本書全面介紹人工智能的基本理論、技術(shù)及應(yīng)用。全書共10章，主要內(nèi)容包括人工智能概論、知識(shí)表示與知識(shí)圖譜、模擬人類思維的推理方法、搜索策略、模擬生物進(jìn)化的遺傳算法、模擬生物群體行為的群智能算法、機(jī)器學(xué)習(xí)與專家系統(tǒng)、模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)與大語(yǔ)言模型以及自然語(yǔ)言理解，附錄部分給出了實(shí)用性強(qiáng)的12個(gè)實(shí)驗(yàn)。本書強(qiáng)調(diào)人工智能知識(shí)的基礎(chǔ)性、整體性、綜合性和廣博性，使學(xué)生掌握人工智能的主要思想和應(yīng)用人工智能技術(shù)解決專業(yè)領(lǐng)域問(wèn)題的基本技術(shù)，培養(yǎng)創(chuàng)新精神。
本書的適用對(duì)象廣泛，可作為高等學(xué)校各專業(yè)人工智能基礎(chǔ)課程的教材，也可供對(duì)人工智能技術(shù)感興趣的廣大讀者閱讀。
首批國(guó)家級(jí)線上一流本科課程配套教材，全面介紹人工智能的基本理論、技術(shù)及應(yīng)用，高等學(xué)校各專業(yè)人工智能基礎(chǔ)課程的教材
2017年7月，國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》把人工智能作為國(guó)家發(fā)展戰(zhàn)略。人工智能人才培養(yǎng)是實(shí)現(xiàn)國(guó)家人工智能發(fā)展戰(zhàn)略的一個(gè)關(guān)鍵。2018年，制訂了《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，從不同的專業(yè)角度對(duì)人工智能人才培養(yǎng)進(jìn)行全面布局，在計(jì)算機(jī)、電子信息、自動(dòng)化、機(jī)械等多個(gè)專業(yè)領(lǐng)域設(shè)置了智能科學(xué)與技術(shù)、人工智能、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、機(jī)器人工程等人工智能類專業(yè)，還把人工智能技術(shù)引入傳統(tǒng)專業(yè)，形成智能制造工程、智能車輛工程、智能電網(wǎng)信息工程、電氣工程與智能控制、電機(jī)電器智能化、智能材料與結(jié)構(gòu)、智能醫(yī)學(xué)工程等專業(yè)。
事實(shí)上，人工智能和其他專業(yè)的結(jié)合是培養(yǎng)人工智能應(yīng)用人才的一個(gè)非常重要的方面，是和人工智能專業(yè)人才培養(yǎng)相輔相成的。所以，需要編寫不同特點(diǎn)的人工智能教材。
1. 本書的形成
本書作者從1989年開始從事人工智能及其應(yīng)用的研究，從1993年開始從事人工智能課程的教學(xué)，為控制、計(jì)算機(jī)、機(jī)械等專業(yè)研究生講授人工智能原理與應(yīng)用課程，為計(jì)算機(jī)、自動(dòng)化等類專業(yè)本科生講授人工智能導(dǎo)論課程。在多年的教學(xué)實(shí)踐中，作者深感極有必要編著一本內(nèi)容比較基礎(chǔ)、可讀性好、適合講授的人工智能教材。本書作者在自己多年來(lái)的講稿基礎(chǔ)上，于2005年編寫了人工智能教材，并不斷跟蹤人工智能的發(fā)展，形成了適合研究生、本科生不同層次的人工智能系列教材，被許多高校選用。其中，作者主講的人工智能導(dǎo)論入選首批國(guó)家級(jí)線上一流本科課程，編寫的《人工智能導(dǎo)論》（第5版）入選十二五普通高等教育本科國(guó)家級(jí)規(guī)劃教材，并榮獲首屆全國(guó)教材建設(shè)獎(jiǎng)全國(guó)優(yōu)秀教材二等獎(jiǎng)。
