新書推薦：
《
创伤自救指南：如何摆脱消极模式、修复人际关系并获得自由
》
售價：HK$
64.9
《
失控的孤独
》
售價：HK$
61.6
《
怀疑：破解天才困惑与凡人焦虑的心理谜题
》
售價：HK$
87.9
《
神圣的异端：法国中世纪纯洁派叙事研究
》
售價：HK$
107.8
《
甲骨文丛书·莫卧儿王朝的灭亡：德里1857年
》
售價：HK$
163.9
《
江南器物志
》
售價：HK$
86.9
《
Go语言高级编程（第2版）
》
售價：HK$
98.8
《
与贝聿铭同行
》
售價：HK$
129.8
|
| 內容簡介： |
|
本书通过深入浅出的方式，系统介绍了人工智能的基本概念、发展历程、主要流派和关键技术，使读者能够快速了解人工智能的全貌，为后续深入学习打下基础。全书共十二章，内容涵盖人工智能的基本理论和核心技术，以及人工智能在各领域的应用。具体包括概述、表示与理解、机器学习、深度学习、计算机视觉、自然语言处理、大语言模型、知识图谱、智能语音、无人驾驶与无人机、智能穿戴和人工智能安全与伦理。本书是人工智能学科的“零基础”入门级教材，可以作为高等院校人工智能专业、计算机科学与技术专业、大数据专业、软件工程专业等相关专业的教材和参考书，也可以作为人工智能爱好者及相关研究人员、企事业单位相关专业人员进行人工智能开发研究工作的参考资料。
|
| 目錄：
|
第1章 人工智能概述 001
1.1 人工智能的定义与范畴 001
1.1.1 人工智能的定义 001
1.1.2 人工智能的三大流派 003
1.1.3 人工智能的研究领域 004
1.2 人工智能的历史与发展 005
1.2.1 人工智能的起源与早期发展 005
1.2.2 人工智能的“寒冬”与复兴 007
1.2.3 人工智能的挑战与机遇 011
1.3 人工智能发展趋势 012
1.3.1 技术发展趋势 012
1.3.2 应用发展趋势 014
习题 016
第2章 表示与理解 018
2.1 知识表示及方法 018
2.1.1 知识与知识表示的概念 018
2.1.2 语义网络 019
2.1.3 一阶谓词逻辑 019
2.1.4 产生式表示法 022
2.1.5 框架表示法 024
2.2 推理方法及实现 025
2.2.1 推理方式及分类 025
2.2.2 确定性推理 027
2.2.3 非确定性推理 029
2.3 搜索策略及算法 031
2.3.1 状态空间表示法 032
2.3.2 盲目搜索 034
2.3.3 启发式搜索 038
习题 040
第3章 机器学习 041
3.1 机器学习概念与分类 041
3.1.1 有监督学习 043
3.1.2 无监督学习 044
3.1.3 弱监督学习 044
3.1.4 集成学习 047
3.1.5 迁移学习 049
3.1.6 强化学习 054
3.2 群体智能 057
3.2.1 群体智能概述 057
3.2.2 群体智能算法 058
习题 060
第4章 深度学习 061
4.1 神经网络概述 061
4.1.1 神经网络的基本原理 061
4.1.2 激活函数的作用与种类 062
4.1.3 损失函数与优化算法 065
4.2 深度学习算法 066
4.2.1 反向传播算法 066
4.2.2 卷积神经网络 067
4.2.3 循环神经网络 068
4.2.4 长短期记忆网络 069
4.2.5 生成对抗网络 069
4.2.6 注意力机制 070
4.3 深度学习框架 070
4.3.1 TensorFlow 070
4.3.2 Keras 072
4.3.3 MXNet 074
4.3.4 PyTorch 075
4.4 库管理工具：Anaconda 076
习题 077
第5章 计算机视觉 079
5.1 计算机视觉的基本原理 079
5.1.1 智能视觉技术 080
5.1.2 传统的数字图像处理技术 082
5.1.3 智能视觉系统 084
5.2 智能视觉模型和关键技术 088
5.2.1 深度学习模型 089
5.2.2 特征提取与物体识别 090
5.2.3 YOLO 模型 091
5.2.4 三维视觉技术 093
5.3 智能视觉典型应用案例 095
5.3.1 文本生成图像 095
5.3.2 三维场景重建 098
习题 102
第6章 自然语言处理 104
6.1 语言学基础 104
6.1.1 语言学的核心概念 104
6.1.2 语法与句法结构 104
6.1.3 语义与语用分析 105
6.1.4 词汇学与词典学简介 106
6.1.5 语言多样性 107
