本书内容包含人工智能新技术、大数据、机器学习、深度学习、知识图谱、AI图像技术、自然语言处理、智慧物联、数字工厂、智能机器人、智慧城市。本书案例丰富、结构清晰、通俗易懂，是一本比较全面、系统地介绍人工智能基础技术的书籍。
本书可作为应用型本科、高职院校的人工智能应用技术通识课教材，也可作为人工智能爱好者、从业者的辅助读物。
人工智能发展日新月异，许多人工智能产品已经融入到人们的日常生活、工作和学习中。为全面体现当今人工智能技术成就，经过专家、高校教师、企业三方共同努力，编写了这本适用于应用型本科、高职院校的人工智能应用技术通识课教材。本书尽可能少地使用数学、物理等知识介绍当代人工智能涉及的基础技术，以最大限度满足不同层次读者的需求，为广大人工智能学习者、爱好者、从业者提供参考。
本书共11章，第1～7章介绍人工智能基础技术知识，第8～11章介绍人工智能专题技术和综合应用。本书兼顾硬件设备与通识知识之间的均衡，第8章智慧物联、第9章数字工厂、第10章智能机器人和其他章节中关于硬件设备的知识已超过全书内容的三分之一。
本书除第1章外，每章的编写体例均一致，即由应用场景导入、章节主要内容、应用案例、习题等构成，其中应用案例可作为阅读材料使用。
本书采用模块化结构安排内容，老师可根据具体需要选择如下：(1) 偏重人工智能基础知识的，可只讲授第1～7章；(2) 课时不足的，可只讲授每章的前两节；(3) 偏重人文的，可不讲本书硬件设备的部分；(4) 偏重专题的，可根据需要选择传感器、导航与定位、路径优化、机器人视觉、智能控制和人机接口等内容。
本书配有试题库，授课教师可通过“智慧职教”平台进行在线考试。
本书是名校、名企产教融合的结晶，由山东大学闪亮人工智能研究院协调组织，知名高等院校教师组建团队，人工智能著名企业华为、海康威视、科大讯飞、旷视、北斗天地、智诺科技、河钢数字技术等提供人工智能应用案例，校企双方对教材的各个方面，从篇章架构、语言表述到企业案例的融合，均进行了充分的推敲和研讨。本书由刘鹏、孙元强任主编，孙锋申、王莲莲、滕丽丽任副主编，各参编院校教师参与了编写工作，编写分工如下：第1章由姜猛、李静、邢燕编写，第2章由王海波、杨娜娜编写，第3章由孙锋申、周佩编写，第4章由黄志艳、张青、王霞编写，第5章由孙月兴、刘海林编写，第6章由李静、刘健、张骁编写，第7章由路景、贺建才、刘云编写，第8章由王莲莲、陈福彩、尹晓翠编写，第9章由滕丽丽、潘晖编写，第10章由程兴奇、王妍编写，第11章由鞠杰芳、陈登峰编写。
感谢西安电子科技大学出版社的大力支持，责任编辑刘小莉认真负责、全面规划、释难解困，提升了全书的质量，在此一并表示感谢。
本书参考了国内外最新的人工智能文献，也参阅了网上许多有价值的材料，限于篇幅未能逐一列举，在此谨表谢意。囿于编者水平，书中疏漏难免，敬请专家和读者批评指正。
第一章 人工智能新技术 1
1.1 从简单机器到通用图灵机 1
1.1.1 参数固定的简单机器 1
1.1.2 参数可调的机器 1
1.1.3 通用图灵机 2
1.2 人工智能AI简史 3
1.2.1 机器与智能(1956年之前) 3
1.2.2 人工智能形成和发展
(1956年至20世纪末) 4
1.2.3 人工智能+时代(进入21世纪) 6
1.3 人工智能与自然智能 7
1.3.1 器类与人类 7
1.3.2 器类的未来 7
习题 8
第二章 大数据 9
2.1 大数据应用场景——空气环境监测 9
2.2 大数据概述 10
2.2.1 大数据产生的背景 10
2.2.2 大数据的概念 11
2.2.3 大数据关键技术 12
2.3 商业大数据 17
2.3.1 商业大数据来源 17
2.3.2 商业大数据分析 17
2.4 工业大数据 19
2.4.1 工业大数据内涵 19
2.4.2 工业大数据发展现状 20
2.4.3 工业大数据的关键技术 21
2.5 应用案例 23
2.5.1 H3C大数据系统在高校大学生
管理中的应用 23
2.5.2 西北某大学大数据分析系统
建设案例 24
习题 25
第三章 机器学习 26
3.1 机器学习应用场景——鸢尾花分类 26
3.2 数据驱动AI 27
3.2.1 传感器和海量数据 27
3.2.2 什么是机器学习 28
3.2.3 机器学习算法 28
3.2.4 机器学习数据处理流程 29
3.3 K近邻(KNN) 30
3.3.1 KNN简介 30
3.3.2 KNN算法三要素 31
3.3.3 KNN算法流程 32
3.3.4 KNN示例 32
3.3.5 KNN的优缺点 33
3.4 KMeans聚类 34
3.4.1 KMeans聚类简介 34
3.4.2 KMeans算法流程 34
3.4.3 KMeans聚类示例 36
3.4.4 层次聚类 37
3.4.5 影响KMeans聚类算法的
主要因素 38
3.4.6 KMeans聚类优缺点 39
3.4.7 KNN与KMeans的比较 39
3.5 应用案例 40
3.5.1 KNN分类应用场景 40
3.5.2 KMeans聚类应用场景 40
习题 41
第四章 深度学习 42
4.1 深度学习应用场景——人脸识别 43
4.2 由生物神经元到MP模型 44
4.2.1 神经元模型 44
4.2.2 感知机 46
4.2.3 多层感知机 47
4.2.4 反向传播算法 49
4.3 卷积神经网络 49
