|
人工智能导论 第2版ppt课件+题库+作业参考答案+微课视频课件+课程建设资料
|
|
资料类别
|
计算机课件 |
|
|
课程(专业)
|
人工智能导论 |
|
关键词
|
人工智能导论|搜索技术与算法 |
|
适用年级
|
大学 |
|
身份要求
|
普通会员 |
|
金 币
|
50 （金币如何获得？） |
|
文件格式
|
ppt+word |
|
文件大小
|
60024K |
|
发布时间
|
2025-01-02 18:24:00 |
|
预览文件
|
0736200.png（只能预览部分内容） |
|
下载次数
|
0 |
| 发布人 |
kj008 |
内容简介：
人工智能导论 第2版ppt课件+题库+作业参考答案+微课视频课件+课程建设资料
第1章概论
【导读案例】有意义的人工智能时代
1.1计算的渊源
1.1.1阿拉伯数字
1.1.2巴贝奇与数学机器
1.1.3“机器人”的由来
1.2计算机的出现
1.2.1为战争而发展的计算机器
1.2.2计算机无处不在
1.2.3通用计算机
1.2.4计算机语言
1.2.5计算机建模
1.2.6人工智能大师
1.3人工的智能行为
1.3.1什么是“智能”
1.3.2类人行为：图灵测试
1.3.3类人思考：认知建模
1.3.4理性思考：思维法则
1.3.5理性行为：理性智能体
1.4人工智能学科
1.4.1人工智能学科基础
1.4.2人工智能定义
1.4.3人工智能的实现途径
1.5人工智能发展的6个阶段
第2章模糊逻辑与大数据思维
【导读案例】电商网站的推荐系统
2.1什么是模糊逻辑
2.1.1甲虫机器人的规则
2.1.2模糊逻辑的发明
2.1.3制定模糊逻辑的规则
2.1.4模糊逻辑的定义
2.1.5模糊理论的发展
2.2模糊逻辑系统
2.2.1纯模糊逻辑系统
2.2.2高木-关野模糊逻辑系统
2.2.3具有模糊产生器及模糊消除器的模糊逻辑系统
2.3大数据思维与变革
2.3.1思维转变之一：样本=总体
2.3.2思维转变之二：接受数据的混杂性
2.3.3思维转变之三：数据的相关关系
2.4大数据与人工智能
2.4.1人工智能与大数据的联系
2.4.2人工智能与大数据的区别
2.4.3人工智能深化大数据应用
第3章智能体与智能代理
【导读案例】智能体：下一个颠覆性AI应用
3.1智能体和环境
3.2智能体的良好行为
3.2.1性能度量
3.2.2理性
3.2.3全知、学习和自主
3.3环境的本质
3.3.1指定任务环境
3.3.2任务环境的属性
3.4智能体的结构
3.4.1智能体程序
3.4.2学习型智能体
3.4.3智能体程序组件的工作
3.5智能代理技术
3.5.1智能代理的定义
3.5.2智能代理的典型工作过程
3.5.3智能代理的特点
3.5.4系统内的协同合作
3.6智能代理的典型应用
3.6.1股票/债券/期货交易
3.6.2医疗诊断
3.6.3搜索引擎
3.6.4实体机器人
3.6.5游戏代理
第4章知识表示及其方法
【导读案例】智能体将重构人机交互
4.1什么是知识表示
4.1.1知识的概念
4.1.2知识表示方法
4.1.3表示方法的选择
4.2图形草图
4.3图和哥尼斯堡桥问题
4.4搜索树（决策树）
4.5产生式系统
4.6面向对象
4.7框架法
4.8语义网络
4.8.1语义网络表示
4.8.2知识图谱
第5章规则与专家系统
【导读案例】人工智能时代的工作路径
5.1专家的技能与特点
5.1.1在自己的领域里作为专家
5.1.2技能获取的5个阶段
5.1.3专家的特点
5.2规则与策略
5.2.1制胜策略
5.2.2知识工程
5.2.3知识获取
5.3利用规则推导建立专家系统
5.3.1规则举例
5.3.2建立框架
5.3.3IBM的沃森系统
5.4专家系统及其发展
5.4.1建立专家系统的思考
5.4.2专家系统的特征
5.4.3典型的专家系统——ADIS
5.5专家系统的结构
5.5.1专家系统的功能
5.5.2知识库
5.5.3推理机
5.5.4其他部分
5.5.5实现方式
第6章机器学习及其算法
【导读案例】奈飞的电影推荐引擎
6.1什么是机器学习
6.1.1机器学习的发展
6.1.2机器学习的定义
6.1.3机器学习的研究
6.2基于学习方式的分类
6.2.1监督学习
6.2.2无监督学习
6.2.3强化学习
6.2.4机器学习的其他分类
6.3机器学习的基本结构
6.4机器学习算法
6.4.1专注于学习能力
6.4.2回归算法
6.4.3基于实例的算法
6.4.4决策树算法
6.4.5朴素贝叶斯算法
6.4.6聚类算法
