目录

第1章概论/1

1.1人工智能技术的内涵与外延1

1.1.1人工智能的定义1

1.1.2人工智能研究的内容2

1.1.3人工智能研究目标3

1.2人工智能技术的起源和发展历程4

1.2.1人工智能出现前的萌芽期4

1.2.2人工智能发展的第一个时期5

1.2.3人工智能发展的第二个时期7

1.2.4人工智能发展的第三个时期7

1.3人工智能学科体系8

1.3.1基础理论9

1.3.2核心算法与技术9

1.3.3技术应用与开发11

1.4人工智能应用11

1.5人工智能技术的挑战12

1.5.1当前人工智能伦理问题13

1.5.2人工智能伦理准则、治理原则15

1.6本章小结17

1.7思考题18

第2章机器学习算法/19

2.1引言19

2.2回归算法19

2.2.1线性回归20

2.2.2多项式回归20

2.2.3岭回归21

2.2.4Lasso回归22

2.3决策树与随机森林23

2.3.1决策树的生成与剪枝24

2.3.2CART算法252.3.3随机森林25

2.4朴素贝叶斯26

2.5支持向量机28

2.5.1间隔与支持向量28

2.5.2对偶问题29

2.5.3核函数31

2.5.4软间隔与正则化32

2.5.5支持向量回归33

2.6无监督方法33

2.6.1主成分分析33

2.6.2潜在语义分析35

2.6.3非负矩阵分解37

2.6.4Kmeans39

2.6.5高斯混合分布40

2.7频繁模式挖掘41

2.7.1频繁模式挖掘的背景与研究意义41

2.7.2Apriori算法42

2.7.3FP树算法43

2.8模型评估与选择44

2.8.1经验误差与过拟合44

2.8.2评估方法45

2.8.3性能度量46

2.8.4比较检验48

2.9本章小结49

2.10思考题50

第3章深度学习算法/51

3.1引言51

3.2全连接网络52

3.2.1前馈网络52

3.2.2反向传播54

3.2.3正则化55

3.3卷积神经网络模型56

3.3.1卷积运算与池化56

3.3.2CNN基本概念与原理60

3.3.3CNN的发展历程61

3.4RNN/LSTM62

3.4.1循环神经网络概念62

3.4.2RNN原理与实现63

3.4.3LSTM原理与实现64

3.5Transformer68

3.5.1Transformer架构68

3.5.2Embedding70

3.5.3自注意力机制70

3.5.4Transformer实现与案例73

3.6生成模型79

3.6.1GAN在医学影像学中的应用80

3.6.2生成对抗网络的挑战81

3.6.3Diffusion模型83

3.7强化学习86

3.7.1强化学习概述86

3.7.2马尔可夫决策过程87

3.7.3Bellman方程88

3.7.4通用方法89

3.7.5蒙特卡罗方法90

3.7.6时序差分学习90

3.7.7结合TD和MC学习92

3.7.8策略梯度92

3.7.9ActorCritic93

3.7.10进化策略94

3.8图卷积网络94

3.8.1图卷积网络概念与推导94

3.8.2图卷积网络实现98

3.9知识图谱103

3.9.1知识图谱概述103

3.9.2实体关系抽取108

3.10大语言模型124

3.10.1大语言模型背景124

3.10.2大模型技术解析126

3.10.3主流大模型介绍128

3.10.4大模型的应用挑战131

3.11本章小结132

3.12思考题133

第4章人工智能在医学中的应用/134

4.1引言134

4.1.1背景与意义134

4.1.2主要内容概览134

4.2案例: 医学图像分割135

4.2.1基本概念135

4.2.2场景分析139

4.2.3医学图像分割算法140

4.2.4医学图像器官病变分割方案148

4.3案例: 医学文本分类159

4.3.1基本概念159

4.3.2场景分析160

4.3.3医学文本分类算法161

4.3.4医学意图文本分类方案164

4.4本章小结179

4.5思考题180

第5章人工智能在农业中的应用/181

