电子工业出版社-网上书店

本书以人工智能为主要研究对象，较全面地介绍人工智能的基本原理、常见算法和应用技术。全书分为9章，主要内容包括：绪论、知识图谱与专家系统、智能搜索策略、机器学习、特征选择与提取、人工神经网络、深度学习、深度神经网络在图像处理中的应用、深度神经网络在语音信号处理中的应用。本书深入浅出、层次分明、循环渐进地对人工智能基础及应用进行系统的介绍，使读者学习得更加清晰明了。本书配有PPT、微课视频、习题及习题解答等资源，读者可登录华信教育资源网（www.hxedu.com.cn）免费下载。本书适合作为本科生教材，也可供研究生和科技人员参考。本书可以作为高等院校电子信息类、测控通信类、自动化类、计算机类等专业及相关专业相关课程的教材，还可以作为大学生课外电子制作、电子设计竞赛和相关工程技术人员的实用参考书与培训教材。

第1章  绪论	2
1.1　人工智能概述	2
1.1.1  智能的定义	2
1.1.2  人工智能的定义	3
1.1.3  人工智能的起源、现状及发展	3
1.2　人工智能研究的主要内容	7
1.2.1  模式识别	7
1.2.2  专家系统	7
1.2.3  知识库系统	8
1.2.4  自然语言理解	8
1.2.5  自动定理证明	9
1.2.6  计算机视觉	9
1.2.7  自动程序设计	10
1.2.8  自然语言生成	10
1.2.9  机器人学	10
1.2.10  分布式人工智能	11
1.2.11  计算机博弈	11
1.2.12  智能控制	12
1.2.13  软计算	12
1.2.14  智能规划	12
1.3　人工智能的主要技术	13
1.3.1  逻辑推理与定理证明	13
1.3.2  自然语言处理	13
1.3.3  智能机器人	13
1.3.4  最优解算法	13
1.3.5  智能信息检索技术	14
1.3.6  专家系统	14
1.3.7  智能控制技术	14
1.3.8  机器学习	15
1.3.9  生物特征识别	15
1.3.10  人工神经网络	15
1.3.11  虚拟现实技术与增强现实技术	16
1.3.12  知识图谱	16
1.3.13  数据挖掘与知识发现	16
1.3.14  人机交互技术	16
1.4　人工智能的应用领域	17
1.4.1  机器视觉	17
1.4.2  语音识别	19
1.4.3  智能机器人	20
1.5　人工智能的发展趋势与应用前景	21
1.5.1  人工智能的发展趋势	21
1.5.2  人工智能的应用前景	24
本章小结	26
习题	26
第2章  知识图谱与专家系统	28
2.1　知识概述	28
2.1.1  知识	28
2.1.2  数据、信息、知识和智能	28
2.1.3  知识的特征	29
2.1.4  知识的分类	30
2.2　知识表示方法	30
2.2.1  逻辑表示法	30
2.2.2  产生式表示法	33
2.2.3  语义网络表示法	38
2.2.4  框架表示法	43
2.3　知识获取与管理	46
2.3.1  知识获取的概述	46
2.3.2  知识获取的任务	47
2.3.3  知识获取的方式	48
2.3.4  知识管理	50
2.4　知识图谱	52
2.4.1  知识图谱的概述	52
2.4.2  知识图谱的表示	53
2.4.3  知识图谱的推理	53
2.4.4  知识图谱的构建	54
2.4.5  知识图谱的分类	55
2.4.6  知识图谱的特点	56
2.5　专家系统	56
2.5.1  专家系统概述	56
2.5.2  专家系统的结构及构建步骤	57
2.5.3  专家系统的工作原理	59
2.5.4  专家系统的优点	60
2.6　知识图谱与专家系统应用及案例	60
2.6.1  知识图谱的应用及案例	60
2.6.2  专家系统的应用及案例	61
本章小结	66
习题	67
第3章  智能搜索策略	70
3.1　搜索概述	70
3.2　状态空间搜索	71
3.2.1  状态空间表示	71
3.2.2  启发式信息与估价函数	74
3.2.3  A算法	75
3.2.4  A*算法	77
3.3　与或树搜索	79
3.3.1  与或树表示	79
3.3.2  解树的代价	82
3.3.3  与或树的有序搜索	83
3.4　博弈	86
3.4.1  博弈树	86
3.4.2  极大极小过程	88
3.4.3  α-β过程	90
3.5　遗传算法	93
3.5.1  基本过程	93
3.5.2  遗传编码	95
3.5.3  适应度函数	97
3.5.4  遗传操作	99
3.6　智能搜索应用案例	108
本章小结	111
习题	111
第4章  机器学习	114
4.1　机器学习概述	114
