人工智能應用技術基礎（簡體書）

本書內容包含人工智能新技術、大數據、機器學習、深度學習、知識圖譜、AI圖像技術、自然語言處理、智慧物聯、數字工廠、智能機器人、智慧城市。本書案例豐富、結構清晰、通俗易懂，是一本比較全面、系統地介紹人工智能基礎技術的書籍。
本書可作為應用型本科、高職院校的人工智能應用技術通識課教材，也可作為人工智能愛好者、從業者的輔助讀物。

第一章 人工智能新技術 1
1.1 從簡單機器到通用圖靈機 1
1.1.1 參數固定的簡單機器 1
1.1.2 參數可調的機器 1
1.1.3 通用圖靈機 2
1.2 人工智能AI簡史 3
1.2.1 機器與智能(1956年之前) 3
1.2.2 人工智能形成和發展
(1956年至20世紀末) 4
1.2.3 人工智能+時代(進入21世紀) 6
1.3 人工智能與自然智能 7
1.3.1 器類與人類 7
1.3.2 器類的未來 7
習題 8

第二章 大數據 9
2.1 大數據應用場景――空氣環境監測 9
2.2 大數據概述 10
2.2.1 大數據產生的背景 10
2.2.2 大數據的概念 11
2.2.3 大數據關鍵技術 12
2.3 商業大數據 17
2.3.1 商業大數據來源 17
2.3.2 商業大數據分析 17
2.4 工業大數據 19
2.4.1 工業大數據內涵 19
2.4.2 工業大數據發展現狀 20
2.4.3 工業大數據的關鍵技術 21
2.5 應用案例 23
2.5.1 H3C大數據系統在高校大學生
管理中的應用 23
2.5.2 西北某大學大數據分析系統
建設案例 24
習題 25

第三章 機器學習 26
3.1 機器學習應用場景――鳶尾花分類 26
3.2 數據驅動AI 27
3.2.1 傳感器和海量數據 27
3.2.2 什麼是機器學習 28
3.2.3 機器學習算法 28
3.2.4 機器學習數據處理流程 29
3.3 K近鄰(KNN) 30
3.3.1 KNN簡介 30
3.3.2 KNN算法三要素 31
3.3.3 KNN算法流程 32
3.3.4 KNN示例 32
3.3.5 KNN的優缺點 33
3.4 K-Means聚類 34
3.4.1 K-Means聚類簡介 34
3.4.2 K-Means算法流程 34
3.4.3 K-Means聚類示例 36
3.4.4 層次聚類 37
3.4.5 影響K-Means聚類算法的
主要因素 38
3.4.6 K-Means聚類優缺點 39
3.4.7 KNN與K-Means的比較 39
3.5 應用案例 40
3.5.1 KNN分類應用場景 40
3.5.2 K-Means聚類應用場景 40
習題 41

第四章 深度學習 42
4.1 深度學習應用場景――人臉識別 43
4.2 由生物神經元到M-P模型 44
4.2.1 神經元模型 44
4.2.2 感知機 46
4.2.3 多層感知機 47
4.2.4 反向傳播算法 49
4.3 卷積神經網絡 49
4.3.1 卷積層 50
4.3.2 ReLU非線性激活層 53
4.3.3 池化層 54
4.3.4 全連接層 55
4.3.5 softmax歸一化指數層 55
4.3.6 AlexNet網絡架構 56
4.4 循環神經網絡 57
4.5 應用案例――圖像風格遷移 58
習題 59

第五章 知識圖譜 60
5.1 知識圖譜場景應用
――“姚明”知識圖譜展示 60
5.2 智能搜索 61
5.2.1 狀態空間搜索 62
5.2.2 盲目搜索策略 64
5.2.3 啟發式搜索策略 66
5.3 知識圖譜技術 66
5.3.1 資源描述框架 68
5.3.2 知識圖譜的架構 69
5.3.3 圖數據庫 70
5.4 知識圖譜應用案例 72
習題 72

