第 一篇 人工智能基礎(chǔ) 14 第　1章 緒論　14 1.1　人工智能概念　15 1.1.1　智能的概念　15 1.1.2　智能的特征　16 1.1.3　人工智能　17 1.2　人工智能基礎(chǔ)　18 1.3　人工智能發(fā)展歷程　19 1.3.1　孕育階段　19 1.3.2　形成階段　21 1.3.3　發(fā)展階段　22 1.4　人工智能前沿研究　22 1.4.1　人工智能相關(guān)政策　22 1.4.2　人工智能研究及應(yīng)用　23 1.5　小結(jié)　25 思考題　25 第　2章 知識(shí)表示　26 2.1知識(shí)與知識(shí)表示的概念　27 2.1.1　知識(shí)的概念　27 2.1.2　知識(shí)的特性　27 2.1.3　知識(shí)的表示　27 2.2　一階謂詞邏輯　28 2.2.1　命題　28 2.2.2　謂詞　29 2.2.3　謂詞公式　30 2.2.4　一階謂詞邏輯知識(shí)表示方法　31 2.2.5　一階謂詞邏輯表示法的特點(diǎn)　31 2.3　產(chǎn)生式　32 2.3.1　產(chǎn)生式　33 2.3.2　產(chǎn)生式系統(tǒng)　34 2.3.3　產(chǎn)生式表示法的特點(diǎn)　35 2.4　框架　36 2.4.1　框架的一般結(jié)構(gòu)　37 2.4.2　框架的推理方法　37 2.5　小結(jié)　38 思考題　38 第3章　自動(dòng)推理　41 3.1　自動(dòng)推理的基本概念　42 3.1.1　推理的定義　42 3.1.2　推理的方式及分類　42 3.1.3　推理的方向　45 3.1.4　沖突消解策略　46 3.2　歸結(jié)原理　48 3.2.1　魯濱遜歸結(jié)原理　48 3.2.2　歸結(jié)反演　51 3.2.3　應(yīng)用歸結(jié)原理求解問題　51 3.3　不確定性推理　52 3.3.1　概念　53 3.3.2　可信度方法　56 3.3.3　證據(jù)理論　57 3.4　小結(jié)　58 思考題　58 第4章　搜索求解策略　60 4.1　搜索　61 4.1.1　搜索的概念　61 4.1.2　搜索的基本問題與主要過程　61 4.1.3　搜索策略　62 4.2　狀態(tài)空間的搜索策略　62 4.3　盲目的圖搜索策略　65 4.3.1　回溯策略　65 4.3.2　寬度優(yōu)先搜索策略　65 4.3.3　深度優(yōu)先搜索策略　66 4.4　啟發(fā)式圖搜索策略　67 4.4.1　啟發(fā)式策略　67 4.4.2　啟發(fā)信息和估價(jià)函數(shù)　67 4.4.3　A搜索算法　68 4.4.4　A*搜索算法及其特性分析　68 4.5　小結(jié)　70 思考題　71 第二篇　人工智能熱點(diǎn)技術(shù)　72 第5章　機(jī)器學(xué)習(xí)　72 5.1　機(jī)器學(xué)習(xí)與機(jī)器智能　73 5.1.1　機(jī)器學(xué)習(xí)的基本概念　73 5.1.2　機(jī)器學(xué)習(xí)的發(fā)展歷史　73 5.1.3　學(xué)習(xí)系統(tǒng)的基本模型　74 5.2　機(jī)器學(xué)習(xí)的類型和應(yīng)用　75 5.3　監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)　77 5.3.1　支持向量機(jī)　78 5.3.2　k-最近鄰分類　79 5.3.3　樸素貝葉斯分類器　79 5.3.4　集成分類—Bagging 算法、隨機(jī)森林算法與 Boosting算法　81 5.3.5　k-均值聚類算法　83 5.4小結(jié)　85 思考題　85 第6章　深度學(xué)習(xí)　86 6.1　深度學(xué)習(xí)　87 6.1.1　深度學(xué)習(xí)概述　87 6.1.2　深度學(xué)習(xí)基本結(jié)構(gòu)　88 6.1.3　深度學(xué)習(xí)框架　88 6.1.4　深度學(xué)習(xí)適用領(lǐng)域　90 6.2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)　91 6.2.1　卷積層　91 6.2.2　激活層　93 6.2.3　池化層　94 6.2.4　批規(guī)范層　94 6.2.5　丟棄層　96 6.2.6　全連接層　96 6.3　典型神經(jīng)網(wǎng)絡(luò)模型　97 