- 高等教育出版社
- 9787040663495
- 1版
- 40276244-7
- 16开
- 385
- 农学
- 植物生产类
- 植物生产类
- 本科
内容简介
本书为“101计划”智慧农业领域核心教材之一，全面介绍了人工智能技术在农业生产、管理和供应链中的关键角色。全书分为五个部分，第一部分介绍了人工智能的基本概念和发展历程，重点探讨了人工智能在农业中的多种应用。第二部分介绍了数据科学的基本概念和重要性，详细讲解了数据类型和数据处理方法，包括表格数据、文本数据和数据交互等。第三部分介绍了量化不确定性的方法，包括概率推断、贝叶斯法则和时序模型等。第四部分介绍了统计学习、深度学习等机器学习方法。第五部分介绍了自然语言处理、计算机视觉和机器人学的基本概念和应用。全书通过系统化的知识结构和丰富的案例分析，帮助读者全面了解人工智能在农业中的应用，提升农业生产效率和可持续发展能力。
本书可以作为智慧农业等相关专业的本科生教材，也可作为广大农业科技工作者和人工智能学习者的重要参考书。
目录
目录
前辅文
第一部分 绪论：人工智能与农业
第1章 农业与智能体
1.1 现代农业与人工智能
1.2 人工智能与智能体
1.2.1 人工智能的定义
1.2.2 什么是智能体
1.2.3 价值对齐问题
1.3 智能体与环境
1.4 总结与展望
1.4.1 人工智能的风险与收益
1.4.2 当好新时代“新农人”
思考题
推荐阅读
第二部分 数据科学：整合碎片化的农场数据
第2章 数据科学
2.1 数据科学概述
2.2 数据科学生命周期
2.3 基于统计的建模
2.3.1 常数模型
2.3.2 损失最小化
2.3.3 平均绝对误差
2.3.4 均方误差
2.3.5 损失函数的选择
思考题
推荐阅读
第3章 数据类型
3.1 表格数据
3.1.1 表格数据处理
3.1.2 表格合并
3.1.3 数据转换
3.1.4 表格与其他数据表示方法的区别
3.2 文本数据
3.3 数据交互
思考题
推荐阅读
第4章 理解数据
4.1 数据整理
4.1.1 数据源示例
4.1.2 文件格式
4.1.3 分隔格式
4.1.4 固定宽度格式
4.1.5 层次格式
4.1.6 松散格式文本
4.2 数据分析
4.3 数据可视化
4.3.1 选择合适的尺度揭示结构
4.3.2 透过变换揭示形态
4.3.3 倾斜调整以解读关系
4.3.4 通过直线化揭示关系
思考题
推荐阅读
第三部分 不确定推理：诊断农场中的病虫害
第5章 不确定性的量化
5.1 不确定性下的动作
5.1.1 基本概率记号
5.1.2 概率断言中的命题语言
5.2 概率推断与独立性
5.2.1 使用完全联合分布进行推断
5.2.2 独立性
5.3 连续型随机变量
5.3.1 几种典型的概率分布
5.3.2 随机变量的数字特征
5.3.3 高斯分布
5.3.4 多元高斯分布的应用
5.4 贝叶斯法则
思考题
推荐阅读
第6章 时间上的概率推理
6.1 时间与不确定性
6.1.1 状态与观测
6.1.2 转移模型与传感器模型
6.1.3 农业灌溉系统案例
6.2 系统能观测性判断
6.3 时间序列上的状态估计——滤波与平滑
6.3.1 卡尔曼滤波
6.3.2 卡尔曼平滑
6.4 隐马尔可夫模型
6.4.1 隐马尔可夫模型建模
6.4.2 维特比算法
思考题
推荐阅读
第7章 制定复杂决策
7.1 性能指标
7.1.1 时间性能指标
7.1.2 累加二次型性能指标
7.2 系统能达性判断
7.3 最优策略的求解
7.3.1 最小拍决策
7.3.2 线性二次型最优决策
7.3.3 决策的滚动优化
思考题
推荐阅读
第四部分 机器学习：预测玉米产量
第8章 统计学习
