人工智慧研究（簡體書）

第1章 緒論
1.1 什麼是人工智能
1.2 人工智能發展歷程
1.3 人工智能的重要概念
1.3.1 智能代理
1.3.2 與外部環境特性相關的重要術語
1.4 人工智能發展現狀
1.4.1 應用領域
1.4.2 應用層次
1.4.3 發展趨勢
1.5 人工智能相關技術
第2章 Python
2.1 Python概述
2.1.1 發展歷史
2.1.2 應用領域
2.2 常用資料類型
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 區塊與作用域
2.3.2 條件陳述式
2.3.3 迴圈語句
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 資料結構與算法
2.6.1 常用的資料結構
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 瑪律可夫鏈
3.2 卷積神經網絡
3.2.1 基本概念
3.2.2 發展歷史
3.2.3 基本原理
3.3 迴圈神經網絡
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使用者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 推薦系統評測
4.3 基於路網的Meeting模式發現算法
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模式發現算法
4.3.8 實驗與分析
4.4 時間約束的頻繁模式發現算法
4.4.1 引言
4.4.2 熱點區域發現
4.4.3 頻繁模式發現
4.4.4 頻繁模式發現算法
4.4.5 實驗與分析
4.5 移動物件運動模式發現原型系統設計與實現
4.5.1 系統結構設計
4.5.2 系統實現
4.6 總結
第5章 基於人工智能的疲勞駕駛自動檢測
5.1 概述
5.2 傳統疲勞駕駛檢測技術
5.2.1 基於行車資料的檢測技術
5.2.2 基於生理指標的檢測技術
5.2.3 基於機器視覺的檢測技術
5.3 基於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 基於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 幹預後傳播階段
6.3 加入輿情預測後的預測模型
6.4 總結
第7章 基於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 基於點頭和搖頭的表情研究
7.5 總結
第8章 基於DNN的樹莓派人臉識別系統架構設計
8.1 概述
8.2 樹莓派系統組態
8.2.1 硬體部分
8.2.2 軟件部分
8.3 非雲端架構設計
8.4 雲端架構設計
8.5 總結
第9章 基於人工智能的膳食分析及個性化推薦系統研究
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 基於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 使用者模型
9.3.3 基於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 基於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 傳統的人臉與表情識別方法
10.5 基於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 使用樹莓派作為採集終端
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 基於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
11.2.2 實驗樣本
11.2.3 實驗方案與資料處理方法
11.3 結果與討論
11.3.1 煙煤的太