人工智能通识进阶（理工版）
定价：￥47.80
作者： 南通大学人工智能通识课程教材编写委员会主编
出版社：高等教育出版社
- 高等教育出版社
- 9787040672107
- 1版
- 16开
内容简介
本书系统介绍人工智能相关理论和应用，分为人工智能基础篇和人工智能应用篇两大部分，详细阐述主流算法理论、模型原理、技术框架及跨领域实践案例。
人工智能基础篇从人工智能核心理论出发构建完整的知识体系。绪论涵盖机器学习的定义与类别，介绍朴素贝叶斯算法、回归模型的原理，阐释人工神经网络、卷积神经网络（CNN）的定义与原理，探讨大语言模型的Transformer架构、能力特性及其应用局限。在此基础上，本书选取朴素贝叶斯算法、回归模型为例细化人工智能的算法概念。最后，介绍了一些最新的人工智能前沿理论方向，包括物理信息神经网络（PINN）和知识图谱的原理以及在国内外典型项目及垂直领域的应用。
人工智能应用篇聚焦人工智能在多学科领域的落地实践，结合具体技术与案例展开，包含以下模块：交叉学科应用，包括有机合成中的分子设计与逆合成分析、水污染治理的智能化监测与风险预警、集成电路设计中的Verilog代码生成（基于大语言模型）；工程技术应用，涵盖自动驾驶的BEV感知技术、智能生产中的涂胶工艺优化、通信工程的调制方式识别（基于神经网络）、电气自动化的风电机组故障诊断；行业创新应用，涉及机器人技术的体系结构与关键技术（视觉、规划、导航）、纺织行业的知识图谱与AI设计软件、测绘地理信息的遥感影像解译与三维建模（基于深度学习与大模型）。
为便于读者将理论与实践结合，本书提供：完整的教学课件、程序代码实例（如Verilog代码生成、神经网络训练代码）、案例实训材料（如传统与智能涂胶对比实验、遥感影像道路提取实操）、微课视频（含模型原理可视化、工具使用教程）。
本书可作为高等学校计算机科学与技术、电子信息工程、自动化、环境工程、材料科学与工程、测绘工程、纺织工程等专业本科生“人工智能基础”课程的教材，同时可为从事人工智能研发与行业应用的工程技术人员提供实践参考。
目录
目录
前辅文
第一部分 人工智能基础篇
第0章 绪论：人工智能基础
0.1 机器学习基础
0.1.1 机器学习的定义
0.1.2 机器学习的类别
0.2 朴素贝叶斯算法
0.2.1 贝叶斯定理
0.2.2 朴素贝叶斯算法
0.2.3 朴素贝叶斯算法的历史与发展
0.2.4 朴素贝叶斯算法的应用
0.2.5 朴素贝叶斯算法的性能评估
0.3 回归模型
0.3.1 回归模型
0.3.2 回归算法的选择
0.3.3 回归模型的评估指标
0.3.4 回归问题的挑战
0.3.5 回归问题的解决方案
0.4 人工神经网络
0.4.1 定义与基本原理
0.4.2 特点与优势
0.4.3 研究意义与前景
0.5 卷积神经网络
0.5.1 定义与基本原理
0.5.2 特点与优势
0.5.3 经典模型简介与发展历程
0.5.4 研究意义与未来前景
0.6 大语言模型
0.6.1 Transformer架构
0.6.2 模型能力与行为特征
0.6.3 应用场景与局限性
0.6.4 发展趋势与前沿探索
本章小结
复习与思考
第1章 基于贝叶斯算法的垃圾邮件判定
1.1 垃圾邮件的历史渊源和问题背景
1.2 贝叶斯垃圾邮件过滤的原理与发展
1.3 条件概率与贝叶斯分类基础
1.3.1 条件概率与贝叶斯定理回顾
1.3.2 朴素贝叶斯算法及其简化假设
1.4 邮件文本的特征工程与数据预处理
1.4.1 典型数据集
1.4.2 文本向量化方法
1.5 贝叶斯垃圾邮件分类过程
1.5.1 数据准备
1.5.2 特征提取
1.5.3 模型训练与评估
1.5.4 预测接口设计
本章小结
复习与思考
第2章 回归分析在植物分类中的应用