6.4.7支持向量机算法
6.4.8神经网络算法
6.4.9Boosting与Bagging算法
6.4.10关联规则算法
6.4.11EM（期望最大化）算法
6.5机器学习的应用
6.5.1数据分析与挖掘
6.5.2模式识别
6.5.3生物信息学应用
6.5.4物联网
6.5.5聊天机器人
6.5.6自动驾驶
第7章神经网络与深度学习
【导读案例】谷歌大脑
7.1动物的中枢神经系统
7.1.1神经系统的结构
7.1.2神经系统学习机制
7.2了解人工神经网络
7.2.1人工神经网络的研究
7.2.2典型的人工神经网络
7.2.3类脑计算机
7.3深度学习的定义
7.3.1深度学习的优势
7.3.2深度学习的意义
7.3.3神经网络理解图片
7.3.4训练神经网络
7.3.5深度学习的方法
7.4卷积神经网络
7.4.1为什么选择卷积
7.4.2卷积神经网络结构
7.5迁移学习
7.5.1基于实例的迁移
7.5.2基于特征的迁移
7.5.3基于共享参数的迁移
7.6深度学习的应用
第8章创建智能系统的强化学习
【导读案例】机器学习帮助拯救濒危物种
8.1强化学习的定义
8.1.1以奖励假说为基础
8.1.2片段性任务及连续性任务
8.1.3强化学习发展历史
8.1.4基本模型和原理
8.1.5网络模型设计
8.1.6设计考虑
8.1.7数据依赖性
8.2强化学习与监督学习的区别
8.2.1强化学习与监督学习和无监督学习的不同
8.2.2学习方式
8.2.3先验知识与标注数据
8.3强化学习的基础理论
8.3.1基于模型环境与免模型环境
8.3.2探索与利用
8.3.3预测与控制
8.4强化学习分类
8.4.1从奖励中学习
8.4.2被动强化学习
8.4.3主动强化学习
8.4.4强化学习中的泛化
8.4.5学徒学习与逆强化学习
8.5强化学习的应用
8.5.1游戏博弈
8.5.2机器人控制
8.5.3制造业
8.5.4医疗服务业
8.5.5电子商务
第9章数据挖掘与经典算法
【导读案例】评估葡萄酒的品质
9.1从数据到知识
9.1.1决策树分析
9.1.2购物车分析
9.1.3贝叶斯网络
9.2数据挖掘方法
9.2.1数据挖掘的发展
9.2.2数据挖掘的对象
9.2.3数据挖掘的步骤
9.2.4数据挖掘分析方法
9.3数据挖掘经典算法
9.3.1神经网络法
9.3.2决策树法
9.3.3遗传算法
9.3.4粗糙集法
9.3.5模糊集法
9.3.6关联规则法
9.4机器学习和数据挖掘
9.4.1数据挖掘和机器学习典型过程
9.4.2机器学习和数据挖掘应用案例
第10章计算机视觉与处理
【导读案例】模仿人类视网膜的生物芯片
10.1模式识别
10.2图像识别
10.2.1人类的图像识别能力
10.2.2图像识别的基础
10.2.3图形识别的模型
10.2.4神经网络图像识别
10.3计算机视觉技术
10.3.1什么是机器视觉
10.3.2定义计算机视觉
10.3.3计算机视觉与机器视觉的区别
10.4智能图像处理技术
10.4.1图像采集
10.4.2图像预处理
10.4.3图像分割
10.4.4目标识别和分类
10.4.5目标定位和测量
10.4.6目标检测和跟踪
10.5计算机视觉系统典型功能
10.6计算机视觉技术的应用
10.6.1机器视觉的行业应用
10.6.2检测与机器人视觉应用
10.6.3布匹生产质量检测
第11章包容体系结构与机器人
【导读案例】RoboCup机器人世界杯足球锦标赛
11.1什么是包容体系结构
11.1.1所谓“中文房间”
11.1.2传统机器人学
11.1.3建立包容体系结构
11.2包容体系结构的实现
11.2.1艾伦机器人
11.2.2赫伯特机器人
11.2.3托托机器人
11.3划时代的阿波罗计划
11.4机器感知
11.4.1机器智能与智能机器
11.4.2机器思维与思维机器
11.4.3机器行为与行为机器
11.5机器人的概念
11.5.1机器人的发展
11.5.2机器人“三原则”
11.6机器人的技术问题
11.6.1机器人的组成
11.6.2机器人的运动
11.6.3机器人大狗
第12章自然语言与语音处理
【导读案例】机器翻译：大数据简单算法与小数据复杂算法
12.1语言的问题和可能性
12.2什么是自然语言处理
12.2.1自然语言处理的原因
12.2.2自然语言处理的方法
12.2.3自然语言处理的任务
12.2.4语言模型
12.3语法类型与语义分析
12.3.1语法类型
12.3.2语义分析
12.4处理数据与处理工具
12.4.1统计NLP语言数据集
12.4.2自然语言处理工具
