人工智能技术与行业应用

本教材包括七章内容分别介绍人工智能概论、知识表示与特征工程、机器学习、深度学习、专家系统、人工智能架构与系统与案例分析相关内容，旨在全面且深入浅出地介绍人工智能的基础知识和实现的基本技术，并结合典型企业案例分析，紧跟时代潮流，注重技术的发展与革新。该教材充分体现智能科学与技术、人工智能方向高端人才培养的目标定位，尤其针对应用型地方高校的本科生以及研究生人才培养方案与路径，联合企业充分展示产教融合相关场景及案例。

目录 第1章 人工智能概论 1.1人工智能的定义 / 1.2人工智能的发展 / 1.2.1人工智能的孕育和发展阶段 / 1.2.2人工智能的形成阶段 / 1.2.3人工智能的发展阶段 / 1.3人工智能的研究方法 / 1.3.1人工智能的结构模拟 / 1.3.2人工智能的功能模拟 / 1.3.3人工智能的行为模拟 / 1.3.4人工智能的集成模拟 / 1.4机器智能研究领域 / 1.4.1机器思维的概念 / 1.4.2机器感知的概念 / 1.4.3机器行为的概念 / 1.4.4机器学习的概念 / 1.5人工智能研究领域 / 1.5.1计算智能与分布智能 / 1.5.2智能体系统的概念 / 1.5.3人工心理与人工情感 / 1.5.4认知智能与深度学习 / 1.5.5边缘智能的概念 / 1.6人工智能的典型应用 / 1.6.1人工智能在普通领域的应用 / 1.6.2人工智能在ChatGPT领域的应用 / 参考文献 / 第2章 知识表示与特征工程 2.1状态空间表示 / 2.1.1问题状态描述 / 2.1.2状态空间表示应用 / 2.2问题规约表示 / 2.2.1问题规约描述 / 2.2.2问题规约应用 / 2.2.3与或图表示 / 2.3谓词逻辑表示 / 2.3.1逻辑学基础 / 2.3.2谓词演算 / 2.3.3基本谓词公式 / 2.3.4置换与合一 / 2.3.5谓词逻辑表示方法 / 2.4语义网络表示 / 2.4.1语义网络描述 / 2.4.2基本语义关系 / 2.4.3语义网络推理 / 2.5框架表示 / 2.5.1框架表示描述 / 2.5.2框架表示推理 / 2.6特征构建 / 2.6.1常用的特征构建方法 / 2.6.2特征提取 / 2.7特征选择 / 2.7.1特征选择的基本原则 / 2.7.2基于统计特性的特征选择 / 2.7.3基于模型的特征选择 / 参考文献 / 第3章 机器学习基础 3.1机器学习的定义和发展 / 3.1.1机器学习的定义 / 3.1.2机器学习的发展 / 3.2归纳学习 / 3.2.1逻辑回归 / 3.2.2聚类算法 / 3.2.3降维算法 / 3.3决策树学习 / 3.3.1决策树构造算法 / 3.3.2决策树学习算法 / 3.4类比学习 / 3.4.1类比学习的定义 / 3.4.2类比学习的研究类型 / 3.5解释学习 / 3.5.1解释学习的基本研究 / 3.5.2解释学习算法 / 3.6分类算法 / 3.6.1支持向量机 / 3.6.2基于概率论的方法——朴素贝叶斯法 / 参考文献 / 第4章 深度学习 4.1深度学习的定义与特点 / 4.1.1深度学习的起源 / 4.1.2深度学习的发展 / 4.1.3深度学习的成功案例 / 4.1.4深度学习的特点 / 4.2基础神经网络 / 4.2.1神经网络的发展 / 4.2.2人工神经网络原理 / 4.2.3神经网络模型 / 4.2.4线性回归 / 4.2.5归一化指数函数回归 / 4.2.6多层感知机 / 4.2.7卷积神经网络 / 4.2.8循环神经网络 / 4.3现代卷积神经网络 / 4.3.1深度卷积神经网络 / 4.3.2使用块的网络 / 4.3.3网络中的网络 / 4.3.4含并行连接的网络 / 4.3.5批量规范化 / 4.3.6残差网络 / 4.3.7稠密连接网络 / 4.4注意力机制及Transformer算法 / 4.4.1注意力提示 / 4.4.2注意力评分函数 / 4.4.3多头注意力机制 / 4.4.4自注意力机制 / 4.4.5Transformer算法 / 参考文献 / 第5章 专家系统 5.1专家系统概述 / 5.1.1专家系统的分类 / 5.1.2专家系统的功能 / 5.1.3专家系统的基本特征 / 5.2专家系统的结构 / 5.2.1专家系统的结构特征 / 5.2.2专家系统的作用和意义 / 5.3基于规则的专家系统 / 5.3.1基于规则的专家系统描述 / 5.3.2基于规则的专家系统的基本结构 / 5.3.3基于规则的专家系统的推理机制 / 5.3.4冲突规则的解决方法 / 5.4基于框架的专家系统 / 5.4.1基于框架的专家系统概述 / 5.4.2基于框架的专家系统的结构 / 5.5基于模型的专家系统 / 5.5.1基于模型的专家系统概述 / 5.5.2基于模型的专家系统的基本特征 / 5.6基于Web的专家系统 / 5.6.1基于Web的专家系统概述 / 5.6.2模型转换专家系统的网络支持 / 5.7新型专家系统 / 5.7.1新型专家系统的特征 / 5.7.2分布式专家系统 / 5.7.3新型推理系统 / 参考文献 / 第6章 人工智能架构与系统 6.1人工智能算法硬件加速 / 6.1.1AI硬件的发展历程 / 6.1.2硬件加速的实现 / 6.2常用的AI模型开发框架 / 6.2.1Caffe框架 / 6.2.2TensorFlow框架 / 6.2.3PyTorch框架 / 6.2.4MindSpore框架 / 6.2.5PaddlePaddle框架 / 6.3人工智能与云原生 / 6.3.1云原生的定义 / 6.3.2主要的云原生技术 / 6.3.3云原生的优势与挑战 / 6.3.4人工智能与云原生结合的优势 / 6.4人工智能与边缘计算 / 6.4.1边缘计算的定义 / 6.4.2主要的边缘计算技术 / 6.4.3边缘计算的优势与挑战 / 6.4.4边缘智能中的协同计算 / 参考文献 / 第7章 案例分析 7.1人工智能在软件开发设计领域的应用 / 7.1.1背景技术 / 7.1.2问题及挑战 / 7.1.3解决方案 / 7.1.4结论 / 7.2人工智能在生产制造领域的应用 / 7.2.1背景技术 / 7.2.2问题和挑战 / 7.2.3解决方案 / 7.2.4结论 / 7.3人工智能在设备运维领域的应用 / 7.3.1背景技术 / 7.3.2问题及挑战 / 7.3.3解决方案 / 7.3.4结论 / 7.4人工智能在售后服务领域的应用 / 7.4.1背景分析 / 7.4.2问题与挑战 / 7.4.3解决方案 / 7.4.4结论 / 参考文献 /