6.3.1　FCN全卷積神經(jīng)網(wǎng)絡(luò)　97 6.3.2　GoogleNet 結(jié)構(gòu)更深的卷積網(wǎng)絡(luò)　98 6.3.3　ResNet殘差網(wǎng)絡(luò)　99 6.3.4　CNN卷積神經(jīng)網(wǎng)絡(luò)　101 6.3.4　DCCNet密集連接網(wǎng)絡(luò)　103 6.3.5　GAN生成對(duì)抗網(wǎng)絡(luò)　104 6.4　強(qiáng)化學(xué)習(xí)　105 6.4.1　強(qiáng)化學(xué)習(xí)的基本原理與模型　105 6.4.2　強(qiáng)化學(xué)習(xí)的主要特點(diǎn)與構(gòu)成　107 6.4.3　強(qiáng)化學(xué)習(xí)的應(yīng)用　108 6.5遷移學(xué)習(xí)　109 6.5.1　遷移學(xué)習(xí)的概述　109 6.5.2　遷移學(xué)習(xí)分類　109 6.6小結(jié)　110 思考題　111 第7章　自然語言處理　112 7.1　概述　113 7.1.1自然語言處理含義　113 7.1.2自然語言處理的功能應(yīng)用　113 7.1.3自然語言處理的層次　115 7.1.4自然語言處理技術(shù)　116 7.2　智能問答系統(tǒng)　117 7.2.1　問答系統(tǒng)的主要組成　118 7.2.2　問答系統(tǒng)的分類　119 7.2.3　問答系統(tǒng)案例　121 7.3　聊天機(jī)器人　122 7.3.1　聊天機(jī)器人的分類　123 7.3.2　聊天機(jī)器人的自然語言理解　125 7.4　語音識(shí)別　126 7.4.1語音識(shí)別系統(tǒng)　126 7.4.2　語音識(shí)別的過程　127 7.4.3　語音識(shí)別應(yīng)用過程中的四大挑戰(zhàn)　129 7.5　機(jī)器翻譯　130 7.5.1　機(jī)器翻譯原理與過程　130 7.5.2　通用翻譯模型　131 7.6小結(jié)　132 思考題　132 第8章　圖像和視頻處理　134 8.1　圖像處理　135 8.1.1　灰度直方圖校正　135 8.1.2　圖像的噪聲　138 8.1.3　圖像增強(qiáng)　140 8.1.4　圖像平滑　141 8.1.5圖像銳化　147 8.2　圖像分割與邊緣檢測(cè)　155 8.2.1　圖像的邊緣檢測(cè)　155 8.2.2　圖像分割　159 8.2.3　典型圖像分割算法　160 8.3　圖像目標(biāo)檢測(cè)　165 8.3.1　圖像分類　166 8.3.2　目標(biāo)定位　168 8.3.3　目標(biāo)檢測(cè)　169 8.3.4　圖像融合　171 8.4　圖像理解　172 8.4.1　基于圖像的情感計(jì)算　172 8.4.2　圖像異常行為分析　173 8.5　小結(jié)　174 思考題　175 第9章　智能計(jì)算　176 9.1　進(jìn)化算法的產(chǎn)生與發(fā)展　177 9.1.1　進(jìn)化算法的概念　177 9.1.2　進(jìn)化算法的生物學(xué)背景　178 9.1.3　進(jìn)化算法的設(shè)計(jì)原則　179 9.2　遺傳算法　179 9.2.1遺傳算法的最基本思想　180 9.2.2　遺傳算法的特點(diǎn)　181 9.3　群智能算法　182 9.4　粒子群優(yōu)化算法　184 9.5　小結(jié)　186 思考題　186 第三篇　人工智能技術(shù)應(yīng)用　188 第　10章 智慧交通　188 10.1智慧交通系統(tǒng)定義及架構(gòu)　189 10.2智慧交通系統(tǒng)　189 10.3人工智能在智慧交通領(lǐng)域的應(yīng)用　191 10.4小結(jié)　193 思考題　193 第　11章 智能機(jī)器人　194 11.1　機(jī)器人與行為智能　195 11.2　智能技術(shù)應(yīng)用　196 11.3　智能無人裝備　204 11.3.1　無人機(jī)　204 11.3.2　無人車　205 11.3.3　無人船　206 11.4　小結(jié)　206 思考題　207 第　12章 智慧航空　208 12.1　數(shù)據(jù)角度的航空大數(shù)據(jù)定義和組織結(jié)構(gòu)　209 12.2　系統(tǒng)角度的航空大數(shù)據(jù)定義和組織結(jié)構(gòu)　