人工智能技術(shù)基礎(chǔ)及應(yīng)用
定 價(jià):68 元
- 作者:張偉 李曉磊 田天
- 出版時(shí)間:2022/9/1
- ISBN:9787111712558
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類:TP18
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
本書聚焦近期涌現(xiàn)的人工智能、機(jī)器人工程、智能醫(yī)學(xué)工程等新工科專業(yè)對于人才培養(yǎng)的實(shí)際需求,著力解決人工智能基礎(chǔ)知識(shí)交叉貫通不足、配套實(shí)驗(yàn)實(shí)踐支撐不強(qiáng)等問題。書中主要內(nèi)容包括Python編程基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、深度學(xué)習(xí)計(jì)算框架、卷積神經(jīng)網(wǎng)絡(luò)、序列到序列網(wǎng)絡(luò)、目標(biāo)檢測及其應(yīng)用、語義分割及其應(yīng)用等。
本書結(jié)合高等院校人工智能相關(guān)專業(yè)的知識(shí)體系,將基礎(chǔ)知識(shí)和編程實(shí)踐相結(jié)合,通過代碼實(shí)例分析,使得基礎(chǔ)知識(shí)變得直觀易懂;通過基礎(chǔ)Python編程和PyTorch框架編程的結(jié)合進(jìn)行實(shí)踐,適應(yīng)互聯(lián)網(wǎng)時(shí)代共享代碼的社區(qū)生態(tài)需求;通過綜合實(shí)踐例程,使讀者經(jīng)歷知識(shí)學(xué)習(xí)、數(shù)據(jù)準(zhǔn)備、代碼編寫、參數(shù)調(diào)試、結(jié)果分析等過程,在掌握相關(guān)技術(shù)的同時(shí)提高學(xué)習(xí)興趣。
本書可滿足高等院校人工智能相關(guān)專業(yè)的學(xué)生學(xué)習(xí)基礎(chǔ)知識(shí)及實(shí)踐創(chuàng)新的需求,也可為電子、信息等相關(guān)領(lǐng)域的從業(yè)者轉(zhuǎn)型人工智能領(lǐng)域提供入門學(xué)習(xí)資料。
本教材是基于山東大學(xué)人工智能、機(jī)器人工程、智能醫(yī)學(xué)工程等新工科專業(yè)建設(shè),特別是“人工智能與機(jī)器人”新工科實(shí)驗(yàn)班的教學(xué)育人實(shí)踐,因此本教材有著扎實(shí)的理論功底和實(shí)踐基礎(chǔ),是一本理實(shí)結(jié)合的、有特色的新工科教材。
本教材的編寫專注于人工智能*前沿的深度學(xué)習(xí)技術(shù)。結(jié)合大學(xué)相關(guān)專業(yè)知識(shí)體系的構(gòu)成,將理論和代碼相結(jié)合,通過代碼的可視化,使得理論知識(shí)變得直觀有趣;介紹應(yīng)用*廣泛的Pytorch框架為主,滿足新型互聯(lián)網(wǎng)時(shí)代共享代碼的社區(qū)生態(tài)需求;本教材包含綜合實(shí)踐項(xiàng)目,使同學(xué)經(jīng)歷知識(shí)學(xué)習(xí)、編程測試、實(shí)際部署、效果展示等過程,在掌握技術(shù)的同時(shí)提高興趣。
近年來,受益于硬件計(jì)算能力的跨越式提升和海量數(shù)據(jù)的涌現(xiàn),神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等理論算法得以高效實(shí)現(xiàn)并不斷優(yōu)化,在人工智能技術(shù)和相關(guān)產(chǎn)業(yè)應(yīng)用中的地位和重要性日益提升。2006年,G.E.Hinton研究組有關(guān)深層網(wǎng)絡(luò)訓(xùn)練的工作使得深度學(xué)習(xí)重回大眾視野,該年因此也被稱為深度學(xué)習(xí)元年。2012年,G.E.Hinton研究組憑借AlexNet在備受關(guān)注的ImageNet競賽中強(qiáng)勢奪冠后,基于深度學(xué)習(xí)的人工智能技術(shù)更是迎來爆發(fā)式發(fā)展期,在圖像、語音等領(lǐng)域獲得了優(yōu)異的表現(xiàn),并得到產(chǎn)業(yè)界的廣泛認(rèn)可和大力推進(jìn)。
