人工智能技術(shù)與機器人

前言
第1章 緒論
1.1 人工智能的歷史
1.2 人工智能與機器人的融合
1.3 智能機器人的定義
1.4 機器人的發(fā)展階段
1.5 智能機器人的三要素
1.6 智能機器人的關(guān)鍵技術(shù)
1.7 智能機器人未來的發(fā)展
本章小結(jié)
習(xí)題1
第2章 計算智能
2.1 人工神經(jīng)網(wǎng)絡(luò)算法
2.1.1 人工神經(jīng)網(wǎng)絡(luò)基本原理
2.1.2 BP神經(jīng)網(wǎng)絡(luò)
2.1.3 RBF神經(jīng)網(wǎng)絡(luò)
2.2 深度神經(jīng)網(wǎng)絡(luò)算法
2.2.1 深度神經(jīng)網(wǎng)絡(luò)概述
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.2.4 生成對抗網(wǎng)絡(luò)
2.2.5 深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例
2.3 模糊控制算法
2.3.1 模糊集合描述
2.3.2 模糊集合運算
2.3.3 模糊推理與模糊決策
2.3.4 模糊控制
2.3.5 模糊控制的應(yīng)用與發(fā)展趨勢
2.4 進化計算算法
2.4.1 遺傳算法
2.4.2 粒子群算法
2.4.3 蟻群算法
2.4.4 混合蛙跳算法
本章小結(jié)
習(xí)題2
第3章 機器學(xué)習(xí)
3.1 機器學(xué)習(xí)概述
3.1.1 機器學(xué)習(xí)的發(fā)展階段
3.1.2 機器學(xué) 統(tǒng)的基本結(jié)構(gòu)
3.1.3 機器學(xué)習(xí)的分類
3.2 監(jiān)督學(xué)習(xí)
3.2.1 支持向量機
3.2.2 K- 近鄰分類
3.2.3 樸素貝葉斯分類器
3.2.4 集成學(xué)習(xí)
3.3 非監(jiān)督學(xué)習(xí)
3.3.1 K-均值聚類
3.3.2 PCA算法
3.4 強化學(xué)習(xí)
3.4.1 強化學(xué)習(xí)的特點