人工智能基础教程 第二版(基于智能信息处理的人工智能基础教程)

 

《人工智能导论》 郭军 徐蔚然 主编ISBN：978-7-5635-6531-3

北京邮电大学出版社

教材简介

本书是面向理工科专业的大一新生学习人工智能的入门教材，以导认识导兴趣导原理导重点为目标，为大学新生量身定制学习人工智能的先行知识体系。本书基于人工智能的理论和技术现状，以机器学习为主线贯穿人工智能的知识体系，以深度学习为重点组织全书内容。本书包括认识人工智能、机器学习基础、深度神经网络、人工智能前沿技术、人工智能计算平台、计算机视觉、智能音频技术、自然语言处理等八章内容。

本书可作为高等院校计算机类、自动化类、电气类、电子信息类等相关专业的学生学习人工智能的通识课程教材，也可供非理工科专业的学生以及人工智能交叉学科研究的科研人员学习使用，同时也适用于对人工智能领域感兴趣的具有高中水平以上的普通读者阅读。

以深度学习为标志的新一代人工智能正在以异乎寻常的速度在迅猛发展，其所产生的巨大冲击力正在全方位地推动着社会的发展和变革。世界各国无不高度重视人工智能的重大作用，纷纷制定国家战略和规划抢先发展人工智能。其中，人工智能的教育和人才培养被置于十分突出的地位。

我国教育部于2018年发布《高等学校人工智能创新行动计划》，提出将人工智能纳入大学计算机基础教学内容。至此，各高等学校人工智能相关课程的教学安排迅速增加，人工智能的学习热情空前高涨，人工智能课程成为高等学校最为重要的教学内容之一。

然而，面对迅速增加的教学任务，人工智能相关课程的教材建设却相对滞后，许多课程缺少适用的中文教材，特别是面向大一新生的人工智能导论课程的中文教材更是稀缺。本书的作者团队在承担这门课程的教学实践中也深切地体会到教材建设的必要性和紧迫性。

在上述背景下，本书着力服务国家人工智能高等教育的大战略，引导青年学子建立人工智能的科学观、大局观和竞争意识，激发他们以人工智能科技服务国家、建设国家的责任感和使命感。在编写中，本书根据大一新生的基础和特点，以导认识导兴趣导原理导重点为目标，为他们量身定制学习人工智能的先行知识体系，使他们在树立人工智能正确认识的基础上，找准学习的方向和重点，产生专业兴趣，为以后更深入的学习打下重要的基础。

本书有以下三个特点。一是突出人工智能的能力属性、工具属性和实用属性，着力从本质上认识人工智能，把握人工智能与应用紧密结合的主流方向。二是基于人工智能的理论现状，以机器学习为主线贯穿人工智能的知识体系，以深度学习为重点组织全书内容。三是基于人工智能发展迅速的特点，不求面面俱到，但求观点独到，不求中规中矩，但求引人入胜。

本书共有八章，主要内容如下:

第1章 认识人工智能。首先提出并阐释人工智能的能力属性、工具属性和实用属性，用圈层结构概括其知识体系。其次介绍人工智能的数学基础，阐述人工智能的数学原理以及机器学习在其中的核心作用。最后介绍人工智能的姊妹科学——认知科学。

第2章 机器学习基础。首先回顾人工智能求解的经典问题，表明学习能力的重要性。其次给出解决这些问题的通用数学模型——智能函数，论证机器学习是人工智能的基础理论和主要成果。再次介绍机器学习的基本策略、主要形式和哲学基础。最后讲解几种基本的机器学习方法。

第3章 深度神经网络。首先阐述神经网络的基本概念、计算机理和学习过程。其次阐述深度神经网络的基本特征、主要挑战和关键技术。最后介绍深度神经网络的典型模型及其应用案例。

第4章 人工智能前沿技术。首先分析人工智能的研究热点和前沿发展方向。最后以强化学习和迁移学习为例具体讲解和讨论人工智能前沿技术。

第5章 人工智能计算平台。首先讲解计算机系统的基础知识。其次介绍计算机集群的类型和工作过程。再次介绍深度学习服务器的组成及GPU的工作原理。最后讲解云边端协同工作模式以及各个组成部分。

第6章 计算机视觉。首先介绍计算机视觉的定义并回顾其发展历史，阐述计算机视觉中的关键技术。其次介绍计算机视觉的应用方向和典型应用系统。再次以人脸识别为例讲解计算机视觉的基本原理和工作流程。最后对计算机视觉的未来研究方向进行展望。

第7章 智能音频技术。首先讲解智能音频技术的基本概念和处理流程。其次分别以音频信息识别和音频信息检索为例，介绍相关系统的技术特征、核心能力和应用场景。最后对智能音频技术的发展前景进行展望。

第8章 自然语言处理。首先讲解作为文本分析基础的文本表示和相似性度量。其次阐述自然语言处理的一项关键技术——语法理解与纠错。最后介绍具有广泛应用价值的自然语言处理构件——知识图谱。

人工智能美妙绝伦，人工智能改变世界。

年轻的朋友们，努力学习吧！

作者简介

郭军，北京邮电大学人工智能学院教授，北京邮电大学人工智能研究院院长，北京邮电大学原副校长，中国高等教育学会常务理事，北京市政协常委，北京市高级知识分子联谊会理事。1982年和1985年分获北京邮电学院学士和硕士学位，1993年获日本东北学院大学博士学位。长期从事模式识别、机器学习、自然语言处理等方向的研究，研究成果在SCIENCE、Scientific Reports、PLOS One、IEEE TPAMI、IEEE TNNLS、AAAI、CVPR、ICCV、ECCV等国际著名期刊和会议上发表，编著出版《智能信息技术》、《Web搜索》、《图像处理与识别》、《网络管理》等教材和著作。2005年所著《网络管理》获首届北京高等教育精品教材奖，2017年获吴文俊人工智能科学技术进步奖一等奖，2019年获IEEE通信学会亚太区杰出论文奖。

