北京邮电大学出版社

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。

目录介绍

第1章认识人工智能1

1.1何谓人工智能？1

1.2标志性人物及其思想3

1.3人工智能的内在逻辑及知识体系4

1.4人工智能的数学基础7

1.4.1人工智能的数学本质7

1.4.2常用的基元函数及其功能8

1.4.3智能函数的参数学习12

1.4.4学习方式13

1.4.5学习架构15

1.5认知科学17

1.5.1何谓认知科学？17

1.5.2认知科学的研究主题18

1.5.3认知科学的研究方法19

小结20

思考题21

第2章机器学习基础22

2.1人工智能求解的经典问题22

2.1.1机器下棋22

2.1.2模式识别23

2.2智能系统的数学模型24

2.2.1智能函数24

2.2.2特征基元函数25

2.2.3贝叶斯最优决策函数26

2.2.4最优智能函数的实例26

2.3决策函数与机器学习29

2.3.1基于机器学习的决策函数自动求解29

2.3.2概率估计形式的学习29

2.3.3参数估计形式的学习31

2.4机器学习的基本策略32

2.4.1机器学习的评价方法32

2.4.2影响泛化能力的主要因素33

2.4.3提高泛化能力的正则化项36

2.5机器学习形式的演进37

2.5.1基于人工知识的自动化系统37

2.5.2从经典机器学习到深度学习38

2.5.3机器学习形式的多样化39

2.6机器学习的哲学思考39

2.6.1机器学习中的归纳推理40

2.6.2实例学习是更可靠的归纳推理41

2.6.3鸽子的迷信说明什么？42

2.7机器学习的基本方法43

2.7.1朴素贝叶斯分类器43

2.7.2决策树45

2.7.3线性模型47

2.7.4K近邻算法48

2.7.5K均值聚类算法48

小结51

思考题51

第3章深度神经网络52

3.1引言52

3.2神经网络53

3.2.1多层感知机与神经网络53

3.2.2误差反向传播法55

3.2.3参数的更新61

3.3深度神经网络的核心问题62

3.3.1加深网络62

3.3.2梯度消失问题和梯度爆炸问题64

3.3.3需要更多的数据66

3.3.4更快的优化算法67

3.3.5避免过拟合70

3.4深度神经网络的典型模型及应用71

3.4.1ImageNet71

3.4.2深度神经网络的典型模型72

3.4.3深度神经网络的应用75

小结79

思考题79

第4章人工智能前沿技术80

4.1引言80

4.2强化学习82

4.2.1强化学习的概念和特征82

4.2.2强化学习的基本模型83

4.2.3深度强化学习86

4.2.4深度强化学习的应用实例88

4.2.5深度强化学习的应用前景91

4.3迁移学习91

4.3.1迁移学习的起源91

4.3.2迁移学习的基本模型92

4.3.3深度迁移学习94

4.3.4深度迁移学习的应用实例96

4.3.5深度迁移学习的未来97

小结99

思考题99

第5章人工智能计算平台100

5.1计算机系统100

5.2并行计算102

5.2.1计算机集群基础104

5.2.2分布式集群基础105

5.3深度学习服务器108

5.3.1多核CPU108

5.3.2GPU109

5.3.3寒武纪AI处理器115

5.3.4昇腾AI处理器116

5.3.5TPU和AI编程框架118

5.3.6深度学习编译框架120

5.4云边端协同计算121

5.4.1云计算121

5.4.2边缘计算124

5.4.3智能设备128

小结132

思考题132

第6章计算机视觉134

6.1引言134

6.2计算机视觉的关键技术135

6.2.1图像的原始表示135

6.2.2基于CNN的图像表示与特征提取136

6.2.3图像分类与目标检测138

6.3计算机视觉的应用139

6.3.1应用方向139

6.3.2应用系统141

6.4计算机视觉的典型应用系统分析143

6.4.1人脸检测与特征点定位143

6.4.2人脸特征表达与学习144

6.4.3属性识别与身份识别145

6.4.4安全性和公平性问题146

6.4.5人脸编辑与生成147

6.5计算机视觉的未来149

小结150

思考题150

第7章智能音频技术151

7.1引言151

7.2智能音频技术简介152

7.2.1从“声音”到“音频”152

7.2.2智能音频信息处理153

7.3音频信息识别158

7.3.1概述158

7.3.2语音识别163

7.3.3音频事件识别166

7.4音频信息检索167

7.4.1概述167

7.4.2音频信息检索方法169

7.4.3语音检索171

7.4.4音频样例检索172

7.4.5哼唱检索173

7.5总结和展望174

小结176

思考题176

第8章自然语言处理178

8.1引言178

8.2文本分析基础180

8.2.1文本向量表示180

8.2.2文本相似度185

8.2.3文本相似度计算示例187

8.3语法理解与纠错技术188

8.3.1任务简介188

8.3.2常用中文语法纠错语料189

8.3.3评价指标190

8.3.4常用模型191

8.4知识图谱技术195

8.4.1任务简介195

8.4.2命名实体识别196

8.4.3实体关系抽取199

8.4.4知识图谱、事理图谱和用户标签图谱的构建201

8.4.5图谱检索202

小结203

思考题204

参考文献205