本书共13章，主要分为两篇：基础理论篇和实践应用篇，旨在系统全面地介绍人工智能的基础知识和实践案例。本书主要内容涵盖从基础算法（如搜索算法、约束满足问题）到高阶的机器学习、深度学习和强化学习理论，并深入探讨了卷积神经网络、生成对抗网络和图神经网络等重要神经网络架构。书中还介绍了智能计算方法，如遗传算法和粒子群算法。此外，本书部分章节展示了支持向量机、目标检测和强化学习的实际应用案例，也讨论了无人驾驶、精准营销等当今热门应用领域。本书的初衷是向读者介绍人工智能的基础理论和实践应用，使他们能够深入了解这一领域的核心概念和技术。通过本书，学生能够系统了解人工智能领域的最新理论和技术，并具备将理论转化为实践的能力，为未来的科研创新奠定坚实基础。 本书适合作为高等院校计算机科学、自动化、信息技术、智能制造等相关专业本科生和研究生的教材，同时也可供从事人工智能技术开发、智能系统设计及大数据分析的技术人员参考。本书通过理论知识与应用实践的结合，不仅能帮助学生理解人工智能的基础理论知识，还能够培养他们创新和解决实际问题的能力。

高等院校教师

第1章导论和概述
11人工智能的概念
12人工智能的发展历史
13人工智能的应用领域
14人工智能的挑战和机遇
15本章小结
16习题
第2章机器学习
21监督学习
22无监督学习
23本章小结
24习题
第3章深度学习
31卷积神经网络
32循环神经网络
33生成对抗网络
34图神经网络
35本章小结
36习题
第4章强化学习
41引言
42强化学习基本模型和原理
43马尔可夫决策过程
44强化学习主要算法
45强化学习发展趋势
46本章小结
47习题
第5章智能计算
51最优化问题
52计算复杂性及NP理论
53智能计算基础理论
54遗传算法
55蚁群优化算法
56粒子群优化算法
57本章小结
58习题
第6章人工智能大模型
61大模型概述
62Transformer
63生成式预训练
64GPT系列模型
65本章小结
66习题
实践应用篇
第7章无人驾驶
71无人驾驶概述
72无人驾驶技术基础
73无人驾驶技术发展与应用
74本章小结
75习题
第8章精准营销
81背景和目的
82方法和数据来源
83精准营销概述
84抖音智能推荐在精准营销中的应用
85精准营销的挑战与未来展望
86本章小结
87习题
第9章工业智能
91工业智能内涵
92工业智能关键技术
93工业智能应用场景
94本章小结
95习题
第10章智能医疗
101智能医疗概述
102智能医疗发展及现状
103智能医疗应用场景
104本章小结
105习题
第11章智慧农业
111智慧农业概述
112智慧农业发展现状
113智慧农业应用场景
114本章小结
115习题
第12章智能翻译
121智能翻译概述
122智能翻译发展及现状
123智能翻译应用场景
124本章小结
125习题
第13章应用案例
131基于机器视觉的水稻病害识别研究
132基于面向对象注意力机制的无人机农情图像颜色校正算法研究
133基于CNNTransformer的农业病虫害识别