人工智能基础

第1章 人工智能导引 1
1.1 人工智能的背景 1
1.1.1 什么是人工智能 1
1.1.2 人工智能的诞生：模仿人类行为与思考 2
1.2 人工智能的前世今生 4
1.2.1 人工智能的基础 4
1.2.2 人工智能的历史 8
1.2.3 人工智能的研究现状 9
1.3 人工智能的应用 12
1.3.1 人工智能的应用问题 12
1.3.2 人工智能的应用特征 13
1.3.3 人工智能的应用现状与未来 15
1.4 人工智能的目标 19
思考题 20
第2章 人工智能基础知识 21
2.1 机器人 21
2.1.1 初识机器人 21
2.1.2 机器人的结构组成 22
2.2 机器学习 23
2.2.1 什么是机器学习 23
2.2.2 机器学习的算法 24
2.3 人工神经网络 26
2.4 计算机视觉 30
2.5 自然语言处理 32
2.6 群体智能 34
2.7 人机交互 35
2.8 增材制造 36
2.9 大数据 38
2.10 虚拟现实 40
思考题 41
第3章 灯光的智能控制 42
3.1 车灯的控制原理 42
3.2 编程环境的配置 43
3.2.1 硬件模块的组成 43
3.2.2 软件环境的配置 55
3.3 点亮小车车灯 59
3.3.1 什么是程序 59
3.3.2 小车车灯的点亮编程步骤 59
3.3.3 小车车灯的熄灭编程步骤 62
3.4 扩展：制作一个流水灯 63
3.4.1 什么是流水灯 63
3.4.2 流水灯的核心指令 63
3.4.3 制作流水灯的编程步骤 64
思考题 66
第4章 交通灯的智能识别 67
4.1 交通灯的识别原理 67
4.2 颜色传感器 69
4.3 让小车智能识别红绿灯 69
4.3.1 主要材料准备 69
4.3.2 硬件组装 70
4.3.3 小车识别红绿灯的编程步骤 70
4.3.4 效果展示 78
4.4 扩展：制作一个颜色辨识器 78
4.4.1 制作颜色辨识器的任务描述 78
4.4.2 硬件组装 79
4.4.3 颜色辨识器的编程步骤 79
思考题 84
第5章 文字的智能处理 85
5.1 文本识别原理 85
5.2 文本解析的实现 86
5.3 基于文本信息的小车控制 88
5.3.1 主要材料准备 88
5.3.2 硬件组装 88
5.3.3 文本信息识别的编程步骤 89
5.4 扩展：多文本信息的连续控制 94
5.4.1 多文本解析的任务描述 94
5.4.2 硬件组装 94
5.4.3 多文本解析的编程步骤 94
思考题 99
第6章 图像的智能辨识 100
6.1 图像识别原理 100
6.2 路标形状识别 101
6.3 让小车看懂路标 106
6.3.1 材料准备 106
6.3.2 材料组装 107
6.3.3 小车看懂路标的编程步骤 108
6.4 扩展：智能停车 112
6.4.1 智能停车任务描述 112
6.4.2 硬件组装 112
6.4.3 智能停车的编程步骤 112
思考题 116
第7章 语音的智能辨识 117
7.1 语音辨识原理 117
7.2 声音解析实现 118
7.3 基于声音的小车控制 120
7.4 扩展：具有交互功能的声控小车 131
思考题 135
第8章 人机的智能交互 136
8.1 人机交互原理 136
8.2 脑机接口技术 137
8.2.1 脑机接口组成 137
8.2.2 脑机接口原理 138
8.3 用思维控制小车的启停 138
8.3.1 什么是信号 139
8.3.2 脑电信号的采集 139
8.3.3 大脑运动意图的解码 140
8.3.4 小车的启停控制程序实现 140
8.4 扩展：智能脑控小车 143
思考题 146
第9章 无人驾驶 148
9.1 无人驾驶原理 148
9.2 自动循迹技术 150
9.2.1 自动循迹原理 150
9.2.2 自动循迹组成 150
9.3 智能小车的自动循迹 151
9.3.1 轨迹的检测 151
9.3.2 智能循迹小车的实现 152
9.4 扩展：具有避障功能的自动行驶 156
9.4.1 认识超声波避障 156
9.4.2 超声波避障的实现 157
9.4.3 具有避障功能的自动行驶小车 159
思考题 164
第10章 智能3D打印 165
10.1 3D打印实现原理 165
10.2 3D打印主流技术 166
10.2.1 挤出成型（Material Extrusion） 166
10.2.2 粉床熔融成型（Powder Bed Fusion） 168
10.2.3 还原光聚合 169
10.2.4 粘结剂喷射 170
10.2.5 材料喷射 170
10.2.6 薄板层压 171
10.2.7 定向能量沉积 171
10.3 3D打印应用领域 172
10.3.1 快速原型制作和快速制造 172
10.3.2 汽车 173
10.3.3 航空 173
10.3.4 建筑 173
10.3.5 医疗 173
10.3.6 教育 174
10.3.7 消费产品 174
10.4 3D打印实现过程 175
10.4.1 3D建模 175
10.4.2 切片 176
10.4.3 打印 176
10.4.4 后期处理 176
10.5 3D打印实操案例 177
10.5.1 SolidWorks设计软件基本操作 177
10.5.2 3D打印切片及控制系统基本操作 183
思考题 195
第11章 智能计算技术 196
11.1 BP神经网络 196
11.1.1 BP神经网络概述 196
11.1.2 BP神经网络的学习 197
11.1.3 BP神经网络举例 201
11.2 Hopfield神经网络 207
11.2.1 Hopfield神经网络的结构 208
11.2.2 Hopfield网络求解优化问题的思想 208
11.2.3 Hopfield网络求解FMS调度问题 209
11.2.4 旅行商问题（TSP）的Hopfield网络求解 212
11.3 模拟退火算法 216
11.3.1 模拟退火算法简介 216
11.3.2 基于Hopfield优化模型的模拟退火求解算法 218
11.4 遗传算法 219
11.4.1 遗传算法简介 219
11.4.2 遗传算法举例 221
11.5 粒子群算法 226
11.5.1 引言 226
11.5.2 改进的PSO算法优化 227
11.5.3 算法性能准则 228
11.5.4 对于有约束优化问题的求解算法 230
11.5.5 优化问题应用 230
11.6 支持向量机 231
11.6.1 支持向量机简介 231
11.6.2 线性分类器 231
11.6.3 核函数特征空间 234
11.6.4 软间隔优化问题 235
11.6.5 支持向量机的多类别分类 236
11.6.6 支持向量机的MATLAB应用 237
参考文献 238