8.1 监督学习
8.2 线性回归及正则化
8.2.1 简单线性回归
8.2.2 梯度下降法
8.2.3 多元线性回归
8.2.4 线性模型的正则化、Lasso和岭回归
8.2.5 使用线性模型预测玉米产量
8.2.6 模型选择
8.2.7 使用Lasso和岭回归预测玉米产量
8.3 非参数模型
8.3.1 k-近邻算法
8.3.2 k-近邻算法应用于玉米产量预测
8.3.3 支持向量机
8.3.4 使用支持向量机算法预测玉米产量
8.4 集成学习
8.4.1 决策树
8.4.2 使用决策树预测玉米产量
8.4.3 Bagging与随机森林
8.4.4 使用随机森林预测玉米产量
8.4.5 Boosting的训练过程
思考题
推荐阅读
第9章 深度学习
9.1 前馈神经网络
9.1.1 前馈神经网络概述
9.1.2 梯度和反向传播
9.1.3 使用前馈神经网络预测玉米产量
9.2 卷积神经网络
9.2.1 卷积
9.2.2 池化和下采样
9.2.3 残差网络
9.2.4 卷积神经网络中的张量运算
9.2.5 使用卷积神经网络预测玉米产量
9.3 循环神经网络
9.3.1 循环神经网络基础模型
9.3.2 长短时记忆网络
9.3.3 使用长短时记忆网络预测玉米产量
9.4 网络优化
9.4.1 随机梯度下降
9.4.2 批量归一化
9.4.3 选择正确的网络架构
9.4.4 神经网络架构搜索
9.4.5 随机失活
9.4.6 网络优化后的玉米产量预测模型
9.5 讨论
思考题
推荐阅读
第五部分 沟通、感知与行动：教机器人摘番茄
第10章 自然语言处理
10.1 句法分析与词嵌入
10.1.1 句法分析
10.1.2 词嵌入
10.2 循环神经网络应用
10.2.1 使用循环神经网络的语言模型
10.2.2 使用循环神经网络进行分类
10.2.3 使用长短时记忆网络进行自然语言处理任务
10.3 Transformer模型
10.3.1 序列输入与序列输出
10.3.2 循环神经网络的局限性
10.3.3 注意力机制
10.3.4 自注意力
10.3.5 从自注意力到Transformer
10.4 预训练与微调
10.4.1 预训练词嵌入
10.4.2 预训练上下文表征
10.4.3 微调
10.5 植物基因组学的遗传语言模型
思考题
推荐阅读
第11章 计算机视觉
11.1 二维图像的形成
11.1.1 无须透镜的成像：小孔成像原理
11.1.2 镜头系统
11.1.3 缩放正交投影
11.1.4 光照与阴影
11.1.5 颜色
11.2 图像特征与分类
11.2.1 简单的图像特征
11.2.2 图像分类
11.2.3 目标检测
11.3 三维世界
11.3.1 融合多角度视图的三维信息
11.3.2 双目立体视觉
11.3.3 从移动摄像头获取三维信息
11.3.4 从单一视角获取三维信息
11.4 多模态模型
11.4.1 建立图像与文字的桥梁
11.4.2 从多视角重建
11.4.3 单视图几何信息提取
11.4.4 图像生成
11.4.5 通过视觉控制行动
思考题
推荐阅读
第12章 机器人学
12.1 机器人与硬件
12.1.1 机器人分类
12.1.2 机器人传感器
12.1.3 机器人驱动机构
12.2 感知、规划与控制
12.2.1 感知
12.2.2 规划与控制
12.3 机器人学中的强化学习
12.3.1 利用模型
12.3.2 利用其他信息
12.4 人类与机器人
12.4.1 机器人与人类的协调
12.4.2 机器人行为符合人类需求
思考题
推荐阅读
参考文献
前辅文
第一部分 绪论：人工智能与农业
第1章 农业与智能体
1.1 现代农业与人工智能
1.2 人工智能与智能体
