人工智能技术

参考文献

11.7 习题与练习

11.6.3 检索技术

11.6.2 人工模板

11.6.1 深度学习

11.6 对话机器人技术对比

11.5.3 按功能角度分类

11.5.2 按对话领域分类

11.5.1 按技术实现方式分类

11.5 对话机器人分类

11.4.3 导航功能包

11.4.2 gmapping

11.4.1 准备工作

11.4 ROS机器人的路径规划与导航

11.3.5 PC端控制MRobot

11.3.4 控制系统与MRobot通信

11.3.3 硬件平台

11.3.2 机器人系统搭建

11.3.1 机器人的组成

11.3 ROS机器人运动控制

11.2.9 完成安装

11.2.8 构建工厂依赖

11.2.7 设置环境变量

11.2.6 初始化rosdep

11.2.5 安装ROS

11.2.4 添加密钥

11.2.3 添加ROS软件源

11.2.2 配置系统软件源

11.2.1 操作系统与ROS版本的选择

11.2 ROS平台搭建

11.1.5 ROS的通信机制

11.1.4 开源社区

11.1.3 文件系统

11.1.2 计算图

11.1.1 ROS架构设计

11.1 ROS基本原理

第11章 机器人的实现

10.4 习题与练习

10.3.3 解决安装问题

10.3.2 在不同操作系统中如何搭建Python编程环境

10.3.1 Python语言在人工智能中的功能及优势

10.3 Python的安装与移植

10.2.4 shell指令的应用

10.2.3 常见的shell指令

10.2.2 shell的作用详析

10.2.1 什么是shell指令

10.2 shell指令

10.1.3 安装Ubuntu 18.04

10.1.2 Linux主要特性

10.1.1 Linux发展历程

10.1 Linux操作系统

第10章 人工智能开发环境

9.7 习题与练习

9.6 语音识别应用场景及产品分类

9.5.3 基于非参数模型的矢量量化（VQ）的方法

9.5.2 基于参数模型的隐马尔可夫模型的方法

9.5.1 基于动态时间规整的算法

9.5 语音识别的相关算法

9.4.4 字典与解码

9.4.3 语言模型

9.4.2 声学模型

9.4.1 特征提取

9.4 语音识别过程

9.3 语音标注管理与质量检验

9.2 语音标注规范

9.1.3 语音增强

9.1.2 噪声的特性

9.1.1 语音的特性

9.1 语音中的噪声

第9章 语音与语音识别

8.6 习题与练习

8.5.2 数据标注质量检验

8.5.1 数据标注管理

8.5 文本数据标注管理与质量检验

8.4.4 双向最大匹配

8.4.3 逆向最大匹配

8.4.2 正向最大匹配

8.4.1 切分算法

8.4 NLP算法设计

8.3.2 参数计算

8.3.1 模型

8.3 统计语言模型

8.2.3 常见中文分词工具

8.2.2 常见中文分词方法

8.2.1 中文分词的难点

8.2 中文分词原理

8.1.2 自然语言与编程语言

8.1.1 语言的形态分类

8.1 语言的形态

第8章 自然语言处理

7.4 习题与练习

7.3.3 人脸识别项目实战

7.3.2 人脸识别原理

7.3.1 人脸识别基础

7.3 人脸识别

7.2.3 视频处理基础

7.2.2 数字图像基础

7.2.1 数字图像成像原理

7.2 图像分类

7.1 OpenCV的安装及环境配置

第7章 计算机视觉技术

6.5 习题与练习

6.4.3 智能机器人

6.4.2 自动驾驶

6.4.1 机器博弈

6.4 深度学习的应用

6.3.4 循环神经网络示例

6.3.3 循环神经网络原理介绍

6.3.2 循环神经网络的历史

6.3.1 循环神经网络的引入

6.3 循环神经网络

6.2.2 卷积神经网络核心原理

6.2.1 卷积神经网络特性

6.2 卷积神经网络

6.1.3 深度学习的三大要素

6.1.2 为什么需要深度学习

6.1.1 深度学习相关人物介绍

6.1 深度学习基本概念

第6章 深度学习应用技术

5.5 习题与练习

5.4 RBF网络——非线性函数回归的实现

5.3.2 语音特征信号识别

5.3.1 BP神经网络

5.3 BP神经网络的数据分类——语音特征信号分类

5.2.2 手写数字识别

5.2.1 卷积神经网络

5.2 神经网络的应用——图片识别

5.1.2 人工神经网络

5.1.1 生物神经网络

5.1 神经网络基本原理

第5章 神经网络应用技术

4.5 习题与练习

