人工智能技术

　　本书系统介绍了人工智能的基本原理、方法和技术，并反映 外研究和应用的 进展。全书共11章。第1章主要介绍人工智能从业人员的职业道德及行业准则和人工智能视角下的企业文化和职业素养。第2章主要介绍人工智能技术的定义、经典问题、发展史和产品应用等。第3章主要介绍人工智能与大数据、数据采集与预处理、数据可视化。第4章介绍了机器学习的学习类型、分类、常见任务及其应用。第5、6章对神经网络和深度学习做了引导性综述，包括图片识别、BP神经网络的数据分类、卷积神经网络、循环神经网络。第7章介绍了计算机视觉技术在图像分类和人脸识别中的应用。第8章介绍了中文分词原理和各种模型与算法设计。第9章对语音与语音识别过程进行了详细的介绍。 0、11章详细介绍了人工智能开发环境的设置与机器人的具体实现，以开阔读者的眼界。本书内容丰富，叙述脉络清晰，实用性强，同时配有丰富的习题，可作为高等职业院校计算机相关专业高职专科生教材，也可作为人工智能工程技术人员的培训教材。

暂缺《人工智能技术》作者简介

前言第1章绪论1.1人工智能从业人员职业道德及行业准则1.1.1职业道德1.1.2行业准则1.1.3职业道德挑战1.2职业素养与企业文化1.2.1职业素养1.2.2企业文化1.2.3人工智能视角下的企业文化和职业素养1.3习题与练习第2章人工智能概述2.1人工智能的定义2.1.1智能的定义2.1.2智能的特征2.1.3人工智能的定义2.2人工智能的经典问题2.2.1图灵测试2.2.2中文屋子2.3人工智能的发展史2.3.1孕育阶段2.3.2形成阶段2.3.3发展阶段2.3.4我国人工智能的发展2.3.5人工智能的学派2.4人工智能的应用分支2.4.1认知2.4.2机器学习2.4.3深度学习2.5人工智能产品应用体系2.5.1人工智能产品的定义2.5.2人工智能产品及服务体系2.5.3智能金融2.5.4智慧城市2.5.5智慧交通2.5.6智能制造2.5.7智能家居2.6习题与练习第3章人工智能与大数据3.1人工智能与大数据概述3.1.1大数据产生背景3.1.2大数据的特征3.1.3大数据的精髓3.1.4了解大数据理论3.1.5大数据编程主要工具软件3.1.6大数据与人工智能的关系3.1.7大数据与人工智能带来的社会变革3.2数据采集与预处理3.2.1数据采集的对象3.2.2数据采集简介3.2.3大数据的预处理3.3数据可视化3.3.1数据可视化简介3.3.2数据可视化工具3.3.3数据可视化案例3.4习题与练习第4章机器学习应用技术4.1机器学习简介4.1.1机器学习的发展4.1.2机器学习的定义4.2机器学习的学习类型4.2.1非监督学习4.2.2监督学习4.2.3强化学习4.3机器学习的分类4.4机器学习的常见任务及其应用4.4.1机器学习的常见任务4.4.2机器学习的应用4.5习题与练习第5章神经网络应用技术5.1神经网络基本原理5.1.1生物神经网络5.1.2人工神经网络5.2神经网络的应用——图片识别5.2.1卷积神经网络5.2.2手写数字识别5.3BP神经网络的数据分类——语音特征信号分类5.3.1BP神经网络5.3.2语音特征信号识别5.4RBF网络——非线性函数回归的实现5.5习题与练习第6章深度学习应用技术6.1深度学习基本概念6.1.1深度学习相关人物介绍6.1.2为什么需要深度学习6.1.3深度学习的三大要素6.2卷积神经网络6.2.1卷积神经网络特性6.2.2卷积神经网络核心原理6.3循环神经网络6.3.1循环神经网络的引入6.3.2循环神经网络的历史6.3.3循环神经网络原理介绍6.3.4循环神经网络示例6.4深度学习的应用6.4.1机器博弈6.4.2自动驾驶6.4.3智能机器人6.5习题与练习第7章计算机视觉技术7.1OpenCV的安装及环境配置7.2图像分类7.2.1数字图像成像原理7.2.2数字图像基础7.2.3视频处理基础7.3人脸识别7.3.1人脸识别基础7.3.2人脸识别原理7.3.3人脸识别项目实战7.4习题与练习第8章自然语言处理8.1语言的形态8.1.1语言的形态分类8.1.2自然语言与编程语言8.2中文分词原理8.2.1中文分词的难点8.2.2常见中文分词方法8.2.3常见中文分词工具8.3统计语言模型8.3.1模型8.3.2参数计算8.4NLP算法设计8.4.1切分算法8.4.2正向 匹配8.4.3逆向 匹配8.4.4双向 匹配8.5文本数据标注管理与质量检验8.5.1数据标注管理8.5.2数据标注质量检验8.6习题与练习第9章语音与语音识别9.1语音中的噪声9.1.1语音的特性9.1.2噪声的特性9.1.3语音增强9.2语音标注规范9.3语音标注管理与质量检验9.4语音识别过程9.4.1特征提取9.4.2声学模型9.4.3语言模型9.4.4字典与解码9.5语音识别的相关算法9.5.1基于动态时间规整的算法9.5.2基于参数模型的隐马尔可夫模型的方法9.5.3基于非参数模型的矢量量化（VQ）的方法9.6语音识别应用场景及产品分类9.7习题与练习 0章人工智能开发环境10.1Linux操作系统10.1.1Linux发展历程10.1.2Linux主要特性10.1.3安装Ubuntu 18.0410.2shell指令10.2.1什么是shell指令10.2.2shell的作用详析10.2.3常见的shell指令10.2.4shell指令的应用10.3Python的安装与移植10.3.1Python语言在人工智能中的功能及优势10.3.2在不同操作系统中如何搭建Python编程环境10.3.3解决安装问题10.4习题与练习 1章机器人的实现11.1ROS基本原理11.1.1ROS架构设计11.1.2计算图11.1.3文件系统11.1.4开源社区11.1.5ROS的通信机制11.2ROS平台搭建11.2.1操作系统与ROS版本的选择11.2.2配置系统软件源11.2.3添加ROS软件源11.2.4添加密钥11.2.5安装ROS11.2.6初始化rosdep11.2.7设置环境变量11.2.8构建工厂依赖11.2.9完成安装11.3ROS机器人运动控制11.3.1机器人的组成11.3.2机器人系统搭建11.3.3硬件平台11.3.4控制系统与MRobot通信11.3.5PC端控制MRobot11.4ROS机器人的路径规划与导航11.4.1准备工作11.4.2gmapping11.4.3导航功能包11.5对话机器人分类11.5.1按技术实现方式分类11.5.2按对话领域分类11.5.3按功能角度分类11.6对话机器人技术对比11.6.1深度学习11.6.2人工模板11.6.3检索技术11.7习题与练习参考文献