1.2.1 人工智能的定义
1.2.2 什么是智能体
1.2.3 价值对齐问题
1.3 智能体与环境
1.4 总结与展望
1.4.1 人工智能的风险与收益
1.4.2 当好新时代“新农人”
思考题
推荐阅读
第二部分 数据科学：整合碎片化的农场数据
第2章 数据科学
2.1 数据科学概述
2.2 数据科学生命周期
2.3 基于统计的建模
2.3.1 常数模型
2.3.2 损失最小化
2.3.3 平均绝对误差
2.3.4 均方误差
2.3.5 损失函数的选择
思考题
推荐阅读
第3章 数据类型
3.1 表格数据
3.1.1 表格数据处理
3.1.2 表格合并
3.1.3 数据转换
3.1.4 表格与其他数据表示方法的区别
3.2 文本数据
3.3 数据交互
思考题
推荐阅读
第4章 理解数据
4.1 数据整理
4.1.1 数据源示例
4.1.2 文件格式
4.1.3 分隔格式
4.1.4 固定宽度格式
4.1.5 层次格式
4.1.6 松散格式文本
4.2 数据分析
4.3 数据可视化
4.3.1 选择合适的尺度揭示结构
4.3.2 透过变换揭示形态
4.3.3 倾斜调整以解读关系
4.3.4 通过直线化揭示关系
思考题
推荐阅读
第三部分 不确定推理：诊断农场中的病虫害
第5章 不确定性的量化
5.1 不确定性下的动作
5.1.1 基本概率记号
5.1.2 概率断言中的命题语言
5.2 概率推断与独立性
5.2.1 使用完全联合分布进行推断
5.2.2 独立性
5.3 连续型随机变量
5.3.1 几种典型的概率分布
5.3.2 随机变量的数字特征
5.3.3 高斯分布
5.3.4 多元高斯分布的应用
5.4 贝叶斯法则
思考题
推荐阅读
第6章 时间上的概率推理
6.1 时间与不确定性
6.1.1 状态与观测
6.1.2 转移模型与传感器模型
6.1.3 农业灌溉系统案例
6.2 系统能观测性判断
6.3 时间序列上的状态估计——滤波与平滑
6.3.1 卡尔曼滤波
6.3.2 卡尔曼平滑
6.4 隐马尔可夫模型
6.4.1 隐马尔可夫模型建模
6.4.2 维特比算法
思考题
推荐阅读
第7章 制定复杂决策
7.1 性能指标
7.1.1 时间性能指标
7.1.2 累加二次型性能指标
7.2 系统能达性判断
7.3 最优策略的求解
7.3.1 最小拍决策
7.3.2 线性二次型最优决策
7.3.3 决策的滚动优化
思考题
推荐阅读
第四部分 机器学习：预测玉米产量
第8章 统计学习
8.1 监督学习
8.2 线性回归及正则化
8.2.1 简单线性回归
8.2.2 梯度下降法
8.2.3 多元线性回归
8.2.4 线性模型的正则化、Lasso和岭回归
8.2.5 使用线性模型预测玉米产量
8.2.6 模型选择
8.2.7 使用Lasso和岭回归预测玉米产量
8.3 非参数模型
8.3.1 k-近邻算法
8.3.2 k-近邻算法应用于玉米产量预测
8.3.3 支持向量机
8.3.4 使用支持向量机算法预测玉米产量
8.4 集成学习
8.4.1 决策树
8.4.2 使用决策树预测玉米产量
8.4.3 Bagging与随机森林
8.4.4 使用随机森林预测玉米产量
8.4.5 Boosting的训练过程
思考题
推荐阅读
第9章 深度学习
9.1 前馈神经网络
9.1.1 前馈神经网络概述
9.1.2 梯度和反向传播
9.1.3 使用前馈神经网络预测玉米产量
9.2 卷积神经网络
9.2.1 卷积
9.2.2 池化和下采样
9.2.3 残差网络
9.2.4 卷积神经网络中的张量运算
9.2.5 使用卷积神经网络预测玉米产量
9.3 循环神经网络
9.3.1 循环神经网络基础模型
