目录

第1章绪论

1.1人工智能的基本定义

1.1.1人工智能的概念与特征

1.1.2人工智能的学科体系

1.2人工智能发展历程简介

1.2.1人工智能的主要发展阶段

1.2.2人工智能的三大学派

1.2.3人工智能发展战略规划

1.3人工智能的主要应用方向

1.4本章小结

习题

参考文献

第2章数学基础

2.1逻辑基础

2.1.1知识表示

2.1.2推理方法

2.2计算基础

2.2.1计算复杂性

2.2.2线性代数

2.2.3微积分

2.3概率基础

2.3.1不确定性的量化

2.3.2概率推理基础

2.4本章小结

习题

参考文献

第3章群智能算法

3.1群智能算法概述

3.2遗传算法

3.2.1遗传算法的基本原理

3.2.2遗传算法的一般步骤

3.3粒子群优化算法

3.4蚁群算法

3.5本章小结

习题

参考文献

第4章机器学习

4.1机器学习概述

4.2线性回归

4.3支持向量机

4.3.1支持向量与间隔

4.3.2对偶问题与核函数

4.4决策树

4.5随机森林

4.6本章小结

习题

参考文献

第5章人工神经网络

5.1人工神经网络概述

5.2神经元模型

5.3多层感知机

5.3.1多层感知机模型

5.3.2神经网络的表达能力与近似理论

5.3.3反向传播算法

5.4多层感知机的改进

5.4.1提高训练效率

5.4.2过拟合与正则化

5.4.3深度网络训练

5.5本章小结

习题

参考文献

第6章卷积神经网络

6.1卷积神经网络概述

6.2卷积神经网络的层级结构

6.2.1卷积层的工作原理

6.2.2池化层的工作原理

6.2.3批归一化与卷积神经网络优化

6.3卷积神经网络进阶

6.3.1残差网络

6.3.2Inception模块

6.3.3卷积神经网络的迁移学习

6.4卷积神经网络在计算机视觉中的应用

6.4.1图像分类

6.4.2目标检测

6.4.3图像分割

6.5本章小结

习题

参考文献

第7章循环神经网络

7.1循环神经网络概述

7.2循环神经网络的层级结构

7.2.1循环神经元结构

7.2.2循环神经网络架构

7.2.3随时间反向传播算法

7.2.4梯度消失与梯度爆炸问题

7.3长短期记忆网络

7.4门控循环单元网络

7.5循环神经网络进阶与应用

7.5.1双向循环神经网络

7.5.2注意力机制与循环神经网络的结合

7.5.3循环神经网络的应用案例

7.6本章小结

习题

参考文献

第8章生成对抗网络

8.1生成对抗网络概述

8.2生成对抗网络的层级结构

8.2.1生成器与判别器的工作原理

8.2.2生成对抗网络的训练过程

8.2.3生成对抗网络的收敛性

8.3生成对抗网络进阶

8.3.1条件生成对抗网络

8.3.2信息最大化生成对抗网络

8.4生成对抗网络在图像处理中的应用

8.4.1图像生成

8.4.2图像编辑

8.4.3图像超分辨率

8.5本章小结

习题

参考文献

第9章人工智能大模型

9.1大模型概述

9.1.1大模型的定义与特征

9.1.2大模型的发展历程

9.1.3大模型与传统机器学习算法的对比

9.2大模型的架构与构建流程

9.2.1Transformer

9.2.2大规模预训练模型

9.2.3多模态大模型

9.2.4大模型的构建流程

9.3大模型的应用

9.3.1自然语言处理领域中的应用

9.3.2计算机视觉领域中的应用

9.3.3跨领域应用与迁移学习

9.4大模型面临的挑战与未来展望

9.4.1计算资源与能源消耗

9.4.2大模型的可解释性问题

9.4.3大模型的发展方向

9.5本章小结

习题

参考文献