2.1 问题背景
2.2 多元线性回归模型
2.2.1 多元回归模型的重要性
2.2.2 共线性
2.2.3 异方差诊断
2.2.4 影响鸢尾花花瓣长度的因素分析
2.3 岭回归
2.3.1 岭回归的原理
2.3.2 岭回归与机器学习的关系
2.3.3 采用岭回归对鸢尾花花瓣长度进行分析
本章小结
复习与思考
第3章 物理信息神经网络的原理与应用
3.1 物理信息AI的动机
3.1.1 背景与动机
3.1.2 数据与物理的范式协同
3.1.3 PINN与传统数值求解器的对比
3.2 PINN的基本原理
3.2.1 PINN的核心思想
3.2.2 PINN的实施步骤
3.2.3 PINN的优化策略
3.3 案例一：用常微分方程建模动力学系统
3.3.1 问题：阻尼谐振子
3.3.2 PINN实现步骤
3.3.3 实现与分析
3.4 案例二：用偏微分方程建模热传导
3.4.1 问题：二维热传导
3.4.2 构建PINN
3.4.3 实现与分析
本章小结
复习与思考
第4章 知识图谱
4.1 知识图谱
4.1.1 什么是知识图谱
4.1.2 知识图谱的表示
4.1.3 知识图谱的应用
4.2 国内外典型知识图谱项目
4.2.1 早期的知识库项目
4.2.2 互联网时代的知识图谱
4.2.3 中文开放知识图谱
4.2.4 垂直领域知识图谱
本章小结
复习与思考
第二部分 人工智能应用篇
第5章 人工智能在有机合成中的应用
5.1 有机合成的数智化转型
5.1.1 传统有机合成的原理及方法
5.1.2 人工智能推动有机合成发展
5.2 人工智能与有机化学交叉融合基础
5.2.1 人工智能学习的“燃料库”——数据集
5.2.2 让计算机“读懂”分子的语言——分子描述符
5.2.3 驱动智能计算的“引擎”——算法
5.3 人工智能驱动分子智造
5.3.1 化学反应预测
5.3.2 分子从头设计
5.3.3 逆合成分析
5.3.4 智能合成机器
5.4 人工智能赋能化学合成的未来
5.4.1 未来发展趋势
5.4.2 新范式新挑战
5.4.3 长期发展目标
本章小结
复习与思考
第6章 人工智能在水污染治理方面的应用
6.1 引言
6.1.1 水污染治理现状
6.1.2 当前技术体系的瓶颈与智能化转型压力
6.1.3 人工智能在环境领域的兴起与交叉融合趋势
6.2 人工智能技术体系及其环境适应性特征
6.2.1 主流人工智能算法在水污染治理中的特征比较
6.2.2 不同模型在水污染控制任务中的优劣分析
6.3 人工智能在水污染治理各环节的典型应用
6.3.1 智能化水质监测系统
6.3.2 污染物识别与溯源技术
6.3.3 污水处理过程的运行优化与智能调控
6.3.4 风险预警与决策支持
6.4 发展瓶颈与未来构建方向
6.4.1 模型可解释性与环境政策决策透明度问题
6.4.2 数据获取难、系统可移植性差等现实挑战
6.4.3 环境友好型人工智能的能耗与资源约束
6.4.4 构建低碳、低门槛、可推广的智能治理体系
本章小结
复习与思考
第7章 人工智能在集成电路领域的应用
7.1 大语言模型在RTL设计中的应用原理
7.1.1 数字集成电路设计流程概述
7.1.2 RTL的作用与特点
7.1.3 大语言模型概述与代码生成能力
7.1.4 数字电路设计中的Verilog基础
7.1.5 从自然语言到Verilog的生成流程
7.2 大语言模型生成Verilog实战案例
7.2.1 软件的安装
7.2.2 初始化大模型
7.2.3 编写运行Verilog代码的工具
7.2.4 为大语言模型输入提示词
7.2.5 迭代反馈
7.2.6 效果评估
7.2.7 总结启示
7.3 人工神经网络的基本概念
7.3.1 神经元：人工神经网络的基本单元