9.3.2 长短时记忆网络
9.3.3 使用长短时记忆网络预测玉米产量
9.4 网络优化
9.4.1 随机梯度下降
9.4.2 批量归一化
9.4.3 选择正确的网络架构
9.4.4 神经网络架构搜索
9.4.5 随机失活
9.4.6 网络优化后的玉米产量预测模型
9.5 讨论
思考题
推荐阅读
第五部分 沟通、感知与行动：教机器人摘番茄
第10章 自然语言处理
10.1 句法分析与词嵌入
10.1.1 句法分析
10.1.2 词嵌入
10.2 循环神经网络应用
10.2.1 使用循环神经网络的语言模型
10.2.2 使用循环神经网络进行分类
10.2.3 使用长短时记忆网络进行自然语言处理任务
10.3 Transformer模型
10.3.1 序列输入与序列输出
10.3.2 循环神经网络的局限性
10.3.3 注意力机制
10.3.4 自注意力
10.3.5 从自注意力到Transformer
10.4 预训练与微调
10.4.1 预训练词嵌入
10.4.2 预训练上下文表征
10.4.3 微调
10.5 植物基因组学的遗传语言模型
思考题
推荐阅读
第11章 计算机视觉
11.1 二维图像的形成
11.1.1 无须透镜的成像：小孔成像原理
11.1.2 镜头系统
11.1.3 缩放正交投影
11.1.4 光照与阴影
11.1.5 颜色
11.2 图像特征与分类
11.2.1 简单的图像特征
11.2.2 图像分类
11.2.3 目标检测
11.3 三维世界
11.3.1 融合多角度视图的三维信息
11.3.2 双目立体视觉
11.3.3 从移动摄像头获取三维信息
11.3.4 从单一视角获取三维信息
11.4 多模态模型
11.4.1 建立图像与文字的桥梁
11.4.2 从多视角重建
11.4.3 单视图几何信息提取
11.4.4 图像生成
11.4.5 通过视觉控制行动
思考题
推荐阅读
第12章 机器人学
12.1 机器人与硬件
12.1.1 机器人分类
12.1.2 机器人传感器
12.1.3 机器人驱动机构
12.2 感知、规划与控制
12.2.1 感知
12.2.2 规划与控制
12.3 机器人学中的强化学习
12.3.1 利用模型
12.3.2 利用其他信息
12.4 人类与机器人
12.4.1 机器人与人类的协调
12.4.2 机器人行为符合人类需求
思考题
推荐阅读
参考文献
前辅文
第一部分 绪论：人工智能与农业
第1章 农业与智能体
1.1 现代农业与人工智能
1.2 人工智能与智能体
1.2.1 人工智能的定义
1.2.2 什么是智能体
1.2.3 价值对齐问题
1.3 智能体与环境
1.4 总结与展望
1.4.1 人工智能的风险与收益
1.4.2 当好新时代“新农人”
思考题
推荐阅读
第二部分 数据科学：整合碎片化的农场数据
第2章 数据科学
2.1 数据科学概述
2.2 数据科学生命周期
2.3 基于统计的建模
2.3.1 常数模型
2.3.2 损失最小化
2.3.3 平均绝对误差
2.3.4 均方误差
2.3.5 损失函数的选择
思考题
推荐阅读
第3章 数据类型
3.1 表格数据
3.1.1 表格数据处理
3.1.2 表格合并
3.1.3 数据转换
3.1.4 表格与其他数据表示方法的区别
3.2 文本数据
3.3 数据交互
思考题
推荐阅读
第4章 理解数据
4.1 数据整理
4.1.1 数据源示例
4.1.2 文件格式
4.1.3 分隔格式
4.1.4 固定宽度格式
4.1.5 层次格式
4.1.6 松散格式文本
4.2 数据分析
4.3 数据可视化
4.3.1 选择合适的尺度揭示结构
4.3.2 透过变换揭示形态
4.3.3 倾斜调整以解读关系
