登录 | 注册
搜索
图书中心
多媒体通信
光通信
通信与网络
信息通信类
学科基础
智能通信
专业基础
公共基础课
计算机类
计算机专业
软件工程
网络工程
专业基础课
IT新学科新专业
大数据与人工智能
数字媒体
物联网
信息安全
电子工程
电子机电与自动化类
机电工程
微电子
自动化
IT经济与管理
IT人文
经济与管理类
其他自然科学类
数学类
数学与物理类
物理类
大学英语
大学英语与公共文化课类（英语与人文）
公共人文课程
其他人文社科
考试指导
培训教材
素质教育
信息技术
中小学教育与考试培训类
大数据与人工智能首页>图书中心>IT新学科新专业
内容简介：
概述最优化问题的概念及分类，介绍传统优化算法和主要的智能优化算法，详述遗传算法、差分进化算法、粒子群优化算法和人工神经网络的基本原理、关键技术、参数设置及近年来各种改进算法，并给出应用实例。在此基础上，结合多目标优化的概念，介绍Pareto最优原理及遗传算法、粒子群算法、人工神经网络在多目标优化中的应用。另外，结合电力系统工业生产的具体实例，设计各种智能优化算法的求解步骤，为智能优化算法在电力行业的应用开辟新思路。 本书将针对高等院校各理工科专业本科生，尤其适用于计算机技术和智能科学相关专业在智能算法优化的相关课程作为选用教材，32学时左右，配套教材相应的PPT资源。
本书梳理了人口老龄化的影响、老年人群体的基本特征、老年人的康养需求、养老相关国家政策、未来养老发展趋势，探究了智能养老辅助技术、智能养老机器人的定义、技术体系，分析了智能养老机器人的国内外研究现状，并在此基础上，以老年人洗浴辅助机器人为例，从结构、控制、在线学习、安全防护、集成及验证、发展趋势等方面系统阐述了半失能老年人洗浴机器人的设计实践，为其他智能养老辅具及机器人的设计与研发提供了参考。 本书总结了研究团队在养老机器人设计、研发、系统集成、实验验证等方面的实践成果，适合作为理工科设计实践教材和科研参考书籍，也适合民生科技从业者和对养老感兴趣且具有高中以上水平的普通读者阅读。
本书全面深入地介绍了工业机器人相关理论和关键技术。全书共分为7章，内容涵盖了工业机器人概述、工业机器人的数学基础、机器人常用传感器、机器人传动机构、物流输送机器人、爬壁机器人、移动机器人的应用。本书内容新颖，强调理论与实践的结合，系统地阐述了工业机器人设计的思路和方法，并通过实例展示了机器人理论的实际应用。同时，本书兼顾了工业机器人技术的广度，旨在帮助读者拓宽视野。 本书可作为高等院校机电工程、自动化、信息工程、物流工程等专业本科生的教材，并对机器人设计从业者具有一定的参考价值和意义。
本书作人工智能通识课的配套实验教材，紧密围绕主教材的大模型技术框架设计实践体系，以“理论验证-技术实现-产业迁移”为主线，通过层次化实验项目将理论知识转化为可操作的工程能力。实验设计严格对应主教材章节，涵盖基础理论验证、跨领域应用及产业级任务实战，形成“课堂实验-综合实训-创新挑战”三阶能力培养路径。 本书配套动态扩展案例库、跨平台实验资源包及开源工具链，与主教材形成“理论-代码-产业”闭环，既满足高校实验课与理论教学的同步推进，也为工程师提供从模型开发到业务落地的标准化实践指南。
随着无人机、人工智能等技术的不断发展，无人机在低空领域的应用越来越广泛。其中，低空无人机智能感知技术能够显著提升无人机的飞行效率及安全性，对拓展无人机在低空的可靠应用边界，进而推动“低空经济”的发展具有重要意义。 本书涵盖了低空飞行数据集构建、自主避障飞行、安全着陆区域选取、地面运动目标跟踪及自主着陆试验等低空无人机智能感知关键技术，特别介绍了如何提升无人机在复杂环境中的自主避障能力、如何实现安全着陆点的智能选取以及如何实现地面运动目标的精准跟踪等内容。本书的主要内容包括：第1章，系统设计与数据集构建；第2章，低空自主避障飞行方法；第3章，安全着陆区域选取方法；第4章，地面运动目标跟踪方法；第5章，无人机自主着陆飞行实验；第6章，总结与展望。 本书内容选择合理、结构清楚、图文并茂、面向应用，适合作为计算机、智能飞行器技术等相关专业学生阅读，也可作为工程人员的培训教材或相关科研人员的参考书。
