搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
人工智能技术基础及应用
0.00     定价 ¥ 68.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787111712558
  • 作      者:
    编者:张伟//李晓磊//田天|责编:付承桂//闾洪庆
  • 出 版 社 :
    机械工业出版社
  • 出版日期:
    2022-09-01
收藏
编辑推荐

本教材是基于山东大学人工智能、机器人工程、智能医学工程等新工科专业建设,特别是“人工智能与机器人”新工科实验班的教学育人实践,因此本教材有着扎实的理论功底和实践基础,是一本理实结合的、有特色的新工科教材。
本教材的编写专注于人工智能前沿的深度学习技术。结合大学相关专业知识体系的构成,将理论和代码相结合,通过代码的可视化,使得理论知识变得直观有趣;介绍应用广泛的Pytorch框架为主,满足新型互联网时代共享代码的社区生态需求;本教材包含综合实践项目,使同学经历知识学习、编程测试、实际部署、效果展示等过程,在掌握技术的同时提高兴趣。

展开
作者简介

张伟,教授,山东大学,毕业于香港中文大学,现从事人工智能、机器人方面的研究与教学工作。先后主持/参与部省校本科教改项目10项;撰写“新工科人工智能相关专业程序设计课程体系设置探讨”教研论文并发表在清华大学主办的教研期刊《计算机教育》;担任学院教学指导委员会委员,中国自动化学会智慧教育专委会首届委员;获山东省自动化学会教学成果特等奖、山东大学教学成果二等奖等荣誉奖励。

展开
内容介绍
本书聚焦近期涌现的人工智能、机器人工程、智能医学工程等新工科专业对于人才培养的实际需求,着力解决人工智能基础知识交叉贯通不足、配套实验实践支撑不强等问题。书中主要内容包括Python编程基础、神经网络基础、深度学习计算框架、卷积神经网络、序列到序列网络、目标检测及其应用、语义分割及其应用等。 本书结合高等院校人工智能相关专业的知识体系,将基础知识和编程实践相结合,通过代码实例分析,使得基础知识变得直观易懂;通过基础Python编程和PyTorch框架编程的结合进行实践,适应互联网时代共享代码的社区生态需求;通过综合实践例程,使读者经历知识学习、数据准备、代码编写、参数调试、结果分析等过程,在掌握相关技术的同时提高学习兴趣。 本书可满足高等院校人工智能相关专业的学生学习基础知识及实践创新的需求,也可为电子、信息等相关领域的从业者转型人工智能领域提供入门学习资料。
展开
目录

前言
第1章Python编程基础
1.1Python简介
1.2Python安装与运行
1.3Python基础编程
1.3.1标识符
1.3.2注释
1.3.3行和缩进
1.3.4变量和数据类型
1.3.5基本计算
1.3.6数据结构
1.3.7控制语句
1.3.8函数
1.3.9模块
1.4Python面向对象编程
1.4.1类
1.4.2继承机制
1.4.3类变量与方法的属性
1.5Python常用库介绍
1.5.1NumPy库
1.5.2Matplotlib库
1.6小结
参考文献
第2章神经网络基础
2.1感知机模型
2.2神经网络模型
2.2.1神经网络的架构
2.2.2激活函数
2.3神经网络学习原理
2.3.1数据集的准备
2.3.2损失函数
2.3.3小批量学习
2.3.4梯度下降法
2.3.5误差反向传播算法
2.4神经网络学习实践
2.4.1设计神经网络类
2.4.2小批量学习的实现
2.5神经网络学习技巧
2.5.1优化方法的选择
2.5.2权重初始值的设定
2.5.3批量归一化
2.5.4正则化方法
2.5.5数据增强
2.6小结
参考文献
第3章深度学习计算框架
3.1常用深度学习计算框架简介
3.2GPU加速配置
3.3PyTorch安装
3.4张量
3.4.1张量的概念
3.4.2张量的基本操作
3.5动态计算图
3.6神经网络层和模块
3.7PyTorch神经网络学习实践
3.8小结
参考文献
第4章卷积神经网络
4.1卷积神经网络的基本原理
4.1.1卷积神经网络的基本架构
4.1.2卷积运算
4.1.3卷积运算实例:边缘检测
4.1.4卷积层及其代码实现
4.1.5填充
4.1.6步幅
4.1.7池化
4.2经典卷积神经网络模型
4.2.1数据集的准备
4.2.2Pipeline
4.2.3LeNet
4.2.4AlexNet
4.2.5VGG
4.2.6GoogLeNet
4.2.7ResNet
4.3小结
参考文献
第5章序列到序列网络
5.1循环神经网络(RNN)
5.1.1RNN的基本原理
5.1.2RNN的简单实现
5.2长短期记忆网络(LSTM)
5.2.1LSTM的基本原理
5.2.2LSTM的简单实现
5.3Transformer网络
5.3.1自注意力层
5.3.2Transformer网络结构
5.3.3Vision Transformer(ViT)网络
5.4小结
参考文献
第6章目标检测及其应用
6.1目标检测的基本概念
6.1.1边界框
6.1.2锚框
6.1.3交并比
6.1.4NMS操作
6.1.5评价指标
6.2常用的目标检测算法
6.2.1区域卷积神经网络(R-CNN)系列
6.2.2YOLO系列
6.3实践案例:行人检测
6.3.1基于Faster R-CNN的行人检测
6.3.2基于YOLO v5的行人检测
6.3.3YOLO v5与Faster R-CNN算法对比
6.4小结
参考文献
第7章语义分割及其应用
7.1语义分割的基本概念
7.1.1语义分割任务描述
7.1.2上采样
7.1.3膨胀卷积
7.1.4定义损失函数
7.1.5评价指标
7.2语义分割网络
7.2.1FCN
7.2.2U-Net架构
7.2.3DeepLab系列
7.3实践案例:城市街景分割
7.3.1实践Pipeline
7.3.2算法对比分析
7.4小结
参考文献

展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证