4.3.4 通过直线化揭示关系
思考题
推荐阅读
第三部分 不确定推理：诊断农场中的病虫害
第5章 不确定性的量化
5.1 不确定性下的动作
5.1.1 基本概率记号
5.1.2 概率断言中的命题语言
5.2 概率推断与独立性
5.2.1 使用完全联合分布进行推断
5.2.2 独立性
5.3 连续型随机变量
5.3.1 几种典型的概率分布
5.3.2 随机变量的数字特征
5.3.3 高斯分布
5.3.4 多元高斯分布的应用
5.4 贝叶斯法则
思考题
推荐阅读
第6章 时间上的概率推理
6.1 时间与不确定性
6.1.1 状态与观测
6.1.2 转移模型与传感器模型
6.1.3 农业灌溉系统案例
6.2 系统能观测性判断
6.3 时间序列上的状态估计——滤波与平滑
6.3.1 卡尔曼滤波
6.3.2 卡尔曼平滑
6.4 隐马尔可夫模型
6.4.1 隐马尔可夫模型建模
6.4.2 维特比算法
思考题
推荐阅读
第7章 制定复杂决策
7.1 性能指标
7.1.1 时间性能指标
7.1.2 累加二次型性能指标
7.2 系统能达性判断
7.3 最优策略的求解
7.3.1 最小拍决策
7.3.2 线性二次型最优决策
7.3.3 决策的滚动优化
思考题
推荐阅读
第四部分 机器学习：预测玉米产量
第8章 统计学习
8.1 监督学习
8.2 线性回归及正则化
8.2.1 简单线性回归
8.2.2 梯度下降法
8.2.3 多元线性回归
8.2.4 线性模型的正则化、Lasso和岭回归
8.2.5 使用线性模型预测玉米产量
8.2.6 模型选择
8.2.7 使用Lasso和岭回归预测玉米产量
8.3 非参数模型
8.3.1 k-近邻算法
8.3.2 k-近邻算法应用于玉米产量预测
8.3.3 支持向量机
8.3.4 使用支持向量机算法预测玉米产量
8.4 集成学习
8.4.1 决策树
8.4.2 使用决策树预测玉米产量
8.4.3 Bagging与随机森林
8.4.4 使用随机森林预测玉米产量
8.4.5 Boosting的训练过程
思考题
推荐阅读
第9章 深度学习
9.1 前馈神经网络
9.1.1 前馈神经网络概述
9.1.2 梯度和反向传播
9.1.3 使用前馈神经网络预测玉米产量
9.2 卷积神经网络
9.2.1 卷积
9.2.2 池化和下采样
9.2.3 残差网络
9.2.4 卷积神经网络中的张量运算
9.2.5 使用卷积神经网络预测玉米产量
9.3 循环神经网络
9.3.1 循环神经网络基础模型
9.3.2 长短时记忆网络
9.3.3 使用长短时记忆网络预测玉米产量
9.4 网络优化
9.4.1 随机梯度下降
9.4.2 批量归一化
9.4.3 选择正确的网络架构
9.4.4 神经网络架构搜索
9.4.5 随机失活
9.4.6 网络优化后的玉米产量预测模型
9.5 讨论
思考题
推荐阅读
第五部分 沟通、感知与行动：教机器人摘番茄
第10章 自然语言处理
10.1 句法分析与词嵌入
10.1.1 句法分析
10.1.2 词嵌入
10.2 循环神经网络应用
10.2.1 使用循环神经网络的语言模型
10.2.2 使用循环神经网络进行分类
10.2.3 使用长短时记忆网络进行自然语言处理任务
10.3 Transformer模型
10.3.1 序列输入与序列输出
10.3.2 循环神经网络的局限性
10.3.3 注意力机制
10.3.4 自注意力
10.3.5 从自注意力到Transformer
10.4 预训练与微调
10.4.1 预训练词嵌入
10.4.2 预训练上下文表征
10.4.3 微调
10.5 植物基因组学的遗传语言模型
思考题
推荐阅读
第11章 计算机视觉
11.1 二维图像的形成