隨著人工智能技術(shù)的發(fā)展，越來(lái)越多的專業(yè)需要開設(shè)人工智能課程。因此，作者從2005年開始為浙江工業(yè)大學(xué)工學(xué)、理學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)、哲學(xué)、文學(xué)、法學(xué)等學(xué)科門類專業(yè)學(xué)生開設(shè)人工智能及其應(yīng)用公選課，從2017年開始負(fù)責(zé)全校人工智能通識(shí)教育核心課程建設(shè)。在人工智能通識(shí)課程教學(xué)過(guò)程中，作者深感已有人工智能教材不適合作為通識(shí)課程教材，特別是不適合人文社科類大學(xué)生的學(xué)習(xí)，因此，迫切需要編寫面向全校各專業(yè)（包括人文社科專業(yè)）的人工智能通識(shí)課程教材。為此，作者針對(duì)人文社科類大學(xué)生的知識(shí)結(jié)構(gòu)和思維方式，突出人工智能解決復(fù)雜問(wèn)題的創(chuàng)新思想，編寫了《人工智能通識(shí)教程》一書，受到非常廣泛的歡迎。在上述教材的基礎(chǔ)上，作者面向量大面廣的應(yīng)用型高校開設(shè)人工智能課程的需要，采用了《人工智能通識(shí)教程》通俗易懂的語(yǔ)言風(fēng)格，編寫了這本《人工智能應(yīng)用教程》。這本修訂版緊緊跟蹤人工智能的最新發(fā)展，增加了大語(yǔ)言模型和AI智能體等最新技術(shù)。
2. 主要內(nèi)容
本書共10章。第1章除了介紹人工智能的基本概念、發(fā)展簡(jiǎn)史以外，著重介紹目前人工智能的主要研究?jī)?nèi)容、三大學(xué)派與各種應(yīng)用，以開闊讀者的視野，引導(dǎo)讀者進(jìn)入人工智能各個(gè)研究領(lǐng)域，最后，簡(jiǎn)要介紹人工智能倫理。第2章介紹知識(shí)表示的概念，一階謂詞邏輯、產(chǎn)生式、框架等基本的知識(shí)表示方法，以及知識(shí)圖譜的基本內(nèi)容。第3章介紹推理的概念、基于謂詞邏輯的確定性推理、基于統(tǒng)計(jì)分析和基于模糊理論的不確定推理方法及其應(yīng)用。第4章介紹應(yīng)用非常廣泛的搜索策略。第5章介紹模擬生物進(jìn)化的遺傳算法。第6章介紹模擬生物群體行為的適用于大規(guī)模優(yōu)化問(wèn)題的群智能算法。第7章介紹機(jī)器學(xué)習(xí)的基本概念和幾種經(jīng)典的機(jī)器學(xué)習(xí)算法，介紹專家系統(tǒng)的概念、工作原理以及應(yīng)用。第8章介紹模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)，為后面介紹深度學(xué)習(xí)奠定基礎(chǔ)。第9章介紹深度學(xué)習(xí)與大語(yǔ)言模型及其廣泛的應(yīng)用，包括卷積神經(jīng)網(wǎng)絡(luò)、膠囊網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)等深度學(xué)習(xí)的前沿內(nèi)容。第10章介紹日益廣泛應(yīng)用的自然語(yǔ)言理解技術(shù)，包括機(jī)器翻譯、語(yǔ)音識(shí)別等應(yīng)用。
人工智能應(yīng)用教程（第2版）前言3. 本書特色
本書有以下特色。
（1） 語(yǔ)言簡(jiǎn)明，可讀性好。本書力求用通俗的文字深入淺出地講解概念、理論和技術(shù)，特別是將人工智能技術(shù)與文學(xué)藝術(shù)、人們的日常生活、人類思維方法等相結(jié)合，使學(xué)生能夠感受到與人工智能相關(guān)的人文情懷，感受到人工智能就在自己身邊，使學(xué)生能夠有興趣、有耐心、系統(tǒng)地閱讀本書，掌握人工智能的基本思想與基本方法。
（2） 內(nèi)容先進(jìn)，注重應(yīng)用。人工智能正處于迅速發(fā)展時(shí)期，內(nèi)容非常豐富。本書覆蓋了人工智能的主要應(yīng)用領(lǐng)域，體系完整，精選了人工智能技術(shù)的一些前沿?zé)狳c(diǎn)。書中運(yùn)用大量應(yīng)用實(shí)例，跳出晦澀復(fù)雜的概率論、數(shù)理統(tǒng)計(jì)、算法理論，讓這些冷冰冰的人工智能知識(shí)變得有溫度。以淺顯易懂的方式詮釋人工智能精髓，啟迪算法理解，讓學(xué)生理解原本深?yuàn)W的人工智能技術(shù)。書中介紹能夠?yàn)楸究粕斫獾膽?yīng)用實(shí)例，引導(dǎo)學(xué)生學(xué)習(xí)應(yīng)用新理論解決實(shí)際問(wèn)題的方法。書中設(shè)置了很多課程思政教學(xué)元素。