本书分为两个部分：人工智能和大数据处理技术。在人工智能部分，本书介绍了机器学习和深度学习的基本概念、模型和算法。为了更好地解决数据隐私问题，本书进一步介绍了联邦学习的概念和模型，并在系统级别上介绍了知识图谱和专家系统的构建等。人工智能与大数据应用密不可分，因此在大数据处理技术部分，本书重点介绍了大数据处理的相关算法和数据可视化技术。此外，本书还提供了一些相关算法和应用的案例。 本书适合作为大部分与信息和人工智能相关的本科专业的教材，也适合作为非信息类专业研究生的教材。
本书以人体视觉理解为核心，系统地探讨了多数据源多任务学习在该领域的应用与挑战，提出了一种创新方法——混合监督学习（MixSupervised Learning, MSL）。混合监督学习通过共享主干网络，端到端地实现人体检测、人体实例分割、人体解析、人体姿态估计、密集姿态估计和实例级人体部位检测等6项任务的高效建模与预测。针对当前方法存在的精度与效率不足、任务间梯度竞争、多数据源适应性差等问题，本书提出了梯度均衡策略、实例级迁移学习、解析区域卷积网络和注意力激发感受野模块等创新技术。实验结果表明，混合监督学习在精度和效率上显著领先现有方法。 本书适合从事计算机视觉、多任务学习及相关领域研究的学者和工程师参考。
在本书第1章中，从知识自动获取的角度阐述了人工智能、模式识别和机器学习之间的关系。模式识别是推动人工智能发展的代表性问题，其难点在于知识的获取方式。为了解决模式识别问题，研究者发展了基于数据自动获取知识的理论和方法，即机器学习。当前的机器学习技术不仅能够解决模式识别问题，还扩展到更广泛的人工智能任务形式，如生成式人工智能（AIGC）、人工智能驱动的科学研究（AI for Science）和具身智能（Embodied Intelligence）等。因此，学习人工智能的基础知识应当从模式识别和机器学习入手。 第2章介绍了在已知所有相关知识的情况下，对未知类别样本进行分类判断的统计决策理论。第3至第6章介绍了各种分类器模型及其监督学习方法，并按照概率模型到非概率模型、线性模型到非线性模型、参数模型到非参数模型的顺序进行介绍。第3章介绍了概率模型的学习方法，第4章介绍了各种线性模型，第5章介绍了最具代表性的非线性参数模型，即神经网络，第6章介绍了几种常见的非参数模型。这些章节建立在类别体系和特征体系已经建立的基础上。第7章讨论了如何通过非监督学习进行聚类以建立类别体系，而第8章主要介绍了通过非监督学习来提取特征和优化特征的方法。
系统辨识与建模是控制科学与工程学科的一门重要课程。本书主要内容包括引言、数学预备知识、动态系统的数学模型、最小二乘估计、系统辨识法、闭环系统辨识、自校正控制、沃尔泰拉模型及其辨识、哈默斯坦与维纳模型辨识、基于NARMAX模型的非线性系统辨识、基于KL分解的时空建模、基于卷积神经网络的时空建模、线性系统的最优状态估计等。 本书可以作为控制科学与工程学科及相关学科高年级本科生与研究生的教材，也可以作为相关领域科技人员的参考书。
前，无人作战系统已经成为武器装备体系中新的增长点，在战争中发挥着重要的作用。为满足学员学习需求，我们策划并编写了本教材。本教材包括无人作战系统关键技术、地面无人作战系统和空中无人作战系统三大模块，共计五章。第一章为绪论。第二章介绍了无人作战系统所涉及的关键技术。第三章和第四章分别介绍了地面和空中无人作战系统的原理与类型。第五章结合具体案例，介绍了无人作战系统的作战运用和未来发展。 本教材的使用对象为无人作战工程专业的学员，旨在帮助他们了解陆上无人作战系统的组成和关键技术、陆军典型无人平台的特点和运用，为其未来在合成部队无人作战力量岗位任职奠定理论基础。作为一门概论课程，我们期望本教材能够帮助学员梳理清楚基本概念，了解该领域的全貌。