11.1.1 无须透镜的成像：小孔成像原理
11.1.2 镜头系统
11.1.3 缩放正交投影
11.1.4 光照与阴影
11.1.5 颜色
11.2 图像特征与分类
11.2.1 简单的图像特征
11.2.2 图像分类
11.2.3 目标检测
11.3 三维世界
11.3.1 融合多角度视图的三维信息
11.3.2 双目立体视觉
11.3.3 从移动摄像头获取三维信息
11.3.4 从单一视角获取三维信息
11.4 多模态模型
11.4.1 建立图像与文字的桥梁
11.4.2 从多视角重建
11.4.3 单视图几何信息提取
11.4.4 图像生成
11.4.5 通过视觉控制行动
思考题
推荐阅读
第12章 机器人学
12.1 机器人与硬件
12.1.1 机器人分类
12.1.2 机器人传感器
12.1.3 机器人驱动机构
12.2 感知、规划与控制
12.2.1 感知
12.2.2 规划与控制
12.3 机器人学中的强化学习
12.3.1 利用模型
12.3.2 利用其他信息
12.4 人类与机器人
12.4.1 机器人与人类的协调
12.4.2 机器人行为符合人类需求
思考题
推荐阅读
参考文献
前辅文
第一部分 绪论：人工智能与农业
第1章 农业与智能体
1.1 现代农业与人工智能
1.2 人工智能与智能体
1.2.1 人工智能的定义
1.2.2 什么是智能体
1.2.3 价值对齐问题
1.3 智能体与环境
1.4 总结与展望
1.4.1 人工智能的风险与收益
1.4.2 当好新时代“新农人”
思考题
推荐阅读
第二部分 数据科学：整合碎片化的农场数据
第2章 数据科学
2.1 数据科学概述
2.2 数据科学生命周期
2.3 基于统计的建模
2.3.1 常数模型
2.3.2 损失最小化
2.3.3 平均绝对误差
2.3.4 均方误差
2.3.5 损失函数的选择
思考题
推荐阅读
第3章 数据类型
3.1 表格数据
3.1.1 表格数据处理
3.1.2 表格合并
3.1.3 数据转换
3.1.4 表格与其他数据表示方法的区别
3.2 文本数据
3.3 数据交互
思考题
推荐阅读
第4章 理解数据
4.1 数据整理
4.1.1 数据源示例
4.1.2 文件格式
4.1.3 分隔格式
4.1.4 固定宽度格式
4.1.5 层次格式
4.1.6 松散格式文本
4.2 数据分析
4.3 数据可视化
4.3.1 选择合适的尺度揭示结构
4.3.2 透过变换揭示形态
4.3.3 倾斜调整以解读关系
4.3.4 通过直线化揭示关系
思考题
推荐阅读
第三部分 不确定推理：诊断农场中的病虫害
第5章 不确定性的量化
5.1 不确定性下的动作
5.1.1 基本概率记号
5.1.2 概率断言中的命题语言
5.2 概率推断与独立性
5.2.1 使用完全联合分布进行推断
5.2.2 独立性
5.3 连续型随机变量
5.3.1 几种典型的概率分布
5.3.2 随机变量的数字特征
5.3.3 高斯分布
5.3.4 多元高斯分布的应用
5.4 贝叶斯法则
思考题
推荐阅读
第6章 时间上的概率推理
6.1 时间与不确定性
6.1.1 状态与观测
6.1.2 转移模型与传感器模型
6.1.3 农业灌溉系统案例
6.2 系统能观测性判断
6.3 时间序列上的状态估计——滤波与平滑
6.3.1 卡尔曼滤波
6.3.2 卡尔曼平滑
6.4 隐马尔可夫模型
6.4.1 隐马尔可夫模型建模
6.4.2 维特比算法
思考题
推荐阅读
第7章 制定复杂决策
7.1 性能指标
7.1.1 时间性能指标
7.1.2 累加二次型性能指标
7.2 系统能达性判断
7.3 最优策略的求解
7.3.1 最小拍决策
7.3.2 线性二次型最优决策