（3） 精心編排，重點(diǎn)突出。每章開始設(shè)置導(dǎo)讀，使學(xué)生在學(xué)習(xí)本章之前就知道本章要討論的主題和學(xué)習(xí)目標(biāo)。每章最后扼要總結(jié)本章的重要概念、公式、定理與方法。本書采用雙色印刷，將重要的概念、公式、定理與方法用紅色標(biāo)示出來(lái)，以引起學(xué)生注意。
（4） 結(jié)構(gòu)合理，方便教學(xué)。本書各章內(nèi)容相對(duì)獨(dú)立，教師可以根據(jù)課程計(jì)劃學(xué)時(shí)和專業(yè)需要自由選擇和組合相關(guān)內(nèi)容，以保持課程體系結(jié)構(gòu)的完整性。采用本書全部?jī)?nèi)容作為教材，建議課堂教學(xué)學(xué)時(shí)為48學(xué)時(shí)。
（5） 配套實(shí)驗(yàn)，方便教學(xué)。圍繞人工智能技術(shù)的主要教學(xué)內(nèi)容，附錄中設(shè)置了課程實(shí)驗(yàn)，方便教學(xué)。學(xué)生通過(guò)程序?qū)崿F(xiàn)能夠深入了解人工智能的算法，體會(huì)如何應(yīng)用人工智能技術(shù)解決實(shí)際問(wèn)題。
（6） MOOC課程，便于自學(xué)。在學(xué)堂在線和國(guó)家智慧教育公共服務(wù)平臺(tái)開設(shè)了相應(yīng)的MOOC課程。作者在學(xué)堂在線開發(fā)了與本教材配套的慕客課程人工智能；需要進(jìn)一步深入學(xué)習(xí)人工智能的讀者，還可以選擇在中國(guó)大學(xué)MOOC網(wǎng)站（http://www.icourse163.org）上學(xué)習(xí)人工智能導(dǎo)論國(guó)家線上一流課程。
4. 教學(xué)資源支持
本書配套的教學(xué)資源包括教學(xué)大綱、PPT、實(shí)驗(yàn)源代碼、習(xí)題答案和題庫(kù)，使用本書作為教材的教師可向longqm@163.com免費(fèi)申請(qǐng)，服務(wù)支持請(qǐng)聯(lián)系QQ: 381844463。
5. 致謝
衷心感謝人工智能課程國(guó)家級(jí)虛擬教研室全體成員和作者一起對(duì)人工智能教學(xué)的不斷探索！衷心感謝清華大學(xué)出版社的龍啟銘編輯，他為本書付出了辛勤勞動(dòng)以及向作者提出了許多有益的修改建議。
限于作者水平，書中一定會(huì)存在許多不足之處，歡迎廣大讀者提出寶貴意見。
作者2025年4月
第1章人工智能概論1
1.1你了解人類的智能嗎1
1.1.1智能的概念1
1.1.2智能的特征2
1.2人工智能的孕育和誕生5
1.2.1人工智能的孕育期5
1.2.2人工智能的誕生達(dá)特茅斯會(huì)議6
1.2.3人工智能的定義與圖靈測(cè)試7
1.3人工智能的發(fā)展9
1.3.1人工智能的形成期9
1.3.2幾起幾落的曲折發(fā)展期10
1.3.3大數(shù)據(jù)驅(qū)動(dòng)的飛速發(fā)展期12
1.4從兩場(chǎng)標(biāo)志性人機(jī)博弈看人工智能的發(fā)展13
1.4.1人工智能研究中的小白鼠13
1.4.2深藍(lán)戰(zhàn)勝國(guó)際象棋棋王卡斯帕羅夫13
1.4.3阿爾法狗無(wú)師自通橫掃世界圍棋大師15
1.5人工智能研究的基本內(nèi)容17
1.6人工智能的三大學(xué)派18
1.6.1符號(hào)主義18
1.6.2連接主義20
1.6.3行為主義21
1.7人工智能的主要應(yīng)用領(lǐng)域21
1.8人工智能倫理34
1.8.1人工智能倫理的提出與發(fā)展34
1.8.2人工智能倫理的典型案例與成因分析35
1.8.3人工智能倫理的治理原則37
1.8.4人工智能倫理的治理措施38
1.9本章小結(jié)40
討論題41
第2章知識(shí)表示與知識(shí)圖譜42
2.1你了解人類知識(shí)嗎42
2.1.1什么是知識(shí)42
2.1.2知識(shí)的相對(duì)正確性43
2.1.3知識(shí)的不確定性44
2.1.4計(jì)算機(jī)表示知識(shí)的方法46
2.2一階謂詞邏輯表示法46
2.2.1命題46
2.2.2謂詞47
2.2.3謂詞公式48
2.2.4一階謂詞邏輯知識(shí)表示方法52
2.2.5一階謂詞邏輯表示法的特點(diǎn)53
