人工智能基础及应用

"本书由历史简介、数学基础、线性回归、支持向量机、神经网络、卷积神经网络、循环神经网络、分类与聚类和实际应用组成，排版条理清晰，内容深入浅出，并配有典型例题和习题详解，有助于读者学习人工智能的基本理论，可以作为高等院校本科生或研究生的教学参考书或试用教材。 【本书特色】 （1） 体现工程教育专业认证的理念，注重对学生解决复杂工程问题能力的培养，将人工智能的相关理论系统化。 （2） 以基本数学知识为基础，按照机器学习、神经网络、深度学习的顺序进行编排，内容由浅入深，循序渐进，帮助初学者进行科学高效的学习。 （3） 每章配有相应的习题和详解，便于读者及时总结和回顾，加深对重点知识的理解，掌握人工智能的重要基础知识。 （4） 结合仿真程序，将基础理论应用到实际的经典案例中，力求学以致用，培养读者的工程实践能力。 （5） 新形态教材，关注语音识别、自然语言处理和计算机视觉等人工智能研究的热点问题。 "

本书主要介绍与人工智能相关的一些基础知识，全书共9章。第1章简要介绍人工智能的发展历史及国内外研究现状，第2章详细给出学习人工智能需要具备的基础数学知识，第3~8章分别介绍不同的人工智能技术，并在第9章给出具体的应用实例。为便于读者理解及巩固所学知识点，本书各主要章节配有一定数量的例题和习题，并在最后附有相关章节的习题解答。本书可以作为高等院校电子信息类、自动化类、计算机类等相关专业本科生或研究生的教材或参考书。

宋永端，教授/博导，IEEE Fellow, 国际欧亚科学院院士，国家“千人计划“ 专家（首批），注册职业工程师（美国），美国教师名人录，中国自动化学会常务理事，重庆大学自动化学院院长。1992 年获美国田纳西理工大学电气及计算机工程博士学位，长期从事控制理论及应用，机器人及智能系统方面的研究，著有中英文著作8部。

第1章人工智能简介
1.1人工智能定义
1.2人工智能发展历史与三大学派
1.2.1人工智能发展历史
1.2.2三大学派
1.3国内外发展现状、挑战与未来趋势
1.3.1国内外发展现状
1.3.2面临的问题
1.3.3未来发展趋势
习题
参考文献
第2章数学基础
2.1矩阵及其运算
2.1.1向量
2.1.2矩阵
2.1.3矩阵运算
2.1.4范数
2.2导数与微分
2.2.1导数
2.2.2微分
2.2.3偏导数
2.3泰勒展开式
2.4梯度及其运算
2.4.1梯度
2.4.2梯度下降
2.5概率论相关知识
2.5.1概率
2.5.2条件概率
2.5.3随机变量的分布函数
2.5.4数学期望
习题
参考文献
第3章机器学习的起点：线性回归
3.1线性回归模型建立
3.1.1机器学习角度
3.1.2统计学角度
3.2线性回归原理
习题
参考文献
第4章支持向量机
4.1线性可分支持向量机
4.1.1线性可分支持向量机的定义
4.1.2函数间隔与几何间隔
4.1.3间隔优选化
4.1.4线性可分支持向量机学习的对偶算法
4.2线性支持向量机
4.2.1线性支持向量机的定义
4.2.2线性支持向量机学习的对偶算法
4.2.3支持向量
4.2.4合页损失函数
4.3非线性支持向量机
4.3.1核技巧
4.3.2常见的核函数
4.3.3非线性支持向量机
习题
参考文献
第5章神经网络及基本结构
5.1神经元介绍
5.2感知机
5.3神经网络的基本结构
5.4反向传播
5.5梯度下降算法
习题
参考文献
第6章卷积神经网络
6.1卷积神经网络发展历史
6.2卷积神经网络结构
6.2.1卷积层
6.2.2池化层
6.2.3softmax分类函数
6.3卷积神经网络常用的损失函数
6.4卷积神经网络常用的训练算法
6.4.1随机梯度下降算法
6.4.2RMSProp优化算法
6.4.3Adam优化算法
习题
参考文献
第7章循环神经网络
7.1循环神经网络原理
7.1.1RNN的基本结构
7.1.2RNN的前向传播
7.1.3RNN的反向传播
7.1.4双向RNN
7.1.5基于编码解码的序列到序列架构
7.2长期依赖问题及优化
7.3基于门结构的RNN
7.3.1门结构
7.3.2LSTM
7.3.3GRU
7.4注意力机制
7.4.1NLP中注意力机制的起源
7.4.2注意力机制的标准形式
7.4.3注意力机制的变形
习题
参考文献
第8章分类与聚类
8.1基于判别函数的分类方法
8.1.1广义判别函数法
8.1.2分段线性判别函数法
8.2基于已知样本类别的分类方法
8.2.1参数估计法
8.2.2非参数估计
8.3基于未知样本类别的聚类方法
8.3.1基于距离阈值的聚类算法
8.3.2层次聚类法
8.3.3动态聚类算法
习题
参考文献
第9章应用实例
9.1MATLAB基础
9.1.1常量
9.1.2变量
9.1.3数组
9.1.4矩阵
9.1.5函数
9.1.6循环语句
9.1.7条件语句
9.2几个典型案例
9.2.1房价预测
9.2.2支持向量机的二分类应用
9.2.3豆瓣读书评价分析
9.2.4手写数字识别
9.2.5基于循环神经网络的情感分类
9.2.6国民健康状况研究
参考文献
参考答案