第六章 AI圖像技術 73
6.1 圖像技術應用場景――視課
智慧課堂系統 73
6.2 計算機視覺 75
6.2.1 計算機視覺概述 75
6.2.2 計算機視覺處理 76
6.3 圖像處理 80
6.3.1 圖像數字化 80
6.3.2 顏色空間 85
6.3.3 圖像類型和圖像格式 87
6.4 數字媒體 89
6.4.1 數字音頻 89
6.4.2 數字視頻 92
6.4.3 影視製作 94
6.5 應用案例――智能人員通行管理 97
習題 100

第七章 自然語言處理 101
7.1 自然語言處理應用場景
――自然語言處理實例 101
7.2 自然語言處理基本功能模塊 101
7.2.1 詞匯自動處理 101
7.2.2 句法自動處理 102
7.2.3 語義自動處理 104
7.3 文本處理 105
7.3.1 文本特徵 105
7.3.2 文檔相似性 108
7.4 機器翻譯 109
7.4.1 基於規則的機器翻譯 109
7.4.2 基於統計的機器翻譯 110
7.4.3 神經網絡機器翻譯 111
7.5 語音識別 112
7.5.1 感知聲音 112
7.5.2 理解聲音 113
7.5.3 識別語音 116
7.6 應用案例――訊飛翻譯機2.0 117
習題 119

第八章 智慧物聯 120
8.1 智慧物聯應用場景――基於RFID的
車輛管理系統 120
8.2 智慧物聯感知技術 121
8.2.1 傳感器技術 121
8.2.2 RFID系統 124
8.2.3 條形碼技術 128
8.3 智慧物聯通信技術 132
8.3.1 無線傳感網絡技術 132
8.3.2 移動通信技術 139
8.4 智慧安防控制系統 144
8.4.1 智慧安防控制系統的組成 144
8.4.2 家用型監控系統 146
8.4.3 大型商用監控系統 147
8.5 應用案例――智慧交通 149
習題 152
第九章 數字工廠 153
9.1 數字工廠應用場景――流程數字化 153
9.2 產品設計 153
9.2.1 自頂向下的設計方法簡介 153
9.2.2 設計工具介紹 155
9.2.3 產線設計流程 159
9.2.4 有限元分析 163
9.3 工廠仿真 165
9.3.1 工廠仿真與數字化工廠的概述 165
9.3.2 現代工廠仿真軟件介紹 167
9.3.3 工廠生產系統仿真過程 170
9.4 VR/AR的應用 175
9.5 數字化工廠案例 177
9.5.1 數字化工廠概覽 177
9.5.2 數字化工廠內物流 179
9.5.3 模塊化設計 181
9.5.4 兩化融合――縱橫集成 181
9.5.5 智能數據采集與分析 182
9.5.6 移動終端用戶應用 183
習題 183

第十章 智能機器人 184
10.1 智能機器人應用場景――多種焊接
工藝融於一體的智能機器人 184
10.2 常見機器人 185
10.2.1 智能機器人定義 185
10.2.2 智能機器人的組成 186
10.2.3 智能機器人分類 187
10.2.4 智能機器人的未來發展 191
10.3 導航與定位 192
10.3.1 理論基礎 193
10.3.2 主要技術 194
10.3.3 視覺導航技術 196
10.4 智能機器人操作系統 197
10.4.1 操作系統發展史 197
10.4.2 常見的機器人操作系統 199
10.4.3 ROS操作系統概述 200
10.4.4 智能機器人操作系統的未來 201
10.5 應用案例 202
10.5.1 智能機器人法律場景應用 202
10.5.2 智能機器人場館導覽應用 202
10.5.3 智能機器人酒店行業應用 202
習題 203

第十一章 智慧城市 204
11.1 智慧城市應用場景
――綜治大數據 204
11.2 智慧城市發展 205
11.2.1 智慧城市的背景 205
11.2.2 智慧城市的政策 206
11.2.3 智慧城市總體架構 207
11.3 智慧城市建設 208
11.3.1 地面防控網絡建設 209
11.3.2 空中防控網絡建設 210
11.3.3 靜態防控網絡建設 212
11.3.4 動態防控網絡建設 215
11.3.5 物聯防控網絡建設 216
11.3.6 視頻雲存儲 218
11.4 新型智慧社區 219
11.4.1 智慧社區的背景 219
11.4.2 什麼是智慧社區 220
11.4.3 智慧社區大腦 222
11.4.4 智慧社區可視化展示 222
習題 229

參考文獻 230