4.1.1  什么是机器学习	114
4.1.2  机器学习的发展历程	115
4.1.3  机器学习方法分类	116
4.2　k最近邻域	117
4.3　决策树	119
4.3.1  决策树结构	120
4.3.2  构造决策树	121
4.3.3  随机森林	129
4.4　贝叶斯学习	130
4.4.1  贝叶斯法则	130
4.4.2  贝叶斯网络	131
4.4.3  朴素贝叶斯方法	132
4.5　支持向量机	135
4.5.1  线性可分数据二元分类问题	135
4.5.2  线性不可分数据二元分类问题	140
4.5.3  非线性可分数据二元分类问题	142
4.6　聚类分析	144
4.6.1  聚类分析概述	144
4.6.2  k均值聚类	146
4.6.3  k中心点聚类	147
4.7　基于k均值聚类算法实现鸢尾花聚类	149
本章小结	151
习题	152
第5章  特征选择与提取	155
5.1　特征选择与提取概述	155
5.2　降维	155
5.3　特征提取	157
5.3.1  主成分分析	157
5.3.2  线性判别分析	162
5.4　特征选择	164
5.4.1  过滤法	165
5.4.2  包装法	167
5.4.3  嵌入法	167
5.5　特征选择与提取应用及案例	168
本章小结	169
习题	170
第6章  人工神经网络	172
6.1　产生和发展	172
6.1.1  人工神经元	172
6.1.2  感知机	175
6.2　BP神经网络	179
6.2.1  BP神经网络的基本概述	180
6.2.2  BP神经网络的结构	180
6.2.3  BP神经网络算法	181
6.2.4  BP多层前馈网络的主要能力	183
本章小结	183
习题	184
第7章  深度学习	186
7.1　卷积神经网络	186
7.1.1  CNN基本概述	186
7.1.2  CNN结构	186
7.2　深度学习的基本框架	191
7.2.1  概述	191
7.2.2  几种深度学习框架	192
7.3　循环神经网络	194
7.3.1  RNN概述	195
7.3.2  RNN的基本结构	195
7.4　长短时记忆网络	201
7.4.1  LSTM网络概述	201
7.4.2  LSTM网络的基本结构	202
7.4.3  LSTM网络的变体	204
7.5　生成对抗网络	205
7.5.1  GAN概述	205
7.5.2  GAN网络结构及训练	207
7.5.3  GAN的变体	210
7.6　迁移学习	213
7.6.1  迁移学习的定义及研究目标	213
7.6.2  迁移学习中的基本概念	214
7.6.3  迁移学习的分类	215
7.6.4  迁移学习的应用领域	217
本章小结	219
习题	219
第8章  深度神经网络在图像处理中的应用	221
8.1　计算机视觉基础	221
8.1.1  计算机视觉概述	221
8.1.2  图像与图像特征	224
8.1.3  卷积神经网络与计算机视觉	228
8.2　基于YOLO的交通标志检测与识别	231
8.2.1  交通标志识别	231
8.2.2  YOLO系列简介	232
8.2.3  基于YOLOv5的交通标志检测与识别	237
8.3　基于卷积神经网络的车牌定位与识别	244
8.3.1  车牌特征	244
8.3.2  车牌定位与识别方案设计	245
8.3.3  基于YOLOv5和LPRNet的车牌定位与识别	259
本章小结	268
第9章  深度神经网络在语音信号处理中的应用	270
9.1　语音信号的基础知识	270
9.1.1  语言和语音	270
9.1.2  语音信号的产生机理	272
9.1.3  语音信号的感知	273
9.1.4  语音信号产生的模型	275
9.2　基本原理	276
9.2.1  语音识别的基本原理	276
9.2.2  语音增强的基本原理	277
9.2.3  语音分离的基本原理	280
9.3　语音增强技术及应用	282
9.4　语音识别的前沿问题及应用前景	285
本章小结	286
习题	286
附录A Python 安装及简单函数的使用 	288
A.1 Python 概述	288
A.1.1 Python 的基本概念	288
A.1.2 Python 的应用领域	288
A.1.3 Python 开发环境的安装与配置	 289
A.1.4 Python 编程规范	293
A.1.5 扩展库安装方法	295
A.1.6 标准库与扩展库中对象的导入与使用	296
A.2 内置对象、运算符、表达式	296
A.2.1 Python 中常用的内置对象	 296
A.2.2 Python 运算符与表达式	 300