在人工智能算法的實(shí)現(xiàn)和部署過程中,有C、C++、Java、Python等高級(jí)編程語言可供選擇,其中可讀性好、靈活性強(qiáng)、庫資源豐富的Python語言一直是大部分深度學(xué)習(xí)和人工智能領(lǐng)域開發(fā)人員的首選。對高等院校及相關(guān)行業(yè)的人工智能技術(shù)初學(xué)者來說,在學(xué)習(xí)前沿理論知識(shí)的同時(shí),結(jié)合Python編程語言進(jìn)行人工智能技術(shù)實(shí)踐,是加深其對人工智能基礎(chǔ)知識(shí)的理解、快速提升其技術(shù)開發(fā)能力的有效途徑,因而本書使用Python作為算法實(shí)現(xiàn)、實(shí)驗(yàn)實(shí)踐的編程語言。
本書聚焦國家新一代人工智能發(fā)展規(guī)劃,面向人工智能、機(jī)器人工程、智能醫(yī)學(xué)工程等新工科專業(yè)人才培養(yǎng)的實(shí)際需求,著力解決人工智能基礎(chǔ)知識(shí)交叉不足、理論技術(shù)和業(yè)界應(yīng)用關(guān)聯(lián)不緊及實(shí)驗(yàn)實(shí)踐教材匱乏、內(nèi)容體系支撐不強(qiáng)等問題,主要內(nèi)容包括Python編程基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、深度學(xué)習(xí)計(jì)算框架、卷積神經(jīng)網(wǎng)絡(luò)、序列到序列網(wǎng)絡(luò)、目標(biāo)檢測及其應(yīng)用、語義分割及其應(yīng)用等。
本書突出前沿性、實(shí)踐性,以深度學(xué)習(xí)關(guān)鍵技術(shù)為牽引,設(shè)計(jì)構(gòu)建緊貼產(chǎn)業(yè)實(shí)際的實(shí)踐案例,可滿足高等院校相關(guān)專業(yè)的本科生或研究生人工智能基礎(chǔ)知識(shí)學(xué)習(xí)及實(shí)踐創(chuàng)新的需求,也可以作為相關(guān)行業(yè)技術(shù)人員的參考資料。
本書基于山東大學(xué)人工智能、機(jī)器人工程、智能醫(yī)學(xué)工程等新工科專業(yè)建設(shè),特別是“人工智能與機(jī)器人”新工科實(shí)驗(yàn)班的教學(xué)育人實(shí)踐,參考借鑒其他高水平大學(xué)人工智能相關(guān)專業(yè)知識(shí)體系的構(gòu)成,將基礎(chǔ)知識(shí)和編程實(shí)踐相結(jié)合,通過代碼實(shí)例分析,使得基礎(chǔ)知識(shí)變得直觀易懂;將基礎(chǔ)Python編程和PyTorch框架編程結(jié)合設(shè)計(jì)實(shí)踐內(nèi)容,以適應(yīng)互聯(lián)網(wǎng)時(shí)代共享代碼的社區(qū)生態(tài)需求;通過綜合實(shí)踐例程,幫助讀者打通知識(shí)學(xué)習(xí)、數(shù)據(jù)準(zhǔn)備、代碼編寫、參數(shù)調(diào)試、結(jié)果分析等全鏈條學(xué)習(xí)過程,在掌握相關(guān)技術(shù)的同時(shí)提高學(xué)習(xí)興趣。
本書編寫過程中,陳佳銘、曹淑強(qiáng)、孟子喻等十余名研究生參與了本書的校對工作,并對其中的代碼進(jìn)行了驗(yàn)證和完善,在此一并致謝!書中的實(shí)踐例程多來源于人工智能技術(shù)的實(shí)際應(yīng)用,具備良好的經(jīng)濟(jì)和社會(huì)效益,對于實(shí)踐創(chuàng)新將起到良好的啟發(fā)和指導(dǎo)作用。
以深度學(xué)習(xí)為基礎(chǔ)的人工智能技術(shù)發(fā)展得如火如荼,但也面臨諸多的挑戰(zhàn)。希望本書能夠引領(lǐng)讀者打開人工智能技術(shù)的大門,不斷開拓創(chuàng)新,在學(xué)術(shù)界或行業(yè)內(nèi)創(chuàng)造優(yōu)異成果!