2.3產(chǎn)生式表示法53
2.3.1產(chǎn)生式54
2.3.2產(chǎn)生式系統(tǒng)55
2.3.3產(chǎn)生式表示法的特點(diǎn)56
2.4框架表示法58
2.4.1框架的一般結(jié)構(gòu)58
2.4.2用框架表示知識(shí)的例子59
2.4.3框架表示法的特點(diǎn)61
2.5知識(shí)圖譜62
2.5.1知識(shí)圖譜的提出62
2.5.2知識(shí)圖譜的定義63
2.5.3知識(shí)圖譜的表示64
2.5.4知識(shí)圖譜的架構(gòu)65
2.5.5知識(shí)圖譜的典型應(yīng)用65
2.6本章小結(jié)67
討論題68
習(xí)題69
第3章模擬人類思維的推理方法71
3.1推理的定義71
3.2推理的分類72
3.2.1從推出知識(shí)的途徑分類72
3.2.2從知識(shí)的確定性分類73
3.3推理的方向74
3.3.1正向推理74
3.3.2逆向推理75
3.3.3混合推理77
3.4推理中的沖突消解策略79
3.5基于謂詞邏輯的確定性推理82
3.5.1自然演繹推理82
3.5.2魯濱遜歸結(jié)原理84
3.5.3歸結(jié)反演85
3.5.4歸結(jié)求解87
3.6基于統(tǒng)計(jì)分析的不確定性推理90
3.6.1不確定性推理的概念90
3.6.2可信度方法93
3.6.3可信度方法舉例95
3.7基于模糊理論的不確定性推理97
3.7.1模糊邏輯的提出與發(fā)展97
3.7.2模糊集合的定義與表示98
3.7.3隸屬函數(shù)100
3.7.4模糊關(guān)系101
3.7.5模糊關(guān)系的合成103
3.7.6模糊推理104
3.7.7模糊決策105
3.7.8模糊推理的應(yīng)用106
3.8本章小結(jié)107
討論題109
習(xí)題109
第4章搜索策略113
4.1搜索的概念113
4.2如何用狀態(tài)空間表示搜索對(duì)象114
4.2.1狀態(tài)空間知識(shí)表示方法114
4.2.2狀態(tài)空間的圖描述116
4.3回溯策略119
4.4盲目的圖搜索策略120
4.4.1寬度優(yōu)先搜索策略120
4.4.2深度優(yōu)先搜索策略121
4.5啟發(fā)式圖搜索策略123
4.5.1啟發(fā)式策略124
4.5.2啟發(fā)信息和估價(jià)函數(shù)126
4.5.3A搜索算法128
4.5.4A搜索算法129
4.5.5蒙特卡洛樹搜索算法130
4.6本章小結(jié)132
討論題133
習(xí)題134
第5章模擬生物進(jìn)化的遺傳算法135
5.1進(jìn)化算法的生物學(xué)背景135
5.2遺傳算法137
5.2.1遺傳算法的發(fā)展歷史137
5.2.2遺傳算法的基本思想138
5.2.3編碼138
5.2.4種群設(shè)定140
5.2.5適應(yīng)度函數(shù)141
5.2.6選擇142
5.2.7交叉144
5.2.8變異146
5.3遺傳算法的主要改進(jìn)算法147
5.3.1雙倍體遺傳算法148
5.3.2雙種群遺傳算法149
5.3.3自適應(yīng)遺傳算法150
5.4基于遺傳算法的生產(chǎn)調(diào)度方法151
5.4.1基于遺傳算法的流水車間調(diào)度方法152
5.4.2基于遺傳算法的混合流水車間調(diào)度方法153
5.5本章小結(jié)158
討論題159
習(xí)題159
第6章模擬生物群體行為的群智能算法161
6.1群智能算法的生物學(xué)背景161
6.2模擬鳥群行為的粒子群優(yōu)化算法163
6.2.1基本粒子群優(yōu)化算法163
6.2.2粒子群優(yōu)化算法的應(yīng)用165
6.3模擬蟻群行為的蟻群優(yōu)化算法167
6.3.1蟻群優(yōu)化算法的生物學(xué)背景167
6.3.2基本蟻群優(yōu)化算法167
6.3.3蟻群優(yōu)化算法的應(yīng)用171
6.4本章小結(jié)173
討論題174
第7章機(jī)器學(xué)習(xí)與專家系統(tǒng)175
7.1機(jī)器學(xué)習(xí)的基本概念175
7.1.1學(xué)習(xí)175
7.1.2機(jī)器學(xué)習(xí)176
7.1.3學(xué)習(xí)系統(tǒng)176
