第 1章 人工智能概述
1.1人工智能的基本概念
1.1.1 弱人工智能
1.1.2 强人工智能
1.1.3 超人工智能
1.2 人工智能的发展历程
1.2.1国外发展历程
1．第 一波“浪潮”
2．第 一次“寒冬”
3．第二波“浪潮”
4．第二次“寒冬”
5．第三波“浪潮”
1.2.2国内发展历程
1．起步前期
2．发展起步期
3．稳步发展期
4．蓬勃发展期
5．全面推进期
1.3人工智能的主流学派
1.3.1符号主义学派
1.3.2连接主义学派
1.3.3行为主义学派
1.4人工智能的典型技术
1.4.1机器学习
1.4.2自然语言处理
1.4.3 计算机视觉
1.4.4 知识图谱
1.5人工智能应用现状
1.5.1智能制造
1.5.2智能安防
1.5.3智慧农业
1.5.4智慧医疗
1.5.5智能物流
1.5.6智慧金融
1.5.7自动驾驶
1.5.8智慧零售
本章小结
课后习题
第 2章 积木编程
2.1 SENSESTUDY·AI实验平台
2.1.1 SENSESTUDY·AI实验平台的特点
2.1.2第 一个SENSESTUDY·AI积木程序
2.1.3积木模块元素的基本操作
2.2 程序设计语言的基本元素
2.2.1常量
2.2.2变量
2.2.3运算符
2.2.4表达式及语句
2.3 程序控制结构
2.3.1顺序结构
2.3.2选择结构
2.3.3循环结构
2.3.4函数
2.4 列表
2.4.1列表的定义
2.4.2列表的基本操作
2.4.3列表的应用
本章小结
课后习题
第3章 计算机视觉
3.1 计算机视觉概述
3.1.1 计算机视觉的任务
3.1.2 计算机视觉应用范围
3.2 视觉图像分类
3.2.1图像匹配简介
3.2.2图像匹配方法
3.2.3情绪识别
3.3 视觉图像分割
3.3.1图像分割简介
3.3.2图像分割技术
3.4 目标检测
3.4.1目标检测简介
3.4.2目标检测难点
本章小结
课后习题
第4章 自然语言处理
4.1 自然语言处理的发展阶段
4.1.1 自然语言处理的基本任务
4.1.2 自然语言处理的发展
4.2 自然语言处理的概念表示
4.2.1 经典概念理论
4.2.2 原型理论
4.3 自然语言处理的知识表示
4.3.1 产生式表示法
4.3.2 框架表示法
4.4 知识图谱
4.4.1 知识图谱的来源
4.4.2 知识抽取
4.4.3 知识图谱的向量表示方法
4.5 语音处理
4.5.1 语音的基本概念
4.5.2 语音特征提取
4.5.3 传统语音识别
本章小结28
课后习题
第5章 机器学习
5.1 什么是机器学习
5.1.1 对于学习的认知
5.1.2 机器学习的概念
5.1.3 机器学习的发展历程
5.1.4机器学习的研究现状及主流模型
5.1.5大数据技术对机器学习的影响
5.1.6机器学习的重要性
5.1.7传统编程与机器学习的区别
5.1.8机器学习的分类
5.2 监督学习
5.2.1监督学习简介
5.2.2监督学习工作流程
5.2.3监督学习的主要算法
5.3 无监督学习
5.3.1无监督学习简介
5.3.2无监督学习主要算法
5.4 半监督模型
5.4.1半监督学习简介
5.4.2半监督学习的起源与发展
5.5 强化学习
5.5.1强化学习简介
5.5.2强化学习的发展历程
本章小结
课后习题
第6章 自动驾驶
6.1 自动驾驶的概念
6.1.1 自动驾驶汽车
6.1.2 国内外自动驾驶的现状
6.1.3 人工智能技术在自动驾驶汽车的应用
6.1.4 人工智能在自动驾驶中面临的挑战
6.2 自动驾驶的分级模式
6.2.1 自动驾驶技术的五个等级
6.2.2 自动驾驶技术不同的分级介绍
6.3 自动驾驶的技术路线及软硬件
6.3.1 自动驾驶的两条技术路线
6.3.2 自动驾驶涉及的软硬件
6.4 自动驾驶产业发展情况和趋势
6.4.1 自动驾驶国内外发展的趋势
6.4.2 自动驾驶的标准统一的趋势
6.4.4 自动驾驶汽车何时能全面普及
本章小结
课后习题
第7章 智能机器人
7.1 智能机器人概述
7.1.1 机器人的起源与诞生
7.1.2 机器人的发展历程
7.1.3 智能机器人的分类
7.2 机器人中的智能技术
7.2.1 智能感知技术
7.2.2 智能的人机交互技术
7.2.3 智能导航与规划
7.3 智能机器人的应用领域
7.3.1 科研国防领域
7.3.2 服务领域
7.3.3 工业领域
7.3.4 农业领域
7.3.5 医用领域
7.4 智能机器人发展前景和问题
7.4.1 发展前景
7.4.2 面临的问题
本章小结
课后习题
第8章 人工神经网络与深度学习
8.1人工神经网络概述
8.1.1 人工神经网络结构
8.1.2 深度学习概述
8.1.3 神经网络和深度学习的发展历程
8.2 前馈神经网络
8.3 BP算法
8.4 深度学习
8.4.1深度学习的提出
8.4.2深度学习的兴起
8.4.3深度学习与机器学习的关系
8.5 欠拟合和过拟合
8.5.1什么是欠拟合
8.5.2什么是过拟合
8.5.3如何防止过拟合
8.6 卷积神经网络
8.7 深度学习的应用
8.7.1物体检测
8.7.2图像分割
8.7.3图像标题的生成
8.7.4图像风格变换
8.7.5图像的生成
8.7.6深度学习与自动驾驶
本章小结
课后习题
第9章 专家系统
9.1专家系统概述
9.2 推理方法
9.3 一个简单的专家系统
9.4 非确定性推理
9.5专家系统工具
9.6专家系统的应用
9.7专家系统的局限性
本章小结
课后习题