機(jī)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(jī)器學(xué)習(xí)和人工智能
1．2 機(jī)器學(xué)習(xí)的主要任務(wù)
1．3 機(jī)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(jī)器學(xué)習(xí)
2．6 自然語言處理
第3章 機(jī)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(qiáng)化學(xué)習(xí)
4．1 深度強(qiáng)化學(xué)習(xí)概述
4．2 深度強(qiáng)化學(xué)習(xí)的思路
4．3 深度強(qiáng)化學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)及算法
4．4 深度強(qiáng)化學(xué)習(xí)算法框架
4．5 典型應(yīng)用場景實(shí)例
第5章 計(jì)算機(jī)視覺與語音處理
5．1 計(jì)算機(jī)視覺與語音概述
5．2 數(shù)字圖像的類型及機(jī)內(nèi)表示
5．3 常用計(jì)算機(jī)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(qiáng)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(jī)器人領(lǐng)域的應(yīng)用實(shí)例
6．1 AI算法在移動(dòng)機(jī)器人路徑規(guī)劃中的應(yīng)用
6．2 強(qiáng)化學(xué)習(xí)在機(jī)器人系統(tǒng)中的應(yīng)用
6．3 專家系統(tǒng)在智能機(jī)器人領(lǐng)域的應(yīng)用
6．4 自主學(xué)習(xí)在機(jī)器人系統(tǒng)中的應(yīng)用
6．5 自然語言理解系統(tǒng)在機(jī)器人中的應(yīng)用
6．6 改進(jìn)的遺傳算法在機(jī)器人路徑規(guī)劃中的應(yīng)用
6．7 免疫遺傳算法在機(jī)器人路徑規(guī)劃中的應(yīng)用
參考文獻(xiàn)