210 12.3　關(guān)鍵技術(shù)　211 12.3.1　采集技術(shù)　211 12.3.2　存儲(chǔ)管理技術(shù)　214 12.3.3　預(yù)處理技術(shù)　215 12.3.4　智能分析技術(shù)應(yīng)用　216 12.4　小結(jié)　218 思考題　218 第　13章 智慧生態(tài)保護(hù)　219 13.1　黃河流域資源、經(jīng)濟(jì)發(fā)展與產(chǎn)業(yè)構(gòu)成現(xiàn)狀　220 13.1.1　資源現(xiàn)狀　220 13.1.2　經(jīng)濟(jì)發(fā)展現(xiàn)狀　221 13.1.3　產(chǎn)業(yè)構(gòu)成現(xiàn)狀　222 13.2面臨的主要問題　223 13.2.1　生態(tài)保護(hù)缺乏空天地一體化管理　223 13.2.2　缺乏全樣本生態(tài)大數(shù)據(jù)　224 13.2.3　高質(zhì)量發(fā)展缺乏全流域生態(tài)產(chǎn)業(yè)鏈　225 13.3　人工智能技術(shù)促進(jìn)生態(tài)保護(hù)和高質(zhì)量發(fā)展　225 13.3.1　全流域一體化智能管理　225 13.3.2　健全供水區(qū)水資源智能管控體系　226 13.3.3　完善智能綜合防汛預(yù)警體系　226 13.3.4　培育智能化現(xiàn)代服務(wù)業(yè)　227 13.3.5　建立完整的流域產(chǎn)業(yè)鏈　227 13.4　空天地一體化大數(shù)據(jù)及智能分析平臺(tái)構(gòu)建　228 13.4.1　平臺(tái)框架　228 13.4.2　平臺(tái)技術(shù)架構(gòu)研究　230 13.4.3　平臺(tái)關(guān)鍵技術(shù)　232 13.4.4　平臺(tái)的應(yīng)用　236 13.5　結(jié)語　237 思考題　238 第四篇　人工智能安全關(guān)切及未來展望　239 第　14章 人工智能安全　239 14.1人工智能安全內(nèi)涵　240 14.2　人工智能安全體系架構(gòu)　240 14.3人工智能的內(nèi)生安全　241 14.4　人工智能助力安全　242 14.4.1　物理智能安防監(jiān)控　243 14.4.2　智能入侵檢測(cè)　244 14.4.3　惡意代碼檢測(cè)與分類　244 14.4.4　對(duì)抗機(jī)器學(xué)習(xí)　245 14.5　小結(jié)　245 思考題　246 第　15章 元宇宙與人工智能　247 15.1　元宇宙　248 15.1.1　元宇宙的概念　248 15.1.2　元宇宙的發(fā)展過程　248 15.1.3　元宇宙的核心技術(shù)　251 15.2　人工智能成為元宇宙的核心生產(chǎn)要素　253 15.2.1　元宇宙的后端基建　253 15.2.2　算力和數(shù)據(jù)是元宇宙的關(guān)鍵要素　253 15.2.3　認(rèn)知智能是元宇宙發(fā)展重要驅(qū)動(dòng)因素之一　255 15.2.4　人工智能成為新生產(chǎn)要素　255 15.3　人工智能賦能元宇宙　256 15.3.1　人工智能成為元宇宙的技術(shù)引擎　256 15.3.2　人工智能加速元宇宙的內(nèi)容生成　257 15.3.3　人工智能驅(qū)動(dòng)的虛擬數(shù)字人豐富元宇宙的體驗(yàn)　258 15.3.4　人工智能與數(shù)字孿生　259 15.3.4　人工智能加快元宇宙產(chǎn)業(yè)鏈構(gòu)建　259 15.4　小結(jié)　260 思考題　260 第　16章 人工智能發(fā)展趨勢(shì)　262 16.1　人工智能行業(yè)發(fā)展趨勢(shì)　263 16.1.1國內(nèi)外發(fā)展現(xiàn)狀　263 16.1.2　人工智能產(chǎn)業(yè)鏈　263 16.1.3　人工智能產(chǎn)業(yè)化性價(jià)比顯著提高　264 16.2　人工智能行業(yè)人才需求　264 16.2.1　人工智能企業(yè)運(yùn)營模式　264 16.2.2　人工智能技術(shù)人才體系　265 16.2.3　人工智能企業(yè)人才供需現(xiàn)狀　266 16.3　人工智能知識(shí)體系　266 16.4　總結(jié)　268 思考題　268 參考文獻(xiàn)　269