7.3.2 人工神经网络的层级结构
7.3.3 人工神经网络的工作原理：前向传播与反向传播
7.3.4 人工神经网络的核心特点与优势
7.4 微通道散热器参数的自动设计——基于ANN的实战案例
7.4.1 软件的安装
7.4.2 训练数据集的收集及处理
7.4.3 人工神经网络的构建
7.4.4 模型的训练及评估
7.4.5 智能寻优算法
7.4.6 散热器结构的智能优化
7.4.7 Pareto解集
本章小结
复习与思考
第8章 人工智能在自动驾驶方面的应用
8.1 自动驾驶BEV感知概述
8.2 自动驾驶BEV感知技术
8.2.1 BEV如何反映特征空间
8.2.2 透视与逆透视效应
8.2.3 自动驾驶BEV技术的实现路径
8.3 视觉-语言-动作模型技术及其应用
8.3.1 架构与组成
8.3.2 核心框架
8.3.3 数据来源与训练策略
8.3.4 决策动作输出
8.4 视觉-语言-动作模型的应用
8.4.1 VLA在具身智能上的应用
8.4.2 VLA在智慧农业上的应用
8.4.3 VLA在移动智能体上的应用
本章小结
复习与思考
第9章 人工智能在智能生产方面的应用
9.1 传统涂胶技术的发展以及局限性
9.1.1 传统涂胶技术的发展
9.1.2 传统涂胶技术的局限性
9.2 AI辅助的智能涂胶方式：工业相机与AI的协同
9.2.1 工业相机的“视觉感知”角色
9.2.2 AI算法的“决策优化”功能
9.2.3 智能涂胶对传统方式的突破
9.3 案例实训：传统与智能涂胶的对比实践
9.3.1 实训目标与准备
9.3.2 传统涂胶实操
9.3.3 人工智能涂胶实操
9.3.4 数据对比与总结
本章小结
复习与思考
第10章 人工智能在通信工程方面的应用
10.1 调制
10.1.1 模拟通信系统
10.1.2 数字通信系统
10.1.3 基本调制方式
10.2 传统调制方式识别
10.2.1 人工识别
10.2.2 似然函数方法
10.2.3 特征提取方法
10.3 神经网络识别方法
10.3.1 从简单开始：多层感知机方法
10.3.2 更进一步：深度神经网络方法
本章小结
复习与思考
第11章 人工智能在电气自动化领域的应用
11.1 风力发电技术概述
11.2 风电机组故障诊断技术
11.2.1 风电机组故障诊断的检测信号
11.2.2 风电机组机械故障诊断的分析方法
11.2.3 风电机组机械故障诊断的发展趋势
11.3 风电机组轴承故障机理特性分析
11.3.1 轴承部件结构
11.3.2 轴承部件失效分析
11.3.3 轴承部件故障信号特征
11.4 基于卷积神经网络的风电机组轴承故障诊断
11.4.1 基于卷积神经网络的故障诊断流程
11.4.2 相关案例与结果分析
本章小结
复习与思考
第12章 人工智能在机器人技术中的应用
12.1 智能机器人概述
12.2 智能机器人体系结构
12.2.1 经典智能机器人体系结构
12.2.2 过渡与融合型体系结构
12.2.3 现代智能机器人体系结构
12.3 智能机器人关键技术
12.3.1 机器人视觉
12.3.2 机器人规划
12.3.3 机器人定位与导航
12.4 智能机器人应用
12.4.1 工业机器人
12.4.2 医疗机器人
12.4.3 教育机器人
12.4.4 军用机器人
12.5 智能机器人发展趋势
12.5.1 深度智能化
12.5.2 感知一体化
12.5.3 通信高效化
12.5.4 具身智能生态化
本章小结
复习与思考
第13章 人工智能在纺织行业的应用
13.1 人工智能的发展与含义
13.1.1 人工智能与智能增强
13.1.2 第三次人工智能爆发的原因
13.1.3 什么是人工智能
13.2 深度学习与机器学习、人工智能
13.3 深度学习模型
