內容豐富

提供了拓展內容，引導學生自主學習，擴寬學生的眼界，提高其知識應用的能力

可讀性好

盡量用通俗語言講解各個知識點，幫助學生閱讀和學習，領略人工智能的思想和方法

注重應用

旨在介紹主流知識體系和實用技術方法，偏重實踐能力培養而不拘泥于科學研究方法

人工智能與大數據技術是目前發展迅速的新興學科，已經成為許多高新技術產品中的核心技術。其中人工智能技術發展應用幾乎覆蓋了生產、生活中的所有領域，因此，目前不僅許多本科院校開設了人工智能課程，許多高職與專科院校也開始重視相關專業高技術技能人才的培養。

隨著本科、高職院校人工智能相關專業落地，前期的教學內容技術專業度不足，針對研究領域的高級教材難度較大，不適合高職和一般本科院校的學生學習。因此，編著一本適合高職學生和本科學生的基礎性強、可讀性好、入門快且適合老師講授的人工智能技術專業教材非常必要。

本書選擇基礎實用的內容，并輔以編程能力基礎和綜合案例，目的是使學生學習和掌握人工智能的基本概念和原理，附錄使得讀者可以結合第三方工具實踐和應用人工智能知識，拓寬知識面，啟發思路，為今后在相關領域深入學習奠定基礎。

本書通過從理論到實踐的形式，由淺入深地講解了人工智能理論方法體系和技術應用過程。本書特色如下：

（1）語言簡明，可讀性好。本書盡量用通俗語言講解各個知識點，幫助學生閱讀和學習，領略人工智能的思想和方法。

（2）內容實用，注重應用。人工智能知識內容非常龐雜，本書旨在介紹主流知識體系和實用技術方法，偏重實踐能力培養而不拘泥于科學研究方法。

（3）拓展內容豐富，擴寬學生眼界。本書提供了拓展內容，引導學生自主學習，擴寬學生的眼界，提高其知識應用能力。

（4）編排合理，方便學習。每章開篇設置了導讀，明確了學習目標和學習重點，引起讀者的注意。

本書課程教學學時數建議為48～64學時。對于人工智能、計算機等專業，可適當增加項目實訓。

感謝重慶電子工程職業學院編寫人員的辛勤勞動和付出以及成都地鐵運營公司的大力支持，同時感謝中國水利水電出版社給予的協助和支持。

由于編者水平有限，書中難免存在欠妥之處，由衷希望廣大讀者朋友和專家學者能夠撥冗提出寶貴的改進意見。

前言

第1章 走進人工智能 1
1.1 人工智能發展史 1
1.1.1 人工智能起源 1
1.1.2 人工智能發展之路 3
1.2 什么是人工智能？ 6
1.3 人工智能典型應用場景 8
1.4 人工智能研究領域 12
本章小結 13
本章習題 14
第2章 人工智能數值計算 15
2.1 線性代數 16
2.1.1 概念和符號 16
2.1.2 矩陣基本運算 18
2.1.3 矩陣計算例子 20
2.1.4 矩陣的轉置 20
2.2 概率統計 21
2.2.1 隨機試驗（E） 21
2.2.2 頻率與概率 22
2.2.3 貝葉斯定理 24
2.3 NumPy軟件包 25
2.3.1 NumPy的優勢 25
2.3.2 NumPy安裝 26
2.4 NumPy函數 27
2.4.1 NumPy中的數組對象 27
2.4.2 常用算術函數 28
2.4.3 常用數學統計函數 29
2.4.4 反應數據波動函數 30
本章小結 31
本章習題 31
第3章 知識表示 33
3.1 知識及知識表示 34
3.1.1 知識及知識表示 34
3.1.2 知識元素 34
3.1.3 知識分類 35
3.2 知識表示 36
3.2.1 一階謂詞邏輯法 36
3.2.2 產生式表示法 39
3.2.3 框架表示法 44
3.2.4 語義網絡 46
本章小結 51
本章習題 51
第4章 機器學習初探 53
4.1 機器學習 53
4.1.1 什么是學習？ 54
4.1.2 機器學習研究 55
4.1.3 機器學習流程 57
4.2 機器學習類型 58
4.3 機器學習算法 62
4.4 機器學習模型 67
4.5 機器學習應用領域 68
本章小結 71
本章習題 71
第5章 神經網絡 73
5.1 神經網絡的發展歷程 73
5.2 神經網絡的基本原理 74
5.2.1 神經元 75
5.2.2 激活函數 76
5.2.3 損失函數 79
5.2.4 梯度下降 81
5.2.5 參數調整 82
5.3 手寫數字識別 84
本章小結 89
本章習題 89
第6章 人工智能視覺技術 90
6.1 圖像處理技術 90
6.1.1 圖像的基本原理 90
6.1.2 圖像增強技術 91
6.1.3 圖像降噪方法 94
6.1.4 圖像對齊 97
6.2 圖像識別技術 99
6.2.1 模板匹配法 99
6.2.2 特征提取法 100
6.2.3 神經網絡識別 101
6.3 深度學習 102
6.3.1 深度學習簡介 102
6.3.2 深度學習模型 103
6.3.3 深度學習應用 105
6.4 CNN貓狗識別 107
本章小結 112
本章習題 112
第7章 人工智能語音工程 113
7.1 語音處理技術 113
7.1.1 語音處理技術 113
7.1.2 語音信號數字化處理 114
7.1.3 語音特征提取 115
7.2 語音識別技術 118
7.2.1 模板訓練法 118
7.2.2 神經網絡法 119
7.3 RNN技術在語音識別中的應用 121
7.3.1 RNN結構 121
7.3.2 LSTM結構 123
7.3.3 網絡訓練 126
本章小結 127
本章習題 128
參考文獻 129
附錄 Python常用機器學習模塊 130

1. 人工智能概論（第二版） [主編　任云暉　丁紅　徐迎春 ]
2. 人工智能導論 [主編 王飛 潘立武]
3. 人工智能算法與實踐 [主編　梁琨　張翼英]
4. 人工智能概論（第二版） [張廣淵　周風余　朱振方　著]
5. 多智能體系統建模、仿真及應用 [趙春曉　魏楚元　著]
6. 人工智能導論 [主編　張翼英　張茜　張傳雷]
7. 人工智能概論 [主編　任云暉　丁紅　徐迎春]
8. 人工智能概論 [張廣淵 周風余 著]
9. 人工智能改變世界：走向社會的機器人 [劉進長　雷瑾亮　著]
10. 人工智能與問題解決方法 [[美]Danny Kopec｜Christopher P]