人工智能技术

   本书分为基础篇、中级篇和高级篇，主要介绍人工智能的原理和编程实现案例，本书的编程部分从利用Python实现AI算法，过渡到利用高级框架keras，使读者在理解人工智能原理的基础上，还能自己动手做相关的项目。本书的代码以Windows操作系统为基础，读者可自行运行书中的案例。

   基础篇

第一章 绪论

第一节 人工智能、机器学习和深度学习

第二节 编程环境

第二章 人工神经网络基础

第一节 感知器

第二节 sigmoid分类器

第三节 softmax多分类器

第四节 多层感知器

第五节 深度神经网络

第六节 回归

第三章 深度学习Python框架

第一节 使用框架的缘由

第二节 深度学习框架简介

第三节 Keras框架

第四节 Keras框架应用示例

第四章 深度学习正则化

第一节 参数范数惩罚

第二节 稀疏表征

第三节 数据扩充与注入噪声

第四节 早停

第五节 dropout

第五章 深度学习的优化

第一节 神经网络优化困难和挑战

第二节 动量学习法

第三节 AdaGrad

第四节 RMsProp

第五节 Adam

第六节 Keras中优化器的使用

第七节 参数初始化策略

第八节 批量归一化

中级篇

第六章 卷积神经网络

第一节 卷积

第二节 池化

第三节 用Keras搭建CNN网络

第四节 深度残差网络ResNet

第五节 DenseNet

第七章 循环神经网络

第一节 循环神经网络的基本结构

第二节 基本循环神经网络的几个变种

第三节 门控循环神经网络

第四节 IndRNN

第五节 RNN的Keras实现

第八章 数据获取与处理

第一节 数据的重要性

第二节 现成的数据集

第三节 数据爬取

第四节 其他数据获取方法

第五节 数据清洗

第六节 数据预处理

第七节 文本数值化

第八节 声音数据预处理

第九节 数据的调整和数据集的划分

高级篇

第九章 生成对抗网络

第一节 经典GAN

第二节 DCGAN

第三节 利用条件GAN架构实现图像风格转换

第四节 CycleGAN

第十章 深度强化学习

第一节 强化学习

第二节 深度强化学习

第三节 教AI玩球碰球游戏

第四节 双Q学习

第五节 深度确定性策略梯度

第十一章 大语言模型

第一节 机器翻译和Attention

第二节 Transformer

第三节 GPT和ChatGPT

第四节 BERT

参考文献

后记