7.3.3 决策的滚动优化
思考题
推荐阅读
第四部分 机器学习：预测玉米产量
第8章 统计学习
8.1 监督学习
8.2 线性回归及正则化
8.2.1 简单线性回归
8.2.2 梯度下降法
8.2.3 多元线性回归
8.2.4 线性模型的正则化、Lasso和岭回归
8.2.5 使用线性模型预测玉米产量
8.2.6 模型选择
8.2.7 使用Lasso和岭回归预测玉米产量
8.3 非参数模型
8.3.1 k-近邻算法
8.3.2 k-近邻算法应用于玉米产量预测
8.3.3 支持向量机
8.3.4 使用支持向量机算法预测玉米产量
8.4 集成学习
8.4.1 决策树
8.4.2 使用决策树预测玉米产量
8.4.3 Bagging与随机森林
8.4.4 使用随机森林预测玉米产量
8.4.5 Boosting的训练过程
思考题
推荐阅读
第9章 深度学习
9.1 前馈神经网络
9.1.1 前馈神经网络概述
9.1.2 梯度和反向传播
9.1.3 使用前馈神经网络预测玉米产量
9.2 卷积神经网络
9.2.1 卷积
9.2.2 池化和下采样
9.2.3 残差网络
9.2.4 卷积神经网络中的张量运算
9.2.5 使用卷积神经网络预测玉米产量
9.3 循环神经网络
9.3.1 循环神经网络基础模型
9.3.2 长短时记忆网络
9.3.3 使用长短时记忆网络预测玉米产量
9.4 网络优化
9.4.1 随机梯度下降
9.4.2 批量归一化
9.4.3 选择正确的网络架构
9.4.4 神经网络架构搜索
9.4.5 随机失活
9.4.6 网络优化后的玉米产量预测模型
9.5 讨论
思考题
推荐阅读
第五部分 沟通、感知与行动：教机器人摘番茄
第10章 自然语言处理
10.1 句法分析与词嵌入
10.1.1 句法分析
10.1.2 词嵌入
10.2 循环神经网络应用
10.2.1 使用循环神经网络的语言模型
10.2.2 使用循环神经网络进行分类
10.2.3 使用长短时记忆网络进行自然语言处理任务
10.3 Transformer模型
10.3.1 序列输入与序列输出
10.3.2 循环神经网络的局限性
10.3.3 注意力机制
10.3.4 自注意力
10.3.5 从自注意力到Transformer
10.4 预训练与微调
10.4.1 预训练词嵌入
10.4.2 预训练上下文表征
10.4.3 微调
10.5 植物基因组学的遗传语言模型
思考题
推荐阅读
第11章 计算机视觉
11.1 二维图像的形成
11.1.1 无须透镜的成像：小孔成像原理
11.1.2 镜头系统
11.1.3 缩放正交投影
11.1.4 光照与阴影
11.1.5 颜色
11.2 图像特征与分类
11.2.1 简单的图像特征
11.2.2 图像分类
11.2.3 目标检测
11.3 三维世界
11.3.1 融合多角度视图的三维信息
11.3.2 双目立体视觉
11.3.3 从移动摄像头获取三维信息
11.3.4 从单一视角获取三维信息
11.4 多模态模型
11.4.1 建立图像与文字的桥梁
11.4.2 从多视角重建
11.4.3 单视图几何信息提取
11.4.4 图像生成
11.4.5 通过视觉控制行动
思考题
推荐阅读
第12章 机器人学
12.1 机器人与硬件
12.1.1 机器人分类
12.1.2 机器人传感器
12.1.3 机器人驱动机构
12.2 感知、规划与控制
12.2.1 感知
12.2.2 规划与控制
12.3 机器人学中的强化学习
12.3.1 利用模型
12.3.2 利用其他信息
12.4 人类与机器人
12.4.1 机器人与人类的协调
12.4.2 机器人行为符合人类需求
思考题
推荐阅读
参考文献