7.1.4機(jī)器學(xué)習(xí)的發(fā)展178
7.2機(jī)器學(xué)習(xí)的分類179
7.2.1機(jī)器學(xué)習(xí)的一般分類方法179
7.2.2監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)181
7.2.3弱監(jiān)督學(xué)習(xí)182
7.3經(jīng)典機(jī)器學(xué)習(xí)算法185
7.3.1K近鄰機(jī)器學(xué)習(xí)算法185
7.3.2決策樹機(jī)器學(xué)習(xí)算法188
7.3.3支持向量機(jī)190
7.3.4K均值聚類算法192
7.4專家系統(tǒng)概述193
7.4.1專家系統(tǒng)的產(chǎn)生和發(fā)展193
7.4.2專家系統(tǒng)的定義195
7.4.3專家系統(tǒng)的特點(diǎn)195
7.4.4專家系統(tǒng)的類型197
7.5專家系統(tǒng)的工作原理198
7.5.1專家系統(tǒng)的一般結(jié)構(gòu)198
7.5.2知識(shí)庫(kù)199
7.5.3推理機(jī)199
7.5.4綜合數(shù)據(jù)庫(kù)200
7.5.5知識(shí)獲取機(jī)構(gòu)200
7.5.6解釋機(jī)構(gòu)201
7.5.7人機(jī)接口201
7.6簡(jiǎn)單的動(dòng)物識(shí)別專家系統(tǒng)202
7.6.1知識(shí)庫(kù)建立202
7.6.2綜合數(shù)據(jù)庫(kù)建立和推理過(guò)程203
7.7專家系統(tǒng)開發(fā)工具骨架系統(tǒng)204
7.7.1骨架系統(tǒng)的概念204
7.7.2EMYCIN骨架系統(tǒng)205
7.7.3KAS骨架系統(tǒng)206
7.8專家系統(tǒng)開發(fā)環(huán)境208
7.9本章小結(jié)209
討論題210
習(xí)題211
第8章模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)212
8.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)212
8.1.1生物神經(jīng)元結(jié)構(gòu)212
8.1.2生物神經(jīng)元的數(shù)學(xué)模型213
8.1.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí)215
8.2機(jī)器學(xué)習(xí)的先驅(qū)赫布學(xué)習(xí)規(guī)則216
8.3掀起人工神經(jīng)網(wǎng)絡(luò)第一次高潮的感知器217
8.4掀起人工神經(jīng)網(wǎng)絡(luò)第二次高潮的BP學(xué)習(xí)算法219
8.4.1BP學(xué)習(xí)算法的提出219
8.4.2BP神經(jīng)網(wǎng)絡(luò)220
8.4.3BP學(xué)習(xí)算法221
8.4.4BP學(xué)習(xí)算法在模式識(shí)別中的應(yīng)用224
8.5本章小結(jié)225
討論題225
習(xí)題226
第9章深度學(xué)習(xí)與大語(yǔ)言模型229
9.1動(dòng)物視覺(jué)機(jī)理與深度學(xué)習(xí)的提出229
9.1.1淺層學(xué)習(xí)的局限性230
9.1.2深度學(xué)習(xí)的提出230
9.2卷積神經(jīng)網(wǎng)絡(luò)與膠囊網(wǎng)絡(luò)232
9.2.1卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)232
9.2.2卷積的物理、生物與生態(tài)學(xué)等意義233
9.2.3卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算234
9.2.4卷積神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵技術(shù)236
9.2.5卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用238
9.2.6膠囊網(wǎng)絡(luò)239
