人工智能导论

课程大纲

• 第1章绪论
•     第1节 生命与智能
•     第2节 人工智能的历史
•     第3节 人工智能发展趋势

• 第2章人工智能哲学观
•     第1节 哲学如何看人工智能
•     第2节 人工智能的理性本质

• 第3章人工神经网络
•     第1节 人工神经网络概述
•     第2节 感知机与前馈神经网络
•     第3节 卷积神经网络
•     第4节 深度神经网络

• 第4章机器学习
•     第1节 机器学习的类型和应用
•     第2节 深度学习
•     第3节 强化学习

• 第5章数字图像处理技术
•     第1节 数字图像处理
•     第2节 计算机视觉
•     第3节 机器视觉

• 第6章人工智能伦理与法律
•     第1节 人工智能伦理
•     第2节 人工智能法律

实验列表

• 实验名称LeNet-5手写数字识别
• 实验描述LeNet-5是由有着卷积神经网络之父美誉的Yann LeCun（中文翻译杨立昆）于1998年提出的一种经典的卷积网络结构。它是第一个成功应用于数字识别问题的卷积神经网络。在MINST数据集上，LeNet-5模型可以达到大约99.2%的正确率。作为早期的一种卷积神经网络结构，LeNet-5极大地推动了后续卷积神经网络的发展，它通常被认为是CNN的开山之作

• 实验名称逻辑回归
• 实验描述通过 Python 工具包 scikit-learn 实现简单线性回归算法的使用。

• 实验名称案例：中文字体识别——隶书和行楷
• 实验描述AlexNet 是2012 年ImageNet 竞赛冠军获得者 Hinton 和他的学生 Alex Krizhevsky 设计的,该模型 Top5预测的错误率为 18.9%，远超第 2名，是 ImageNet 竞赛中第一个使用卷积神经网络的参赛者。在这之后，更多更深的卷积神经网络被提出，比如VGG 和GoogLeNet 等。