第 1 章 绪 论

1. 1 人工智能的定义 

1. 2 人工智能的分类

  1. 2. 1 符号主义

  1. 2. 2 连接主义 

  1. 2. 3 行为主义 

1. 3 人工智能的进展和趋势 

  1. 3. 1 符号主义

  1. 3. 2 连接主义

第 2 章 人工智能数学基础 

2. 1 矩阵论

  2. 1. 1 线性空间与线性变换 

  2. 1. 2 范数理论

2. 2 应用统计

  2. 2. 1 参数估计

  2. 2. 2 假设检验 

  2. 2. 3 回归分析与方差分析

2. 3 数值分析 

  2. 3. 1 插值法与数值逼近 

  2. 3. 2 数值积分与数值微分 

  2. 3. 3 解线性方程的直接方法与迭代法

2. 4 经典变换 

  2. 4. 1 快速傅里叶变换 

  2. 4. 2 图像变换 

2. 5 优化问题

第 3 章 Python 高级应用 

3. 1 Python 容器: 列表、 元组、 字典与集合 

  3. 1. 1 列表

  3. 1. 2 元组 

  3. 1. 3 字典 

  3. 1. 4 集合 

3. 2 Python 函数 

3. 3 Python 常用库 

第 4 章 概念表示 

4. 1 数理逻辑

  4. 1. 1 谓词演算 

  4. 1. 2 谓词的解释 

  4. 1. 3 谓词逻辑的基本等价式和推理规则 

  4. 1. 4 谓词的演绎推理 

4. 2 集合论 

4. 3 概念的现代表示理论 

  4. 3. 1 模糊理论 

  4. 3. 2 知识图谱 

第 5 章 知识表示

5. 1 知识与知识表示的概念 

  5. 1. 1 知识的概念 

  5. 1. 2 知识表示的概念

5. 2 产生式表示法 

  5. 2. 1 产生式的基本形式

  5. 2. 2 产生式系统 

  5. 2. 3 产生式系统的优势及其分类 

5. 3 框架表示法 

  5. 3. 1 框架 

  5. 3. 2 框架网络 

  5. 3. 3 框架系统的问题求解过程及特点 

5. 4 状态空间表示法

第 6 章 搜索方法 

6. 1 搜索概念及其评价指标简介

6. 2 图搜索策略 

6. 3 盲目搜索 

  6. 3. 1 宽度优先搜索 

  6. 3. 2 深度优先搜索

6. 4 启发式搜索 

6. 5 博弈搜索 

  6. 5. 1 博弈和博弈树的概念 

  6. 5. 2 极大极小值分析法 

  6. 5. 3 α-β 剪枝技术 

6. 6 本章小结

第 7 章 机器学习 

7. 1 机器学习的历史 

7. 2 机器学习的概念 

  7. 2. 1 什么是学习 

  7. 2. 2 人类学习与机器学习 

  7. 2. 3 机器学习的系统模型 

7. 2. 4机器学习的分类 

7. 3 监督学习 

  7. 3. 1 监督学习的概念 

  7. 3. 2 决策树 

  7. 3. 3 贝叶斯分类 

7. 4 无监督学习 

  7. 4. 1 无监督学习定义 

  7. 4. 2 无监督学习的特性 

7. 5 弱监督学习 

  7. 5. 1 弱监督学习定义 

  7. 5. 2 弱监督学习分类 

7. 6 本章小结

第 8 章 深度学习 

8. 1 深度学习的发展历史 

  8. 1. 1 深度学习的起源 

  8. 1. 2 深度学习的发展 

8. 2 BP 神经网络及其学习算法 

  8. 2. 1 BP 神经网络理论

  8. 2. 2 BP 神经网络应用 

  8. 2. 3 BP 神经网络的特点

8. 3 卷积神经网络及其学习算法 

  8. 3. 1 卷积神经网络理论 

  8. 3. 2 卷积神经网络应用 

  8. 3. 3 卷积神经网络特性 

8. 4 循环神经网络及其学习算法 

  8. 4. 1 循环神经网络理论分析 

  8. 4. 2 循环神经网络的简单实现

  8. 4. 3 递归神经网络

  8. 4. 4 循环神经网络总结 

8. 5 LSTM

  8. 5. 1 理论介绍 

  8. 5. 2 LSTM 应用实例

  8. 5. 3 总结 

8. 6 自编码器理论

  8. 6. 1 理论介绍 

  8. 6. 2 举例 

  8. 6. 3 总结 

8. 7 生成对抗网络 

  8. 7. 1 理论介绍 

  8. 7. 2 举例 

  8. 7. 3 总结 

8. 8 迁移学习 

  8. 8. 1 理论介绍 

  8. 8. 2 举例 

  8. 8. 3 总结 

第 9 章 自然语言处理

9. 1 问题简介 

9. 2 词 

9. 3 短语 

9. 4 语义分析

9. 5 自然语言理解 

第 10 章 计算机视觉 

10. 1 计算机视觉技术的基本原理简介 

10. 2 图像基础 

  10. 2. 1 位图图像和矢量图形

  10. 2. 2 图像处理的基本概念

  10. 2. 3 图像文件的基本格式

  10. 2. 4 色彩的基本概念

  10. 2. 5 色彩模式

10. 3 图像变换

10. 4 形态学 

  10. 4. 1 图像的腐蚀

  10. 4. 2 图像的膨胀

  10. 4. 3 开运算

  10. 4. 4 闭运算

10. 5 图像滤波 

  10. 5. 1 图像滤波的概念及其目标

  10. 5. 2 常用的图像滤波方法

10. 6 图像统计模型

10. 7 本章小结

第 11 章 基于模型诊断

11. 1 基于模型诊断概述

11. 2 静态系统基于模型诊断 

  11. 2. 1 基于一致性的基于模型诊断推理

  11. 2. 2 动态系统基于模型诊断

第 12 章 人工智能实战

12. 1 人脸识别 

  12. 1. 1 人脸识别技术概述

  12. 1. 2 深度学习技术的原理

  12. 1. 3 梯度下降

  12. 1. 4 基于 CNN 卷积神经网络进行人脸识别

  12. 1. 5 人脸检测的算法

12. 2 癌症筛选 

  12. 2. 1 人工智能在医疗领域主要成就

  12. 2. 2 TCGA 数据探索癌症病变分析 

12. 3 购物篮分析

  12. 3. 1 利用 Python 进行市场购物篮分析 

  12. 3. 2 购物篮分析———Apriori 算法 

12. 4 异常检测

  12. 4. 1 异常点检测算法使用场景

  12. 4. 2 异常点检测算法常见类别

  12. 4. 3 One Class SVM 算法 

  12. 4. 4 Isolation Forest 算法 

  12. 4. 5 异常点检测算法小结

参考文献