4.4.2 机器学习的应用

4.4.1 机器学习的常见任务

4.4 机器学习的常见任务及其应用

4.3 机器学习的分类

4.2.3 强化学习

4.2.2 监督学习

4.2.1 非监督学习

4.2 机器学习的学习类型

4.1.2 机器学习的定义

4.1.1 机器学习的发展

4.1 机器学习简介

第4章 机器学习应用技术

3.4 习题与练习

3.3.3 数据可视化案例

3.3.2 数据可视化工具

3.3.1 数据可视化简介

3.3 数据可视化

3.2.3 大数据的预处理

3.2.2 数据采集简介

3.2.1 数据采集的对象

3.2 数据采集与预处理

3.1.7 大数据与人工智能带来的社会变革

3.1.6 大数据与人工智能的关系

3.1.5 大数据编程主要工具软件

3.1.4 了解大数据理论

3.1.3 大数据的精髓

3.1.2 大数据的特征

3.1.1 大数据产生背景

3.1 人工智能与大数据概述

第3章 人工智能与大数据

2.6 习题与练习

2.5.7 智能家居

2.5.6 智能制造

2.5.5 智慧交通

2.5.4 智慧城市

2.5.3 智能金融

2.5.2 人工智能产品及服务体系

2.5.1 人工智能产品的定义

2.5 人工智能产品应用体系

2.4.3 深度学习

2.4.2 机器学习

2.4.1 认知

2.4 人工智能的应用分支

2.3.5 人工智能的学派

2.3.4 我国人工智能的发展

2.3.3 发展阶段

2.3.2 形成阶段

2.3.1 孕育阶段

2.3 人工智能的发展史

2.2.2 中文屋子

2.2.1 图灵测试

2.2 人工智能的经典问题

2.1.3 人工智能的定义

2.1.2 智能的特征

2.1.1 智能的定义

2.1 人工智能的定义

第2章 人工智能概述

1.3 习题与练习

1.2.3 人工智能视角下的企业文化和职业素养

1.2.2 企业文化

1.2.1 职业素养

1.2 职业素养与企业文化

1.1.3 职业道德挑战

1.1.2 行业准则

1.1.1 职业道德

1.1 人工智能从业人员职业道德及行业准则

第1章 绪论

前言

版权信息

封面

封面

版权信息

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

5.3 BP神经网络的数据分类——语音特征信号分类

5.3.1 BP神经网络

5.3.2 语音特征信号识别

5.4 RBF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

7.1 OpenCV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

8.4 NLP算法设计

8.4.1 切分算法

8.4.2 正向最大匹配

8.4.3 逆向最大匹配

8.4.4 双向最大匹配

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

第10章 人工智能开发环境

10.1 Linux操作系统

10.1.1 Linux发展历程

10.1.2 Linux主要特性

10.1.3 安装Ubuntu 18.04

10.2 shell指令

10.2.1 什么是shell指令

10.2.2 shell的作用详析

10.2.3 常见的shell指令

10.2.4 shell指令的应用

10.3 Python的安装与移植

10.3.1 Python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

第11章 机器人的实现

11.1 ROS基本原理

11.1.1 ROS架构设计

11.1.2 计算图

11.1.3 文件系统

11.1.4 开源社区

11.1.5 ROS的通信机制

11.2 ROS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ROS

11.2.6 初始化rosdep

11.2.7 设置环境变量

11.2.8 构建工厂依赖

11.2.9 完成安装

11.3 ROS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

11.3.5 PC端控制MRobot

11.4 ROS机器人的路径规划与导航

11.4.1 准备工作

11.4.2 gmapping

11.4.3 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