前言
随着智能化时代的到来，人工智能化产品已经逐渐走进我们生活的方方面面。作为互联网时代最为前沿的基础技术，人工智能如今的发展速度几乎呈指数级提高，各类智能化产品层出不穷，涉及领域日益广泛。
纵观人工智能发展的几度兴衰，其随着时代发展而不断发生新的转变并呈现出新的特点。最近这次的人工智能热潮呈现出五大特点：一是从人工知识表达到大数据驱动的知识学习技术；二是从分类型处理的多媒体数据转向跨媒体的认知、学习、推理；三是从追求智能机器到高水平的人机、脑机相互协同和融合；四是从聚焦个体智能到基于互联网和大数据的群体智能；五是从拟人化的机器人转向更加广阔的智能自主系统。
目前，人工智能已经成为国际竞争的新焦点。2016 年，日本设立“人工智能技术战略会议”，作为国家层面的综合管理机构推进人工智能的技术研发及应用；同年，美国国家科技委连续发布《为人工智能的未来做好准备》和《国家人工智能研究和发展战略计划》两个重要文件，将人工智能提升到国家战略层面；2018 年，欧盟委员会发布主题为“人工智能欧洲造”的《人工智能协调计划》。我国自2015 年以来也相继出台了多项政策强力推进人工智能的发展。随着相关科技成果不断落地，应用场景更加丰富，人工智能技术与实体经济加速融合，助推传统产业转型升级，为高质量发展注入了强劲动力。
人工智能的发展不断冲击着各行各业，全球各科技巨擘之间的竞争日益加剧，投入力度不断加强。本次人工智能的兴起正在以一种全新的方式改变世界的面貌，推动世界文明的进步和发展。
随着人工智能技术全球化的不断深入和扩大，如何培养高质量的人工智能人才显得尤为重要，而人工智能人才培养离不开对基础理论、算法开发、创新实践等相关知识的学习。为了实现人工智能基础课程的教学目的，本书的编写工在人工智能发展日益强劲的大背景下开展，希望能够为我国人工智能方向的教育和人才培养提供些许帮助。本书以培养人工智能基础理论知识和方法为前提来构思结构及相应的教学内容，力求使之具有科学性、系统性和实用性。本书注重基础理论和实际应用的紧密结合，以理论知识学习和能力培养为指导，在内容编写过程中结合了大量的人工智能算法案例，清晰地阐述了人工智能相关的概念和算法，从而增强学生学习人工智能相关知识的兴趣。
本书第1 章介绍了人工智能的定义及主要内容；第2、3 章介绍了知识图谱、专家系统、智能搜索策略；第4、5 章介绍了机器学习、特征选择与提取；第6、7 章介绍了人工神经网络、深度学习；第8、9 章介绍了深度神经网络在图像处理和语音信号处理中的应用。
本书的主要特色如下：
（1）突出理论，概念齐全，算法原理讲解丰富。本书采用由浅入深的方式对人工智能基础及应用进行多层次介绍，能够帮助读者更加清晰地了解和学习人工智能的相关知识，为日后的深入学习打下扎实的基础。
（2）语言简明，可读性好。本书适用于人工智能课程教学与大学本科学生的自学，力求用通俗的文字深入浅出地讲解概念、理论和技术，特别是将人工智能技术与生活中的相关案例结合，使学生能够有兴趣、有耐心、系统地阅读本书，掌握人工智能的基本思想与基本方法。
（3）内容先进，注重应用。本书覆盖了人工智能的主要应用领域，体系完整，精选了人工智能技术的一些前沿热点。本书以浅显易懂的语言、简洁清晰的公式，配合生动有趣的案例、微课视频启迪算法理解，诠释人工智能的精髓，让学生能较容易地理解人工智能技术；使学生能够学以致用，提升创新实践能力。
（4）精心编排，便于学习。每章开篇设置了思维导图，使读者在每章开篇就能够知道本章要讨论的主要内容，设定学习目标；同时，每章最后都给出了本章小结。
（5）突出实用性和实践性。本书紧密把握人工智能领域的发展前沿及实际应用，围绕人工智能基础的能力培养要求，将理论与实际应用相结合，以丰富的案例加深读者对人工智能方法的理解。
（6）结构合理，方便教学。本书各章内容相对独立，教师可以根据课程计划学时，以及根据专业需要自由选择和组合相关内容，以保持课程体系结构的完整性。在每一章的最后都配有相应的习题，答案以电子资源方式呈现，同时，书中针对一些知识点配有微课视频讲解，便于理论教学和考核，也适用于现代产业学院授课。
本书配有丰富的教学资源，任课教师或读者可登录华信教育资源网（www.hxedu.com.cn）进行免费下载。
本书建议总学时为42 学时。其中，课堂教学38 学时，实验4 学时（实验内容可由任课教师根据需要和条件确定）。
本书由兰朝凤主编。第1、9 章和8.1 节及附录部分由兰朝凤编写，第2、5 章由王玉玲编写，第3、4 章及8.3 节由韩玉兰编写，第6、7 章和8.2 节及部分习题由柳长源编写。本书的配套资源由张梦、付丽荣、张磊协助完成，由兰朝凤负责全书的统稿工作。本书的编写工作得到了哈尔滨理工大学测控技术与通信工程学院、黑龙江省高等教育学会课题（No.23GJYBF032）和黑龙江省新一代信息技术产业学院的大力支持，在此表示感谢。本书在编写时也参考了许多同行专家的相关文献，在此向这些文献的作者深表感谢。
由于作者水平有限，加之时间仓促，书中难免有错误与不足之处，恳请各位专家和读者批评指正。
兰朝凤

本书配套资源下载

对不起，暂无音视频资源！

人工智能基础及应用（微课版）