人工智能技術與機器人

邵克勇

  • 出版商: 中國水利水電
  • 出版日期: 2023-01-01
  • 定價: $288
  • 售價: 8.5$245
  • 語言: 簡體中文
  • 頁數: 234
  • 裝訂: 平裝
  • ISBN: 7522610869
  • ISBN-13: 9787522610863
  • 相關分類: 機器人製作 Robots
  • 下單後立即進貨 (約4週~6週)

商品描述

本書從人工智能技術出發,講解了人工智能在智能機器人上的應用方法及相關技術。
全書共8章,分為兩部分:
人工智能基礎和智能機器人,首先介紹了人工智能技術及智能機器人的相關發展歷史、定義、人工智能與機器人的融合;
接著從計算智能、機器學習、認知智能、機器人定位與建圖、路徑規劃等方面介紹了人工智能的相關技術及其在機器人上的應用方法;
最後介紹了一般智能機器人設計與開發方法。
本書可作為高等院校人工智能、智能科學與技術、機器人工程等新工科專業和自動化、計算機科學與技術、
電子科學與技術、控制工程與科學、機械設計製造及自動化、工業設計、
車輛工程等傳統理工科專業的教材,還可供從事相關專業交叉學科研究的科研人員參考。
 

目錄大綱

前言
第1章緒論
1.1 人工智能的歷史
1.2 人工智能與機器人的融合
1.3 智能機器人的定義
1.4 機器人的發展階段
1.5 智能機器人的三要素
1.6 智能機器人的關鍵技術
1.7 智能機器人未來的發展
本章小結
習題1
第2章計算智能
2.1 人工神經網絡算法
2.1.1 人工神經網絡基本原理
2.1.2 BP神經網絡
2.1.3 RBF神經網絡
2.2 深度神經網絡算法
2.2.1 深度神經網絡概述
2.2.2 卷積神經網絡
2.2.3 循環神經網絡
2.2.4 生成對抗網絡
2.2.5 深度神經網絡的應用案例
2.3 模糊控制算法
2.3.1 模糊集合描述
2.3.2 模糊集合運算
2.3.3 模糊推理與模糊決策
2.3.4 模糊控制
2.3.5 模糊控制的應用與發展趨勢
2.4 進化計算算法
2.4.1 遺傳算法
2.4.2 粒子群算法
2.4.3 蟻群算法
2.4.4 混合蛙跳算法
本章小結
習題2
第3章機器學習
3.1 機器學習概述
3.1.1 機器學習的發展階段
3.1.2 機器學習系統的基本結構
3.1.3 機器學習的分類
3.2 監督學習
3.2.1 支持向量機
3.2.2 K-最近鄰分類
3.2.3 樸素貝葉斯分類器
3.2.4 集成學習
3.3 非監督學習
3.3.1 K-均值聚類
3.3.2 PCA算法
3.4 強化學習
3.4.1 強化學習的特點
3.4.2 強化學習的組成部分
3.4.3 馬爾可夫決策過程
3.4.4 基於值函數的學習算法
3.4.5 基於策略函數的學習算法
3.4.6 Actor-Critic算法
3.5 深度強化學習
3.5.1 深度強化學習的常用算法
3.5.2 深度強化學習的主要應用
3.6 遷移學習
3.6.1 遷移學習的基本方法
3.6.2 分佈對齊的常用方法
3.6.3 遷移學習的研究前沿
本章小結
習題3
第4章感知智能
4.1 機器人傳感器
4.1.1 內部傳感器
4.1.2 外部傳感器
4.2 機器人視覺與圖像處理
4.2.1 機器人視覺
4.2.2 數字圖像處理系統
4.3 語音識別與機器人聽覺
4.3.1 語音識別技術流程
4.3.2 聲學模型訓練常用方法
4.3.3 機器人聽覺系統
4.4 多源信息融合
4.4.1 信息融合概述
4.4.2 多源信息融合的主要方法
4.4.3 機器人信息融合技術
本章小結
習題4
第5章認知智能
5.1 知識表示技術
5.1.l 一階謂詞邏輯表示法
5.1.2 產生式表示法
5.1.3 語文網絡表示法
5.2 邏輯推理
5.2.1 命題演算的消解方法
5.2.2 公式集化為標準子句集
5.2.3 推理規則
5.2.4 推理求解過程
5.3 搜索技術
5.3.1 盲目搜索
5.3.2 等代價搜索
5.3.3 啟發式搜素
5.4 知識圖譜
5.4.1 知識圖譜架構
5.4.2 知識圖譜構建的關鍵技術
5.4.3 代表性知識圖譜庫
5.4.4 知識圖譜應用場景
本章小結
習題5
第6章機器人定位與建圖
6.1 機器人定位技術
6.1.1 經典機器人定位技術
6.1.2 機器人無線定位算法
6.2 機器人地圖構建
6.2.1 地圖模型
6.2.2 基於距離測量的地圖構建算法
6.3 機器人同時定位與建圖
6.3.1 SLAM基本概念
6.3.2 基於視覺的SLAM方法
6.3.3 視覺SLAM的發展趨勢及研究熱點
本章小結
習題6
第7章機器人路徑規劃
7.1 全局路徑規划算法
7.1.1 柵格法
7.1.2 可視圖法
7.1.3 戴克斯特拉(Dijkstra)算法
7.1.4 基於強化學習的Q-Learming算法
7.2 局部路徑規划算法
7.2.1 人工勢場法
7.2.2 動態窗口法
7.3 路徑規劃發展趨勢
本章小結
習題7
第8章智能機器人設計與開發
8.1 智能機器人設計的基本步驟
8.2 機器人硬件設計與開發
8.2.1 主板
8.2.2 傳感器
8.2.3 驅動器
8.2.4 其他硬件設備
8.3 機器人的軟件架構
8.3.1 概述
8.3.2 機器人的軟件架構範例
8.3.3 機器人編程方式
8.3.4 機器人程序設計語言
8.4 機器人仿真平台
本章小結
習題8
參考文獻