9.2.7基于深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)241
9.3生成對(duì)抗網(wǎng)絡(luò)及其應(yīng)用244
9.3.1生成對(duì)抗網(wǎng)絡(luò)的基本原理244
9.3.2生成對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu)245
9.3.3生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練246
9.3.4生成對(duì)抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用247
9.4大語(yǔ)言模型及其應(yīng)用252
9.4.1大語(yǔ)言模型的發(fā)展252
9.4.2國(guó)內(nèi)外主要大模型平臺(tái)254
9.4.3大語(yǔ)言模型提示工程257
9.4.4知識(shí)蒸餾技術(shù)258
9.4.5寫作大語(yǔ)言模型259
9.4.6文生圖大語(yǔ)言模型261
9.4.7文生視頻大語(yǔ)言模型263
9.4.8蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)大語(yǔ)言模型265
9.5AI智能體266
9.5.1AI智能體的概念266
9.5.2AI智能體的結(jié)構(gòu)268
9.5.3AI多智能體系統(tǒng)269
9.5.4AI智能體的特性270
9.5.5AI智能體的應(yīng)用271
9.6本章小結(jié)273
討論題274
習(xí)題275
第10章自然語(yǔ)言理解276
10.1自然語(yǔ)言理解的概念與發(fā)展276
10.1.1自然語(yǔ)言理解的概念276
10.1.2自然語(yǔ)言理解的發(fā)展歷史277
10.2語(yǔ)言處理過(guò)程的層次279
10.3機(jī)器翻譯方法概述281
10.4循環(huán)神經(jīng)網(wǎng)絡(luò)284
10.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)284
10.4.2循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練285
10.4.3長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)286
10.5基于循環(huán)神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯286
10.6語(yǔ)音識(shí)別288
10.6.1語(yǔ)音識(shí)別的概念288
10.6.2語(yǔ)音識(shí)別的主要過(guò)程289
10.6.3語(yǔ)音識(shí)別的方法291
10.7本章小結(jié)292
討論題292
附錄A人工智能實(shí)驗(yàn)指導(dǎo)書293
實(shí)驗(yàn)1產(chǎn)生式系統(tǒng)實(shí)驗(yàn)293
實(shí)驗(yàn)2洗衣機(jī)模糊推理系統(tǒng)實(shí)驗(yàn)293
實(shí)驗(yàn)3A算法求解N數(shù)碼問(wèn)題實(shí)驗(yàn)295
實(shí)驗(yàn)4A算法求解迷宮尋路問(wèn)題實(shí)驗(yàn)296
實(shí)驗(yàn)5遺傳算法求函數(shù)最大值實(shí)驗(yàn)297
實(shí)驗(yàn)6遺傳算法求解TSP問(wèn)題實(shí)驗(yàn)300
實(shí)驗(yàn)7粒子群算法求函數(shù)最小值實(shí)驗(yàn)302
實(shí)驗(yàn)8蟻群算法求解TSP問(wèn)題實(shí)驗(yàn)302
實(shí)驗(yàn)9BP神經(jīng)網(wǎng)絡(luò)分類實(shí)驗(yàn)303
實(shí)驗(yàn)10卷積神經(jīng)網(wǎng)絡(luò)分類實(shí)驗(yàn)304
實(shí)驗(yàn)11膠囊網(wǎng)絡(luò)分類實(shí)驗(yàn)304
實(shí)驗(yàn)12用生成對(duì)抗網(wǎng)絡(luò)生成數(shù)字圖像實(shí)驗(yàn)305
書單推薦
