2 达特茅斯会议 / 12

1.1.3 人工智能的高潮与低谷 / 12

1.1.4 人工智能与未来发展 / 14

1.2 人工智能概念解析 / 15

1.2.1 什么是人工智能 / 15

1.2.2 什么是语音识别 / 19

1.2.3 什么是图像识别 / 20

1.2.4 什么是无人驾驶 / 22

1.2.5 什么是SLAM / 23


第 2 章 C H A P T E R 2

“能听会说”

的机器——

语音识别及

语音合成

25

2.1 认识语音 / 27

2.1.1 人类对声音的处理 / 27

2.1.2 声音的特征 / 27

2.1.3 计算机处理声音的方式 / 30

2.2 语音识别技术 / 34

2.2.1 语音识别原理 / 34

2.2.2 语音识别模型的训练和再认 / 36

2.2.3 体验语音转写功能 / 37

2.2.4 语音识别的应用 / 39

2.3 语音合成技术 / 41

2.3.1 语音合成技术的发展 / 41

2.3.2 语音合成技术的原理 / 42

2.3.3 语音合成技术的实践 / 46

2.3.4 语音合成技术的应用 / 47

第 3 章 C H A P T E R 3

“能看” 的

机器人——

颜色及图像

识别51

3.1 识别黑白色 / 52

3.1.1 巡线传感器 / 52

3.1.2 红外线接近开关 / 53

3.1.3 任务实践 / 53

3.2 颜色识别 / 57

3.2.1 颜色识别传感器及原理 / 57

3.2.2 Pixy2 颜色识别传感器 / 57

3.2.3 任务实践 / 58

3.3 图像识别和人脸识别 / 60

3.3.1 图像的数字化 / 61

3.3.2 颜色识别与HSV 颜色空间 / 62

3.3.3 卷积运算与边缘提取 / 64

3.3.4 任务实践——人脸识别 / 68


C H A P T E R 4

第4 章

71

“能动” 的

机器人——

无人驾驶

体验

4.1 设计制作一辆自动运行小车 / 72

4.1.1 实验器材 / 72

4.1.2 实验电路 / 73

4.1.3 程序清单 / 73

4.2 闭环控制小车 / 75

4.2.1 实验器材 / 75

4.2.2 实验电路 / 75

4.2.3 程序清单 / 76

4.2.4 程序说明 / 76

4.3 基于图像识别技术自动驾驶小车 / 78

4.3.1 实验器材 / 78

4.3.2 实验电路 / 78

4.3.3 实验原理 / 79

4.3.4 操作流程 / 79


第 5 章 C H A P T E R 5

“能互联”的

智能家居——

物联网及智能

家居技术87

5.1 蓝牙及无线通信 / 88

5.1.1 蓝牙技术的基本知识 / 88

5.1.2 常见的无线通信方式 / 91

5.1.3 5G 与未来生活 / 92

5.2 智能家居 / 92

5.2.1 物联网及智能家居 / 92

5.2.2 制作智能家居模型 / 99


C H A P T E R 6

第6 章

103

“能学习”

的机器

6.1 从观察到预测 / 104

6.1.1 机器学习 / 105

6.1.2 从预测说起 / 105

6.1.3 数字化:建立机器与现实世界的连接 / 106

6.1.4 预测函数:从观察到结论的映射 / 107

6.1.5 任务实践 / 108

6.2 从数据中学习 / 111

6.2.1 监督学习 / 111

6.2.2 试验与修正:一种简单的学习策略 / 112

6.2.3 任务实践 / 113

6.3 分类函数的调用 / 116

6.3.1 提取特征 / 117

6.3.2 特征向量与特征空间 / 118

6.3.3 分类器 / 119

6.3.4 感知器 / 120

6.3.5 任务实践 / 121

6.4 卷积神经网络 / 124

6.4.1 深度神经网络的特点 / 124

6.4.2 深度神经网络的结构 / 125

6.4.3 卷积层 / 126

6.4.4 全连接层、归一化指数层与非线性激活层 / 127

6.4.5 池化层 / 127

6.4.6 人工神经网络 / 128

6.4.7 任务实践 / 129


参考文献 / 133

附录 《人工智能与开源硬件》课程实施建议 / 134


猜您喜欢

读书导航