12.4.3自然语言处理技术难点
12.5语音处理
12.5.1语音处理的发展
12.5.2语音理解
12.5.3语音识别
第13章GPT大语言模型崛起
【导读案例】难以区分的人工智能和人类艺术
13.1自然语言处理的进步
13.1.1关于ImageNet
13.1.2自然语言处理的ImageNet时刻
13.1.3从GPT-1到GPT-3
13.1.4ChatGPT聊天机器人模型与对策
13.1.5从文本生成音乐的MusicLM模型
13.1.6检测AI文本的DetectGPT算法
13.2科普AI大语言模型
13.2.1大语言模型的能力
13.2.2国内的大语言模型
13.2.3获得大模型的机会
13.3ChatGPT的模仿秀
13.3.1旧的守卫，新的想法
13.3.2搜索引擎结合LLM
13.3.3克服简单编造与重复
13.4传统行业的下岗
13.4.1客服市场，AI本来就很“卷”
13.4.2伐木场迎来工业革命
13.4.3新技术，新问题
第14章向动物学习群体智能
【导读案例】“超级蜂群”无人机
14.1向蜜蜂学习群体智能
14.2什么是群体智能
14.2.1群体人工智能技术
14.2.2群体智能的两种机制
14.2.3基本原则与特点
14.3典型算法模型
14.3.1蚁群算法
14.3.2搜索机器人
14.3.3微粒群（鸟群）优化算法
14.3.4没有机器人的集群
14.4群体智能背后的故事
14.5群体智能的应用与发展
第15章智能制造与智能建造
【导读案例】互联网之父预言：智能眼镜未来将取代手机
15.1智能制造
15.1.1综合特征
15.1.2智能技术
15.1.3测控装置
15.1.4运作过程
15.2数字孪生
15.2.1数字孪生的动态仿真
15.2.2数字孪生的价值
15.3建筑信息模型
15.3.1BIM基本特性
15.3.2BIM对工程造价的影响
15.3.3BIM模型的构架
15.3.4BIM生态系统
15.3.5BIM全周期实施规划
15.4智能建造
15.4.1智能建造的定义
15.4.2实现智能建造
第16章自动规划及其方法
【导读案例】人与机器更好相处的“阿凡达”之路
16.1规划的概念
16.2人工智能的乌姆普思世界
16.2.1描述乌姆普思世界
16.2.2探索乌姆普思世界
16.3什么是自动规划
16.3.1定义经典规划
16.3.2自动规划问题
16.4规划方法
16.4.1规划即搜索
16.4.2部分有序规划
16.4.3分级规划
16.4.4基于案例的规划
16.4.5规划方法分析
16.5时间、调度和资源
16.5.1时间约束和资源约束的表示
16.5.2解决调度问题
16.6自动规划的应用
第17章搜索技术与算法
【导读案例】科研变革进入第五范式：“加速”也要防“跑偏”
17.1关于搜索算法
17.2盲目搜索
17.2.1状态空间图
17.2.2回溯算法
17.2.3贪婪算法
17.2.4旅行销售员问题
17.2.5深度优先搜索
17.2.6广度优先搜索
17.2.7迭代加深搜索
17.3知情搜索
17.3.1启发法
17.3.2爬山法
17.3.3最陡爬坡法
17.3.4最佳优先搜索
17.3.5分支定界法
17.3.6A*算法
17.4受到自然启发的搜索
17.4.1遗传规划
17.4.2蚂蚁聚居地优化
17.4.3模拟退火
17.4.4粒子群
17.4.5禁忌搜索
第18章人工智能的发展
【导读案例】AI生成的作品也有著作权
18.1创新发展与社会影响
18.1.1人工智能发展的启示
18.1.2人工智能的发展现状与影响
18.2伦理与安全
18.2.1创造智能机器的大猩猩问题
18.2.2积极与消极的方面
18.2.3人才和基础设施短缺
18.2.4设定伦理要求
18.2.5强力保护个人隐私
18.2.6机器人权利
18.3人工智能的极限
18.3.1由非形式化得出的论据
18.3.2衡量人工智能
18.4人工智能架构
18.4.1传感器与执行器
18.4.2通用人工智能
18.4.3人工智能工程
18.5未来的人工智能
18.5.1意识与感质
18.5.2机器能思考吗
18.5.3从模仿到理解
18.5.4未来已来
相关说明：
1. 如您下载的资料不止一份，建议您注册成为本站会员。会员请登录后下载。
2. 会员购买金币50元以下，0.7元/个，50元以上，0.5元/个。具体请看：下载与付款。
3. 会员48小时内下载同一文件，不重复扣金币。
4. 下载后请用WinRAR或 WinZIP解压缩后使用。
5. 如仍有其他下载问题，请看常见问题解答。
下载地址：
|
|
|