6.2 文本预处理 108
6.2.1 文本清洗与规范化 108
6.2.2 分词与词性标注 110
6.2.3 停用词与词干提取 111
6.2.4 文本向量化与特征工程 112
6.2.5 数据增强与平衡策略 113
6.3 相关模型与技术 114
6.3.1 词嵌入技术 114
6.3.2 注意力机制 116
6.3.3 文本生成技术 117
6.4 下游任务 118
6.4.1 命名实体识别 118
6.4.2 文本分类与情感分析 119
6.4.3 问答系统 119
6.4.4 机器翻译 119
习题 121
第7章 大语言模型 122
7.1 大语言模型概述 122
7.1.1 什么是大语言模型？ 122
7.1.2 LLMs 的历史与发展 123
7.2 主流大语言模型概览 125
7.2.1 GPT 系列大语言模型 125
7.2.2 BERT 及其衍生模型解析 125
7.2.3 T5、ERNIE、ViT 等先进模型介绍 126
7.2.4 国内外大语言模型的特点对比 127
7.3 大语言模型的训练与优化 129
7.3.1 数据准备与预处理 129
7.3.2 损失函数与优化算法 130
7.3.3 分布式训练与模型并行化 132
7.3.4 模型压缩与轻量化技术 133
7.3.5 评估方法与指标 134
7.4 大语言模型的应用案例 135
7.4.1 对话系统 135
7.4.2 信息检索 135
7.4.3 文本生成 136
习题 136
第8章 知识图谱 137
8.1 知识图谱的演变 137
8.2 图结构与图查询 139
8.2.1 RDF 图 139
8.2.2 属性图 140
8.2.3 图查询语言 141
8.3 知识图谱构建技术 142
8.3.1 信息抽取 142
8.3.2 知识融合 144
8.3.3 知识加工 145
8.3.4 跨语言知识图谱构建 146
8.4 知识图谱表示学习 147
8.4.1 知识图谱嵌入的概念 147
8.4.2 知识图谱嵌入的主要方法 147
8.4.3 知识图谱嵌入的下游任务 149
8.5 知识图谱推理 150
8.5.1 基于图结构的推理 150
8.5.2 基于规则学习的推理 154
8.5.3 基于表示学习的推理 156
8.6 知识图谱的应用 159
8.6.1 智能语义搜索问答系统 159
8.6.2 基于知识图谱的个性化推荐 160
8.6.3 多模态与跨语言知识图谱 161
8.6.4 知识图谱增强AI 系统的语义理解 161
习题 163
第9章 智能语音 164
9.1 智能语音概述 164
9.2 智能语音关键技术 166
9.2.1 智能语音识别技术 166
9.2.2 语音合成技术 172
9.3 语音增强方法 174
9.3.1 语音信号增强 174
9.3.2 语音质量评价 175
9.4 智能语音发展趋势 176
习题 177
第10章 无人驾驶与无人机 179
10.1 无人驾驶系统概述 179
10.1.1 无人驾驶的起源与发展背景 179
10.1.2 无人驾驶的定义 181
10.1.3 无人驾驶应用场景 183
10.2 无人驾驶关键技术 185
10.2.1 无人驾驶中的环境感知 185
10.2.2 无人驾驶中的决策与规划技术 187
10.2.3 无人驾驶中的控制与执行技术 189
10.3 无人机概述 191
10.3.1 无人机起源与发展191
10.3.2 无人机关键技术 192
10.3.3 无人机应用场景 195
习题 201
第11章 智能穿戴 203
11.1 智能穿戴设备概述 203
11.1.1 智能穿戴设备的发展历程 203
11.1.2 智能穿戴设备定义 204
11.1.3 智能穿戴设备的类型与形态 205
11.2 智能穿戴设备功能设计 207
11.2.1 健康监测 207
11.2.2 运动助手 208
11.2.3 通信便捷 209
11.2.4 生活小秘书 210
11.3 智能穿戴设备关键技术 211
11.3.1 心跳感知技术 211
11.3.2 皮肤生理特性分析 215
11.3.3 运动感知技术 216
11.4 智能穿戴设备应用 217
11.4.1 健康管理：从预防到康复的全方位支持 217
11.4.2 时尚搭配：科技与美学的完美结合 218
11.4.3 特殊领域：工业、军事与医疗的专属定制 219
习题 221
第12章 人工智能安全与伦理 222
12.1 安全与伦理的重要性 222
12.2 人工智能安全 223