13.3.1 CNN
13.3.2 RNN
13.3.3 VAE
13.3.4 GAN
13.3.5 Transformer
13.3.6 Diffusion
13.4 AI设计软件
13.4.1 AI设计软件与设计
13.4.2 AI设计软件支撑技术
13.4.3 国内外AI设计工具
13.4.4 AI设计软件助力灵感生成
13.5 纺织行业知识图谱的相关技术
13.5.1 纺织行业知识图谱的特点
13.5.2 纺织行业知识图谱的相关技术
本章小结
复习与思考
第14章 人工智能在测绘地理信息领域的应用
14.1 人工智能赋能测绘地理信息发展
14.1.1 测绘地理信息概述
14.1.2 遥感图像智能解译
14.1.3 智能制图与智能地图服务
14.1.4 地理大数据与空间智能体
14.1.5 地学大模型与地学知识图谱
14.1.6 数字孪生建模与智慧城市
14.2 应用案例1：基于深度学习的遥感影像道路提取
14.2.1 影像数据预处理
14.2.2 基于U-Net道路提取网络模型
14.2.3 模型训练结果评估
14.2.4 道路提取应用
14.3 应用案例2：基于大模型的城市桥梁三维建模
14.3.1 桥梁模型简化与参数提取
14.3.2 利用大模型生成初步桥梁建模CGA代码
14.3.3 通过交互迭代优化桥梁建模CGA代码
14.3.4 桥梁三维建模实践
14.4 应用案例3：融合本地知识库的GIS专业课学习大模型应用
14.4.1 支撑技术及软件介绍
14.4.2 专业课学习大模型的实现
本章小结
复习与思考
参考文献
前辅文
第一部分 人工智能基础篇
第0章 绪论：人工智能基础
0.1 机器学习基础
0.1.1 机器学习的定义
0.1.2 机器学习的类别
0.2 朴素贝叶斯算法
0.2.1 贝叶斯定理
0.2.2 朴素贝叶斯算法
0.2.3 朴素贝叶斯算法的历史与发展
0.2.4 朴素贝叶斯算法的应用
0.2.5 朴素贝叶斯算法的性能评估
0.3 回归模型
0.3.1 回归模型
0.3.2 回归算法的选择
0.3.3 回归模型的评估指标
0.3.4 回归问题的挑战
0.3.5 回归问题的解决方案
0.4 人工神经网络
0.4.1 定义与基本原理
0.4.2 特点与优势
0.4.3 研究意义与前景
0.5 卷积神经网络
0.5.1 定义与基本原理
0.5.2 特点与优势
0.5.3 经典模型简介与发展历程
0.5.4 研究意义与未来前景
0.6 大语言模型
0.6.1 Transformer架构
0.6.2 模型能力与行为特征
0.6.3 应用场景与局限性
0.6.4 发展趋势与前沿探索
本章小结
复习与思考
第1章 基于贝叶斯算法的垃圾邮件判定
1.1 垃圾邮件的历史渊源和问题背景
1.2 贝叶斯垃圾邮件过滤的原理与发展
1.3 条件概率与贝叶斯分类基础
1.3.1 条件概率与贝叶斯定理回顾
1.3.2 朴素贝叶斯算法及其简化假设
1.4 邮件文本的特征工程与数据预处理
1.4.1 典型数据集
1.4.2 文本向量化方法
1.5 贝叶斯垃圾邮件分类过程
1.5.1 数据准备
1.5.2 特征提取
1.5.3 模型训练与评估
1.5.4 预测接口设计
本章小结
复习与思考
第2章 回归分析在植物分类中的应用
2.1 问题背景
2.2 多元线性回归模型
2.2.1 多元回归模型的重要性
2.2.2 共线性
2.2.3 异方差诊断
2.2.4 影响鸢尾花花瓣长度的因素分析
2.3 岭回归
2.3.1 岭回归的原理
2.3.2 岭回归与机器学习的关系
2.3.3 采用岭回归对鸢尾花花瓣长度进行分析
本章小结
复习与思考
第3章 物理信息神经网络的原理与应用
3.1 物理信息AI的动机
3.1.1 背景与动机
3.1.2 数据与物理的范式协同
