人工智能研究

定　價：￥49.80

作　者：	暫缺
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121374937	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數：	179	字數：

內容簡介

　　人工智能是一門研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)的新的技術科學，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等方面。本書第1章主要講解了人工智能的重要概念、發(fā)展現狀和相關技術等，為下文進一步研究人工智能打基礎；第2章對人工智能目前主要用到的Python進行了簡單的介紹，有利于下文程序的編寫；第3章介紹了機器學習，主要對機器學習的常用算法、卷積神經網絡和循環(huán)神經網絡進行了深入的闡釋；第4～11章詳細講解了8個人工智能應用案例。本書特色鮮明、內容易讀易學，適合作為相關專業(yè)的大學生，以及不具有人工智能研究背景，但是想要快速補充人工智能知識，以便在實際產品或平臺中應用的工程師等人員的參考書。

作者簡介

暫缺《人工智能研究》作者簡介

圖書目錄

第1章緒論
1.1 什么是人工智能
1.2 人工智能發(fā)展歷程
1.3 人工智能的重要概念
1.3.1 智能代理
1.3.2 與外部環(huán)境特性相關的重要術語
1.4 人工智能發(fā)展現狀
1.4.1 應用領域
1.4.2 應用層次
1.4.3 發(fā)展趨勢
1.5 人工智能相關技術
第2章 Python
2.1 Python概述
2.1.1 發(fā)展歷史
2.1.2 應用領域
2.2 常用數據類型
2.2.1 Number類型
2.2.2 String類型
2.2.3 Sequence類型簇
2.2.4 Tuple類型
2.2.5 List類型
2.2.6 Set類型
2.2.7 Dictionary類型
2.2.8 其他類型
2.2.9 數字類型轉換
2.3 流程控制
2.3.1 程序塊與作用域
2.3.2 條件語句
2.3.3 循環(huán)語句
2.4 函數
2.4.1 定義與調用
2.4.2 變長參數
2.4.3 匿名函數
2.5 異常
2.6 數據結構與算法
2.6.1 常用的數據結構
2.6.2 常用的算法
第3章機器學習
3.1 機器學習常用算法
3.1.1 決策樹
3.1.2 SVM
3.1.3 K近鄰
3.1.4 K均值
3.1.5 馬爾可夫鏈
3.2 卷積神經網絡
3.2.1 基本概念
3.2.2 發(fā)展歷史
3.2.3 基本原理
3.3 循環(huán)神經網絡
3.3.1 基本概念
3.3.2 Hopfield神經網絡
3.3.3 玻爾茲曼機
3.3.4 受限玻爾茲曼機
第4章人工智能背景下的融合時空信息和用戶信任度的推薦算法研究
4.1 概述
4.2 相關技術及理論
4.2.1 推薦算法
4.2.2 相似度計算
4.2.3 推薦系統(tǒng)評測
4.3 基于路網的Meeting模式發(fā)現算法
4.3.1 引言
4.3.2 軌跡預處理
4.3.3 相似軌跡段查詢
4.3.4 軌跡段劃分
4.3.5 軌跡段距離計算
4.3.6 時間過濾
4.3.7 Meeting模式發(fā)現算法
4.3.8 實驗與分析
4.4 時間約束的頻繁模式發(fā)現算法
4.4.1 引言
4.4.2 熱點區(qū)域發(fā)現
4.4.3 頻繁模式發(fā)現
4.4.4 頻繁模式發(fā)現算法
4.4.5 實驗與分析
4.5 移動對象運動模式發(fā)現原型系統(tǒng)設計與實現
4.5.1 系統(tǒng)結構設計
4.5.2 系統(tǒng)實現
4.6 總結
第5章基于人工智能的疲勞駕駛自動檢測
5.1 概述
5.2 傳統(tǒng)疲勞駕駛檢測技術
5.2.1 基于行車數據的檢測技術
5.2.2 基于生理指標的檢測技術
5.2.3 基于機器視覺的檢測技術
5.3 基于MTCNN的疲勞駕駛自動檢測
5.3.1 檢測原理
5.3.2 檢測模型
5.3.3 實驗
5.4 總結
第6章基于機器學習和輿情預測的新冠肺炎疫情分析
6.1 概述
6.2 傳播模式
6.2.1 自然傳播階段
6.2.2 干預后傳播階段
6.3 加入輿情預測后的預測模型
6.4 總結
第7章基于人工智能的點頭和搖頭人臉表情研究
7.1 概述
7.2 相關技術和理論
7.2.1 確定參考點
7.2.2 點頭和搖頭的偵測算法
7.3 實驗分析
7.4 基于點頭和搖頭的表情研究
7.5 總結
第8章基于DNN的樹莓派人臉識別系統(tǒng)架構設計
8.1 概述
8.2 樹莓派系統(tǒng)配置
8.2.1 硬件部分
8.2.2 軟件部分
8.3 非云端架構設計
8.4 云端架構設計
8.5 總結
第9章基于人工智能的膳食分析及個性化推薦系統(tǒng)研究
9.1 概述
9.2 相關技術及理論
9.2.1 粗糙集理論
9.2.2 個性化推薦算法
9.2.3 Android平臺
9.3 基于粗糙集理論的膳食分析及個性化推薦模型
9.3.1 膳食本體
9.3.2 用戶模型
9.3.3 基于粗糙集理論的個性化推薦模型
9.3.4 實例分析
9.4 膳食分析及個性化推薦系統(tǒng)需求分析與總體設計
9.4.1 需求分析
9.4.2 可行性分析
9.4.3 總體設計
9.5 總結
第10章基于深度學習的情緒感知研究
10.1 概述
10.2 相關技術及理論
10.2.1 人臉識別流程
10.2.2 技術原理
10.3 表情識別的實現原理
10.3.1 識別流程
10.3.2 技術原理
10.4 傳統(tǒng)的人臉與表情識別方法
10.5 基于深度學習的人臉與表情識別方法
10.5.1 使用深度卷積神經網絡模型
10.5.2 使用DNN進行分類輸出
10.5.3 使用樹莓派作為采集終端
10.6 情緒感知原理
10.7 前期準備
10.7.1 平臺的選擇
10.7.2 環(huán)境的搭建
10.7.3 TensorFlow和Keras的安裝
10.7.4 OpenCV的安裝
10.7.5 模型的訓練
10.8 識別過程與結果
10.8.1 人臉與表情識別過程
10.8.2 人臉與表情識別結果
10.8.3 情緒感知識別結果
10.9 總結
第11章基于人工智能的煙煤太赫茲光譜特性研究
11.1 概述
11.2 實驗
11.2.1 實驗系統(tǒng)
11.2.2 實驗樣本
11.2.3 實驗方案與數據處理方法
11.3 結果與討論
11.3.1 煙煤的太