计算与人工智能概论

罗娟 等

目录

  • 1 计算与人工智能概述
    • 1.1 计算的历史
    • 1.2 计算机是如何工作的（上）
    • 1.3 计算机是如何工作的（下）
    • 1.4 计算思维（上）
    • 1.5 计算思维（下）
    • 1.6 人工智能（上）
    • 1.7 人工智能（下）
    • 1.8 物联网泛在感知助力城市安全—未来“智能建筑”发展
      • 1.8.1 物联网泛在感知助力建筑智能化转型
      • 1.8.2 智能建筑物联网泛在感知计算模型
      • 1.8.3 智能建筑物联网泛在感知关键技术
      • 1.8.4 智能建筑物联网泛在感知应用案例
  • 2 计算系统
    • 2.1 计算与计算机简述
    • 2.2 图灵机模型图灵机
    • 2.3 冯·诺依曼体系结构
    • 2.4 机器算法、机器指令、机器级程序
    • 2.5 冯.诺依曼工作原理、并行计算、嵌入式计算
    • 2.6 计算执行
    • 2.7 未来计算机
    • 2.8 超级计算与芯片设计
      • 2.8.1 超算---探索计算的极限（上）
      • 2.8.2 超算---探索计算的极限（下）
      • 2.8.3 芯片---中国芯的成长之路（上）
      • 2.8.4 芯片---中国芯的成长之路（下）
  • 3 图像与感知
    • 3.1 自然语言处理
    • 3.2 机器视觉技术
    • 3.3 模式识别
    • 3.4 计算机中的图像表示及语义感知
    • 3.5 图像变换
    • 3.6 目标检测算法简介
    • 3.7 基于深度学习的目标检测算法
    • 3.8 YOLO算法的基本概念及原理
    • 3.9 YOLO算法的训练和测试
    • 3.10 无人驾驶
      • 3.10.1 无人驾驶简介
      • 3.10.2 无人驾驶系统
      • 3.10.3 无人驾驶小车（1）
      • 3.10.4 无人驾驶小车（2）
  • 4 人工智能与机器学习
    • 4.1 人工智能与机器学习简介
    • 4.2 监督学习——决策树
    • 4.3 监督学习——k近邻
    • 4.4 无监督学习
    • 4.5 算法基本概念简介
    • 4.6 决策树算法-树的建立
    • 4.7 决策树算法-树的剪枝
    • 4.8 k近邻算法
    • 4.9 k-means 算法
    • 4.10 深度学习应用
      • 4.10.1 深度学习——图像识别
      • 4.10.2 图像识别深度学习方法
  • 5 智能决策：搜索与优化
    • 5.1 搜索策略
    • 5.2 强化学习——概念
    • 5.3 强化学习——案例
    • 5.4 群体智能
    • 5.5 搜索与优化概述
    • 5.6 遗传算法
    • 5.7 模拟退火
    • 5.8 粒子群优化算法
  • 6 大数据与机器人
    • 6.1 智能机器人
    • 6.2 什么是大数据和主流平台
    • 6.3 大数据架构及Hadoop生态
    • 6.4 MapReduce原理
    • 6.5 机器人知识图谱
    • 6.6 机器人运动学和动力学
    • 6.7 机器人应用展示
  • 7 阅读
    • 7.1 阅读
  • 8 调查问卷
    • 8.1 调查问卷
机器人应用展示
  • 1 视频
  • 2 章节测验