3.1.3 PINN与传统数值求解器的对比
3.2 PINN的基本原理
3.2.1 PINN的核心思想
3.2.2 PINN的实施步骤
3.2.3 PINN的优化策略
3.3 案例一：用常微分方程建模动力学系统
3.3.1 问题：阻尼谐振子
3.3.2 PINN实现步骤
3.3.3 实现与分析
3.4 案例二：用偏微分方程建模热传导
3.4.1 问题：二维热传导
3.4.2 构建PINN
3.4.3 实现与分析
本章小结
复习与思考
第4章 知识图谱
4.1 知识图谱
4.1.1 什么是知识图谱
4.1.2 知识图谱的表示
4.1.3 知识图谱的应用
4.2 国内外典型知识图谱项目
4.2.1 早期的知识库项目
4.2.2 互联网时代的知识图谱
4.2.3 中文开放知识图谱
4.2.4 垂直领域知识图谱
本章小结
复习与思考
第二部分 人工智能应用篇
第5章 人工智能在有机合成中的应用
5.1 有机合成的数智化转型
5.1.1 传统有机合成的原理及方法
5.1.2 人工智能推动有机合成发展
5.2 人工智能与有机化学交叉融合基础
5.2.1 人工智能学习的“燃料库”——数据集
5.2.2 让计算机“读懂”分子的语言——分子描述符
5.2.3 驱动智能计算的“引擎”——算法
5.3 人工智能驱动分子智造
5.3.1 化学反应预测
5.3.2 分子从头设计
5.3.3 逆合成分析
5.3.4 智能合成机器
5.4 人工智能赋能化学合成的未来
5.4.1 未来发展趋势
5.4.2 新范式新挑战
5.4.3 长期发展目标
本章小结
复习与思考
第6章 人工智能在水污染治理方面的应用
6.1 引言
6.1.1 水污染治理现状
6.1.2 当前技术体系的瓶颈与智能化转型压力
6.1.3 人工智能在环境领域的兴起与交叉融合趋势
6.2 人工智能技术体系及其环境适应性特征
6.2.1 主流人工智能算法在水污染治理中的特征比较
6.2.2 不同模型在水污染控制任务中的优劣分析
6.3 人工智能在水污染治理各环节的典型应用
6.3.1 智能化水质监测系统
6.3.2 污染物识别与溯源技术
6.3.3 污水处理过程的运行优化与智能调控
6.3.4 风险预警与决策支持
6.4 发展瓶颈与未来构建方向
6.4.1 模型可解释性与环境政策决策透明度问题
6.4.2 数据获取难、系统可移植性差等现实挑战
6.4.3 环境友好型人工智能的能耗与资源约束
6.4.4 构建低碳、低门槛、可推广的智能治理体系
本章小结
复习与思考
第7章 人工智能在集成电路领域的应用
7.1 大语言模型在RTL设计中的应用原理
7.1.1 数字集成电路设计流程概述
7.1.2 RTL的作用与特点
7.1.3 大语言模型概述与代码生成能力
7.1.4 数字电路设计中的Verilog基础
7.1.5 从自然语言到Verilog的生成流程
7.2 大语言模型生成Verilog实战案例
7.2.1 软件的安装
7.2.2 初始化大模型
7.2.3 编写运行Verilog代码的工具
7.2.4 为大语言模型输入提示词
7.2.5 迭代反馈
7.2.6 效果评估
7.2.7 总结启示
7.3 人工神经网络的基本概念
7.3.1 神经元：人工神经网络的基本单元
7.3.2 人工神经网络的层级结构
7.3.3 人工神经网络的工作原理：前向传播与反向传播
7.3.4 人工神经网络的核心特点与优势
7.4 微通道散热器参数的自动设计——基于ANN的实战案例
7.4.1 软件的安装
7.4.2 训练数据集的收集及处理
7.4.3 人工神经网络的构建
7.4.4 模型的训练及评估
7.4.5 智能寻优算法
7.4.6 散热器结构的智能优化
7.4.7 Pareto解集
本章小结
复习与思考
