機器學(xué)習(xí)人工智能及應(yīng)用研究

第1章 緒論
1．1 什么是機器學(xué)習(xí)和人工智能
1．2 機器學(xué)習(xí)的主要任務(wù)
1．3 機器學(xué)習(xí)與深度學(xué)習(xí)
第2章 人工智能技術(shù)
2．1 搜索策略
2．2 確定性推理
2．3 不確定性推理
2．4 專家系統(tǒng)
2．5 機器學(xué)習(xí)
2．6 自然語言處理
第3章 機器學(xué)習(xí)經(jīng)典算法剖析
3．1 正態(tài)貝葉斯分類器
3．2 K近鄰算法
3．3 決策樹
3．4 AdaBoost
3．5 梯度提升樹
3．6 神經(jīng)網(wǎng)絡(luò)
第4章 深度強化學(xué)習(xí)
4．1 深度強化學(xué)習(xí)概述
4．2 深度強化學(xué)習(xí)的思路
4．3 深度強化學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)及算法
4．4 深度強化學(xué)習(xí)算法框架
4．5 典型應(yīng)用場景實例
第5章 計算機視覺與語音處理
5．1 計算機視覺與語音概述
5．2 數(shù)字圖像的類型及機內(nèi)表示
5．3 常用計算機視覺模型和關(guān)鍵技術(shù)
5．4 語音的識別與合成
5．5 語音的增強與轉(zhuǎn)換
5．6 情感語音
5．7 人臉識別技術(shù)
第6章 人工智能技術(shù)在機器人領(lǐng)域的應(yīng)用實例
6．1 AI算法在移動機器人路徑規(guī)劃中的應(yīng)用
6．2 強化學(xué)習(xí)在機器人系統(tǒng)中的應(yīng)用
6．3 專家系統(tǒng)在智能機器人領(lǐng)域的應(yīng)用
6．4 自主學(xué)習(xí)在機器人系統(tǒng)中的應(yīng)用
6．5 自然語言理解系統(tǒng)在機器人中的應(yīng)用
6．6 改進(jìn)的遺傳算法在機器人路徑規(guī)劃中的應(yīng)用
6．7 免疫遺傳算法在機器人路徑規(guī)劃中的應(yīng)用
參考文獻(xiàn)