12.2.1 人工智能安全的定义与范畴 224
12.2.2 人工智能应用的安全风险 224
12.2.3 安全防护措施 226
12.3 人工智能伦理 229
12.3.1 人工智能伦理原则 229
12.3.2 伦理挑战与案例分析 231
12.3.3 伦理治理与实践 233
12.4 人工智能与社会责任 235
12.4.1 企业社会责任与人工智能 235
12.4.2 人工智能对社会的影响 235
12.5 未来展望 237
12.5.1 人工智能安全与伦理的发展趋势 237
12.5.2 人工智能安全与伦理的全球合作 239
习题 240
参考文献 241
|
| 內容試閱：
|
在21 世纪的科技舞台上，人工智能（Artificial Intelligence，AI）无疑是最为耀眼的明星之一。从最初的简单计算到如今复杂的自主决策，人工智能的每一次进步都深刻地影响着我们的生活、工作和社会结构。我国高度重视人工智能的发展，出台了一系列战略规划和支持政策，为人工智能的快速发展提供了强有力的保障。特别是在党的二十大报告中，明确指出了加快实现高水平科技自立自强，加快建设科技强国的宏伟目标，这要求我们不仅要追求科技创新，更要弘扬科学精神，培养科技人才。在这一背景下，我们编写的《人工智能导论》一书，正是响应党的号召，致力于打造一门适合各类人才培养的通识课程的教材。
人工智能作为新兴技术，其概念和原理对于非专业人士来说可能相对陌生。本书通过深入浅出的方式，系统介绍了人工智能的基本概念、发展历程、主要流派和关键技术，使读者能够快速了解人工智能的全貌，为后续深入学习打下基础。本书共十二章，内容涵盖人工智能的基本理论和关键技术，以及人工智能在各领域的应用。各章节内容安排如下。
第1章主要介绍人工智能的基本概念、发展历程、主要流派，探讨了人工智能对社会的影响和未来发展趋势，为读者提供宏观的视角和思考。
第2章深入探讨人工智能中的知识表示和理解问题，介绍常见的知识表示方法、语义分析和推理技术，使读者了解人工智能如何理解和处理人类知识，为后续学习打下基础。
第3章详细介绍机器学习的基本原理、常用算法和应用场景，使读者掌握机器学习的基本方法和技能，为后续深入学习深度学习等高级技术奠定基础。
第4章详细介绍深度学习的基本原理、常用模型和训练方法，通过丰富的案例和实验，使读者掌握深度学习的基本技术和应用。
第5章详细介绍计算机视觉的基本原理、关键技术和应用场景，包括图像识别、目标检测、图像分割等，使读者了解计算机视觉的基本原理和技术。
第6章介绍自然语言处理的基本原理、关键技术和应用场景，包括文本分类、情感分析、机器翻译等，使读者掌握自然语言处理的基本方法和技能。
第7章介绍大语言模型的基本原理、训练方法和应用场景，包括GPT、BERT 等著名模型，使读者了解大语言模型的最新进展和应用前景。
第8章介绍知识图谱的基本概念、构建方法和应用场景，包括知识抽取、知识融合、知识推理等，使读者了解知识图谱的基本原理和技术。
第9章介绍智能语音的基本原理、关键技术和应用场景，包括语音识别、语音合成、语音交互等，使读者掌握智能语音的基本技术和应用。
第10章介绍无人驾驶和无人机的基本原理、关键技术和发展趋势，包括自动驾驶技术、无人机控制技术、导航定位技术等，使读者了解无人驾驶和无人机的最新进展和应用前景。
第11章介绍智能穿戴的基本原理、关键技术和应用场景，包括健康监测、运动跟踪、智能提醒等，使读者了解智能穿戴的基本原理和技术。
第12章深入探讨人工智能的安全风险和伦理挑战，包括数据隐私保护、算法偏见、责任归属等，为读者提供解决这些问题的思路和方法。
在本书的编写过程中，我们得到了许多专家、学者和同行的支持和帮助。他们不仅提供了宝贵的意见和建议，还分享了丰富的案例资源。具体编写情况如下：梁琨博士编写第1、6、7章，侯琳、梁琨编写第2章，赵宇博士、梁琨编写第3、4章，陈亚瑞博士编写第5章，张国强、梁琨编写第8章，韩龙哲博士编写第9章，张翼英博士、赵嘉博士编写第10章，翟俊武、梁琨编写第11章，张翼英、何业慎博士编写第12章。同时，参与编写的还有黄越洋、王朝、王浩宇、徐戈飞、刘可杰、韩梦婷、丁慧、赵丛丛、陈李、包放、李晴、刘浩天、邵建林、宋新雨、常禧龙等同学。在此，向他们表示衷心的感谢！
由于水平有限，书中内容难免有疏漏之处，敬请广大读者批评指正。衷心希望本书能够为读者提供有价值的帮助和指导，也期待在未来的日子里，与读者一起共同见证人工智能的辉煌未来！
编者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
