工业人工智能 (蔡红霞, 周传宏)

本教材主要介绍人工智能及其在现代工业领域的应用。教材主要针对智能制造工程本科生专业课程培养，提供有关人工智能理论及工业应用所必须的知识，系统地介绍人工智能理论体系，并结合实际工业案例应用，增加算法软件实现和算法工业应用环节，全方位培养学生的基础知识与工程应用素养。

目录

第1篇绪论

第1章工业人工智能概述

1.1人工智能的基本概念及技术体系

1.2工业为什么需要人工智能

1.3本章小结

习题

第2篇人工智能软件工具

第2章人工智能软件工具——Python

2.1人工智能软件库

2.2Python安装与环境配置

2.3Python基础知识

2.4NumPy、Pandas、Matplotlib

2.5本章小结

习题

第3篇搜索求解

第3章搜索与求解

3.1搜索相关知识

3.2状态空间知识的表示方法

3.3盲目的图搜索策略

3.4启发式图搜索策略

3.5本章小结

习题

第4篇知识表示、推理及专家系统

第4章知识与知识表示

4.1知识与知识表示的概念

4.2一阶谓词逻辑表示法

4.3语义网络表示法

4.4本章小结

习题

第5章确定性推理方法

5.1推理的基本概述

5.2自然演绎推理

5.3海伯伦定理

5.4鲁宾逊归结原理

5.5归结反演

5.6本章小结

习题

第6章不确定性推理方法

6.1不确定性推理的基本概念

6.2概率方法

6.3主观贝叶斯方法

6.4可信度方法

6.5证据理论

6.6本章小结

习题

第7章专家系统

7.1专家系统的概念

7.2专家系统的发展

7.3专家系统的基本结构

7.4专家系统的开发

7.5本章小结

习题

第5篇进化算法及其应用

第8章进化算法及其应用

8.1进化算法简介

8.2基本遗传算法

8.3遗传算法改进算法

8.4本章小结

习题

第6篇机器学习与神经网络

第9章机器学习概论

9.1概论

9.2使用scikit-learn的机器学习例子

9.3本章小结

习题

第10章基于简单线性回归的机器学习理论基础

10.1简单线性回归

10.2训练数据、测试数据和验证数据

10.3偏差和方差

10.4过拟合和欠拟合

10.5成本函数

10.6模型性能评估

10.7查准率和召回率

10.8F1  Score

10.9本章小结

习题

第11章k-近邻算法

11.1算法原理

11.2交叉验证

11.3KNN手写数字识别

11.4使用OpenCV实现KNN

11.5本章小结

习题

第12章数据表示与特征工程

12.1特征工程

12.2数据预处理

12.3数据降维

12.4本章小结

习题

第13章多元线性回归

13.1简单线性回归与多元线性回归

13.2多项式回归

13.3正则化

13.4应用线性回归

13.5梯度下降法

13.6学习曲线

13.7算法模型性能优化

13.8本章小结

习题

第14章逻辑回归

14.1线性回归与逻辑回归

14.2二元分类

14.3垃圾邮件过滤

14.4二元分类性能指标

14.5本章小结

习题

第15章决策树

15.1算法原理

15.2算法参数

15.3实例：  泰坦尼克号幸存者的预测

15.4决策树的优缺点

15.5本章小结

习题

第16章集合算法

16.1理解集合算法

16.2随机森林

16.3预测泰坦尼克号幸存者

16.4本章小结

习题

第17章支持向量机

17.1理论基础

17.2核方法

17.3SVM的使用

17.4SVM可视化案例

17.5本章小结

习题

第18章朴素贝叶斯算法

18.1基础概念

18.2sklearn中的朴素贝叶斯算法

18.3算法实例1

18.4算法实例2

18.5本章小结

习题

第19章k-均值算法

19.1算法原理

19.2scikit-learn里的k-均值

19.3聚类算法性能评估

19.4K-Means++

19.5用k-均值进行图像量化

19.6本章小结

习题

第20章人工神经网络

20.1神经网络介绍及单层神经网络

20.2多层神经网络和反向传播算法

20.3卷积神经网络

20.4本章小结

习题

参考文献