出版社编辑出版及样书联系：

姚顺010-62283135yaoshun@bupt.edu.cn

本书目录

第1章认识人工智能

1.1何谓人工智能？

1.2标志性人物及其思想

1.3人工智能的内在逻辑及知识体系

1.4人工智能的数学基础

1.4.1人工智能的数学本质

1.4.2常用的基元函数及其功能

1.4.3智能函数的参数学习

1.4.4学习方式

1.4.5学习架构

1.5认知科学

1.5.1何谓认知科学？

1.5.2认知科学的研究主题

1.5.3认知科学的研究方法

小结

思考题

第2章机器学习基础

2.1人工智能求解的经典问题

2.1.1机器下棋

2.1.2模式识别

2.2智能系统的数学模型

2.2.1智能函数

2.2.2特征基元函数

2.2.3贝叶斯最优决策函数

2.2.4最优智能函数的实例

2.3决策函数与机器学习

2.3.1基于机器学习的决策函数自动求解

2.3.2概率估计形式的学习

2.3.3参数估计形式的学习

2.4机器学习的基本策略

2.4.1机器学习的评价方法

2.4.2影响泛化能力的主要因素

2.4.3提高泛化能力的正则化项

2.5机器学习形式的演进

2.5.1基于人工知识的自动化系统

2.5.2从经典机器学习到深度学习

2.5.3机器学习形式的多样化

2.6机器学习的哲学思考

2.6.1机器学习中的归纳推理

2.6.2实例学习是更可靠的归纳推理

2.6.3鸽子的迷信说明什么？

2.7机器学习的基本方法

2.7.1朴素贝叶斯分类器

2.7.2决策树

2.7.3线性模型

2.7.4K近邻算法

2.7.5K均值聚类算法

小结

思考题

第3章深度神经网络

3.1引言

3.2神经网络

3.2.1多层感知机与神经网络

3.2.2误差反向传播法

3.2.3参数的更新

3.3深度神经网络的核心问题

3.3.1加深网络

3.3.2梯度消失问题和梯度爆炸问题

3.3.3需要更多的数据

3.3.4更快的优化算法

3.3.5避免过拟合

3.4深度神经网络的典型模型及应用

3.4.1ImageNet

3.4.2深度神经网络的典型模型

互联网小常识：非对称加密技术对信息的加密与解密使用不同的密钥，用来加密的密钥是可以公开的，用来解密的私钥是需要保密的，因此又被称为公约加密技术。非对称加密技术可以大大简化密钥的管理，网络中n个用户之间进行通信加密，仅仅需要使用n对（2n个）密钥就可以了。常用的加密算法RSA、DSA、PKCS、PGP等。

3.4.3深度神经网络的应用

小结

互联网小常识：CIDR地址规划方法。根据需要划分的网络个数确定还要增加几位网络前缀，然后列出地址段。

思考题

第4章人工智能前沿技术

4.1引言

4.2强化学习

4.2.1强化学习的概念和特征

4.2.2强化学习的基本模型

4.2.3深度强化学习

4.2.4深度强化学习的应用实例

4.2.5深度强化学习的应用前景

4.3迁移学习

4.3.1迁移学习的起源

4.3.2迁移学习的基本模型

4.3.3深度迁移学习

4.3.4深度迁移学习的应用实例

4.3.5深度迁移学习的未来

小结

思考题

第5章人工智能计算平台

5.1计算机系统

5.2并行计算

5.2.1计算机集群基础

5.2.2分布式集群基础

5.3深度学习服务器

5.3.1多核CPU

5.3.2GPU

5.3.3寒武纪AI处理器

5.3.4昇腾AI处理器

5.3.5TPU和AI编程框架

5.3.6深度学习编译框架

5.4云边端协同计算

5.4.1云计算

5.4.2边缘计算

5.4.3智能设备

小结

思考题

第6章计算机视觉

6.1引言

6.2计算机视觉的关键技术

6.2.1图像的原始表示

6.2.2基于CNN的图像表示与特征提取

6.2.3图像分类与目标检测

6.3计算机视觉的应用

6.3.1应用方向

6.3.2应用系统

6.4计算机视觉的典型应用系统分析

6.4.1人脸检测与特征点定位

6.4.2人脸特征表达与学习

6.4.3属性识别与身份识别

6.4.4安全性和公平性问题

6.4.5人脸编辑与生成

6.5计算机视觉的未来

小结

思考题

第7章智能音频技术

7.1引言

7.2智能音频技术简介

7.2.1从声音到音频

7.2.2智能音频信息处理

7.3音频信息识别

7.3.1概述

7.3.2语音识别

7.3.3音频事件识别

7.4音频信息检索

7.4.1概述

7.4.2音频信息检索方法

7.4.3语音检索

7.4.4音频样例检索

7.4.5哼唱检索

7.5总结和展望

小结

思考题

第8章自然语言处理

8.1引言

8.2文本分析基础

8.2.1文本向量表示

8.2.2文本相似度

8.2.3文本相似度计算示例

8.3语法理解与纠错技术

8.3.1任务简介

8.3.2常用中文语法纠错语料

8.3.3评价指标

8.3.4常用模型

8.4知识图谱技术

8.4.1任务简介

8.4.2命名实体识别

8.4.3实体关系抽取

8.4.4知识图谱、事理图谱和用户标签图谱的构建

8.4.5图谱检索

小结

思考题

参考文献

互联网小常识：DNS服务器配置的主要参数：正向查找区域、反向查找区域、资源记录和转发器。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186