4.3.1 卷积层 50
4.3.2 ReLU非线性激活层 53
4.3.3 池化层 54
4.3.4 全连接层 55
4.3.5 softmax归一化指数层 55
4.3.6 AlexNet网络架构 56
4.4 循环神经网络 57
4.5 应用案例——图像风格迁移 58
习题 59
第五章 知识图谱 60
5.1 知识图谱场景应用
——“姚明”知识图谱展示 60
5.2 智能搜索 61
5.2.1 状态空间搜索 62
5.2.2 盲目搜索策略 64
5.2.3 启发式搜索策略 66
5.3 知识图谱技术 66
5.3.1 资源描述框架 68
5.3.2 知识图谱的架构 69
5.3.3 图数据库 70
5.4 知识图谱应用案例 72
习题 72
第六章 AI图像技术 73
6.1 图像技术应用场景——视课
智慧课堂系统 73
6.2 计算机视觉 75
6.2.1 计算机视觉概述 75
6.2.2 计算机视觉处理 76
6.3 图像处理 80
6.3.1 图像数字化 80
6.3.2 颜色空间 85
6.3.3 图像类型和图像格式 87
6.4 数字媒体 89
6.4.1 数字音频 89
6.4.2 数字视频 92
6.4.3 影视制作 94
6.5 应用案例——智能人员通行管理 97
习题 100
第七章 自然语言处理 101
7.1 自然语言处理应用场景
——自然语言处理实例 101
7.2 自然语言处理基本功能模块 101
7.2.1 词汇自动处理 101
7.2.2 句法自动处理 102
7.2.3 语义自动处理 104
7.3 文本处理 105
7.3.1 文本特征 105
7.3.2 文档相似性 108
7.4 机器翻译 109
7.4.1 基于规则的机器翻译 109
7.4.2 基于统计的机器翻译 110
7.4.3 神经网络机器翻译 111
7.5 语音识别 112
7.5.1 感知声音 112
7.5.2 理解声音 113
7.5.3 识别语音 116
7.6 应用案例——讯飞翻译机2.0 117
习题 119
第八章 智慧物联 120
8.1 智慧物联应用场景——基于RFID的
车辆管理系统 120
8.2 智慧物联感知技术 121
8.2.1 传感器技术 121
8.2.2 RFID系统 124
8.2.3 条形码技术 128
8.3 智慧物联通信技术 132
8.3.1 无线传感网络技术 132
8.3.2 移动通信技术 139
8.4 智慧安防控制系统 144
8.4.1 智慧安防控制系统的组成 144
8.4.2 家用型监控系统 146
8.4.3 大型商用监控系统 147
8.5 应用案例——智慧交通 149
习题 152
第九章 数字工厂 153
9.1 数字工厂应用场景——流程数字化 153
9.2 产品设计 153
9.2.1 自顶向下的设计方法简介 153
9.2.2 设计工具介绍 155
9.2.3 产线设计流程 159
9.2.4 有限元分析 163
9.3 工厂仿真 165
9.3.1 工厂仿真与数字化工厂的概述 165
9.3.2 现代工厂仿真软件介绍 167
9.3.3 工厂生产系统仿真过程 170
9.4 VR/AR的应用 175
9.5 数字化工厂案例 177
9.5.1 数字化工厂概览 177
9.5.2 数字化工厂内物流 179
9.5.3 模块化设计 181
9.5.4 两化融合——纵横集成 181
9.5.5 智能数据采集与分析 182
9.5.6 移动终端用户应用 183
习题 183
第十章 智能机器人 184
10.1 智能机器人应用场景——多种焊接
工艺融于一体的智能机器人 184
10.2 常见机器人 185
10.2.1 智能机器人定义 185
10.2.2 智能机器人的组成 186
10.2.3 智能机器人分类 187
10.2.4 智能机器人的未来发展 191
10.3 导航与定位 192
10.3.1 理论基础 193
10.3.2 主要技术 194
10.3.3 视觉导航技术 196
10.4 智能机器人操作系统 197
10.4.1 操作系统发展史 197
10.4.2 常见的机器人操作系统 199
10.4.3 ROS操作系统概述 200
10.4.4 智能机器人操作系统的未来 201
10.5 应用案例 202
10.5.1 智能机器人法律场景应用 202
10.5.2 智能机器人场馆导览应用 202
10.5.3 智能机器人酒店行业应用 202
习题 203
第十一章 智慧城市 204
11.1 智慧城市应用场景
——综治大数据 204
11.2 智慧城市发展 205
11.2.1 智慧城市的背景 205
11.2.2 智慧城市的政策 206
11.2.3 智慧城市总体架构 207
11.3 智慧城市建设 208
11.3.1 地面防控网络建设 209
11.3.2 空中防控网络建设 210
11.3.3 静态防控网络建设 212
11.3.4 动态防控网络建设 215
11.3.5 物联防控网络建设 216
11.3.6 视频云存储 218
11.4 新型智慧社区 219
11.4.1 智慧社区的背景 219
11.4.2 什么是智慧社区 220
11.4.3 智慧社区大脑 222
11.4.4 智慧社区可视化展示 222
习题 229
参考文献 230
书单推荐