張偉,教授,山東大學(xué),畢業(yè)于香港中文大學(xué),現(xiàn)從事人工智能、機(jī)器人方面的研究與教學(xué)工作。先后主持/參與部省校本科教改項(xiàng)目10項(xiàng);撰寫“新工科人工智能相關(guān)專業(yè)程序設(shè)計(jì)課程體系設(shè)置探討”教研論文并發(fā)表在清華大學(xué)主辦的教研期刊《計(jì)算機(jī)教育》;擔(dān)任學(xué)院教學(xué)指導(dǎo)委員會(huì)委員,中國自動(dòng)化學(xué)會(huì)智慧教育專委會(huì)首屆委員;獲山東省自動(dòng)化學(xué)會(huì)教學(xué)成果特等獎(jiǎng)、山東大學(xué)教學(xué)成果二等獎(jiǎng)等榮譽(yù)獎(jiǎng)勵(lì)。
前言
第1章Python編程基礎(chǔ)
1.1Python簡介
1.2Python安裝與運(yùn)行
1.3Python基礎(chǔ)編程
1.3.1標(biāo)識(shí)符
1.3.2注釋
1.3.3行和縮進(jìn)
1.3.4變量和數(shù)據(jù)類型
1.3.5基本計(jì)算
1.3.6數(shù)據(jù)結(jié)構(gòu)
1.3.7控制語句
1.3.8函數(shù)
1.3.9模塊
1.4Python面向?qū)ο缶幊?br>1.4.1類
1.4.2繼承機(jī)制
1.4.3類變量與方法的屬性
1.5Python常用庫介紹
1.5.1NumPy庫
1.5.2Matplotlib庫
1.6小結(jié)
參考文獻(xiàn)
第2章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.1感知機(jī)模型
2.2神經(jīng)網(wǎng)絡(luò)模型
2.2.1神經(jīng)網(wǎng)絡(luò)的架構(gòu)
2.2.2激活函數(shù)
2.3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)原理
2.3.1數(shù)據(jù)集的準(zhǔn)備
2.3.2損失函數(shù)
2.3.3小批量學(xué)習(xí)
2.3.4梯度下降法
2.3.5誤差反向傳播算法
2.4神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)實(shí)踐
2.4.1設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)類
2.4.2小批量學(xué)習(xí)的實(shí)現(xiàn)
2.5神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)技巧
2.5.1優(yōu)化方法的選擇
2.5.2權(quán)重初始值的設(shè)定
2.5.3批量歸一化
2.5.4正則化方法
2.5.5數(shù)據(jù)增強(qiáng)
2.6小結(jié)
參考文獻(xiàn)
第3章深度學(xué)習(xí)計(jì)算框架
3.1常用深度學(xué)習(xí)計(jì)算框架簡介
3.2GPU加速配置
3.3PyTorch安裝
3.4張量
3.4.1張量的概念
3.4.2張量的基本操作
3.5動(dòng)態(tài)計(jì)算圖
3.6神經(jīng)網(wǎng)絡(luò)層和模塊
3.7PyTorch神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)實(shí)踐
3.8小結(jié)
參考文獻(xiàn)
第4章卷積神經(jīng)網(wǎng)絡(luò)
4.1卷積神經(jīng)網(wǎng)絡(luò)的基本原理
4.1.1卷積神經(jīng)網(wǎng)絡(luò)的基本架構(gòu)
4.1.2卷積運(yùn)算
4.1.3卷積運(yùn)算實(shí)例:邊緣檢測
4.1.4卷積層及其代碼實(shí)現(xiàn)
4.1.5填充
4.1.6步幅
4.1.7池化
4.2經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)模型
4.2.1數(shù)據(jù)集的準(zhǔn)備
4.2.2Pipeline
4.2.3LeNet
4.2.4AlexNet
4.2.5VGG
4.2.6GoogLeNet
4.2.7ResNet
4.3小結(jié)
參考文獻(xiàn)
第5章序列到序列網(wǎng)絡(luò)
5.1循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)
5.1.1RNN的基本原理
5.1.2RNN的簡單實(shí)現(xiàn)
5.2長短期記憶網(wǎng)絡(luò)(LSTM)
5.2.1LSTM的基本原理
5.2.2LSTM的簡單實(shí)現(xiàn)
5.3Transformer網(wǎng)絡(luò)
5.3.1自注意力層
5.3.2Transformer網(wǎng)絡(luò)結(jié)構(gòu)
5.3.3Vision Transformer(ViT)網(wǎng)絡(luò)
5.4小結(jié)
參考文獻(xiàn)
第6章目標(biāo)檢測及其應(yīng)用
6.1目標(biāo)檢測的基本概念
6.1.1邊界框
6.1.2錨框
6.1.3交并比
6.1.4NMS操作
6.1.5評價(jià)指標(biāo)
6.2常用的目標(biāo)檢測算法
6.2.1區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)系列
6.2.2YOLO系列
6.3實(shí)踐案例:行人檢測
6.3.1基于Faster R-CNN的行人檢測
6.3.2基于YOLO v5的行人檢測
6.3.3YOLO v5與Faster R-CNN算法對比
6.4小結(jié)
參考文獻(xiàn)
第7章語義分割及其應(yīng)用
7.1語義分割的基本概念
7.1.1語義分割任務(wù)描述
7.1.2上采樣
7.1.3膨脹卷積
7.1.4定義損失函數(shù)
7.1.5評價(jià)指標(biāo)
7.2語義分割網(wǎng)絡(luò)
7.2.1FCN
7.2.2U-Net架構(gòu)
7.2.3DeepLab系列
7.3實(shí)踐案例:城市街景分割
7.3.1實(shí)踐Pipeline
7.3.2算法對比分析
7.4小結(jié)
參考文獻(xiàn)