5.1引言181

5.2案例: 智能农业机器人182

5.2.1智能农业机器人概述182

5.2.2人工智能算法的应用185

5.2.3智能灌溉机器人187

5.2.4自动采摘机器人190

5.3案例: 作物病虫害预测与管理193

5.3.1人工智能算法在病虫害预测中的应用194

5.3.2玉米病虫害预测195

5.3.3苹果树叶面病虫害识别197

5.4案例: 农产品质量检测200

5.4.1人工智能算法在农产品质量检测中的应用200

5.4.2农产品质量检测202

5.5案例: 田间杂草识别206

5.5.1人工智能算法在杂草识别中的应用206

5.5.2杂草识别208

5.6本章小结213

5.7思考题213

第6章人工智能与企业生产/214

6.1引言214

6.1.1背景与意义214

6.1.2主要内容概览215

6.2案例: 自动导引车216

6.2.1背景介绍216

6.2.2场景分析和相关算法218

6.2.3算法介绍219

6.2.4实际应用226

6.2.5算法分析228

6.2.6小结229

6.3案例: 智能分拣系统229

6.3.1基本概念229

6.3.2场景分析231

6.3.3算法介绍232

6.3.4系统实现240

6.3.5小结244

6.4本章小结244

6.5思考题244

第7章人工智能在互联网中的应用/246

7.1引言246

7.1.1背景与意义246

7.1.2主要内容概览246

7.2案例: 智能搜索引擎247

7.2.1基本概念247

7.2.2场景分析249

7.2.3语义理解与匹配算法249

7.2.4智能搜索方案253

7.3案例: 智能推荐系统255

7.3.1基本概念255

7.3.2场景分析257

7.3.3协同过滤推荐算法257

7.3.4智能推荐方案260

7.4案例: 智能审查系统265

7.4.1基本概念265

7.4.2场景分析265

7.4.3相关算法266

7.4.4智能审查方案271

7.5本章小结276

7.6思考题276

第8章人工智能在金融中的应用/277

8.1引言277

8.1.1背景与意义277

8.1.2主要内容概览277

8.2案例: 风险控制279

8.2.1蚂蚁集团百灵系统279

8.2.2金融风险概述280

8.3案例: 智能投顾282

8.3.1Betterment智能投顾平台282

8.3.2核心环节283

8.4案例: 智慧银行285

8.4.1智能化无人银行285

8.4.2智慧银行的发展与应用286

8.5本章小结289

8.6思考题289

第9章人工智能在交通中的应用/290

9.1引言290

9.1.1背景与意义290

9.1.2主要内容概览290

9.2案例: 公交站点选址模型与算法291

9.2.1场景分析291

9.2.2总体思路291

9.2.3基于局部密度的空间异常点检测292

9.2.4改进的CKmeans混合聚类算法293

9.3案例: 定制公交线路设计模型与算法296

9.3.1场景分析296

9.3.2总体思路296

9.3.3定制公交线路设计模型297

9.3.4基于改进遗传算法的模型求解302

9.4案例: 交通事件影响的城市道路行程时间预测312

9.4.1场景分析312

9.4.2总体思路312

9.4.3预测模型构建313

9.5本章小结315

9.6思考题315

第10章人工智能算法常用工具介绍/316

10.1集成开发环境316

10.1.1支持Python的通用编辑器和集成开发环境316

10.1.2Python专用的编辑器和集成开发环境320

10.2深度学习框架介绍322

10.2.1Theano322

10.2.2TensorFlow322

10.2.3MXNet323

10.2.4Keras323

10.2.5PyTorch324

10.2.6Caffe324

10.3开发案例325

10.3.1环境搭建325

10.3.2图像分类326

10.4本章小结330

10.5思考题330

附录（在线阅读）/331

参考文献（在线阅读）/331