第8章 人工智能在自动驾驶方面的应用
8.1 自动驾驶BEV感知概述
8.2 自动驾驶BEV感知技术
8.2.1 BEV如何反映特征空间
8.2.2 透视与逆透视效应
8.2.3 自动驾驶BEV技术的实现路径
8.3 视觉-语言-动作模型技术及其应用
8.3.1 架构与组成
8.3.2 核心框架
8.3.3 数据来源与训练策略
8.3.4 决策动作输出
8.4 视觉-语言-动作模型的应用
8.4.1 VLA在具身智能上的应用
8.4.2 VLA在智慧农业上的应用
8.4.3 VLA在移动智能体上的应用
本章小结
复习与思考
第9章 人工智能在智能生产方面的应用
9.1 传统涂胶技术的发展以及局限性
9.1.1 传统涂胶技术的发展
9.1.2 传统涂胶技术的局限性
9.2 AI辅助的智能涂胶方式：工业相机与AI的协同
9.2.1 工业相机的“视觉感知”角色
9.2.2 AI算法的“决策优化”功能
9.2.3 智能涂胶对传统方式的突破
9.3 案例实训：传统与智能涂胶的对比实践
9.3.1 实训目标与准备
9.3.2 传统涂胶实操
9.3.3 人工智能涂胶实操
9.3.4 数据对比与总结
本章小结
复习与思考
第10章 人工智能在通信工程方面的应用
10.1 调制
10.1.1 模拟通信系统
10.1.2 数字通信系统
10.1.3 基本调制方式
10.2 传统调制方式识别
10.2.1 人工识别
10.2.2 似然函数方法
10.2.3 特征提取方法
10.3 神经网络识别方法
10.3.1 从简单开始：多层感知机方法
10.3.2 更进一步：深度神经网络方法
本章小结
复习与思考
第11章 人工智能在电气自动化领域的应用
11.1 风力发电技术概述
11.2 风电机组故障诊断技术
11.2.1 风电机组故障诊断的检测信号
11.2.2 风电机组机械故障诊断的分析方法
11.2.3 风电机组机械故障诊断的发展趋势
11.3 风电机组轴承故障机理特性分析
11.3.1 轴承部件结构
11.3.2 轴承部件失效分析
11.3.3 轴承部件故障信号特征
11.4 基于卷积神经网络的风电机组轴承故障诊断
11.4.1 基于卷积神经网络的故障诊断流程
11.4.2 相关案例与结果分析
本章小结
复习与思考
第12章 人工智能在机器人技术中的应用
12.1 智能机器人概述
12.2 智能机器人体系结构
12.2.1 经典智能机器人体系结构
12.2.2 过渡与融合型体系结构
12.2.3 现代智能机器人体系结构
12.3 智能机器人关键技术
12.3.1 机器人视觉
12.3.2 机器人规划
12.3.3 机器人定位与导航
12.4 智能机器人应用
12.4.1 工业机器人
12.4.2 医疗机器人
12.4.3 教育机器人
12.4.4 军用机器人
12.5 智能机器人发展趋势
12.5.1 深度智能化
12.5.2 感知一体化
12.5.3 通信高效化
12.5.4 具身智能生态化
本章小结
复习与思考
第13章 人工智能在纺织行业的应用
13.1 人工智能的发展与含义
13.1.1 人工智能与智能增强
13.1.2 第三次人工智能爆发的原因
13.1.3 什么是人工智能
13.2 深度学习与机器学习、人工智能
13.3 深度学习模型
13.3.1 CNN
13.3.2 RNN
13.3.3 VAE
13.3.4 GAN
13.3.5 Transformer
13.3.6 Diffusion
13.4 AI设计软件
13.4.1 AI设计软件与设计
13.4.2 AI设计软件支撑技术
13.4.3 国内外AI设计工具
13.4.4 AI设计软件助力灵感生成
13.5 纺织行业知识图谱的相关技术
13.5.1 纺织行业知识图谱的特点
13.5.2 纺织行业知识图谱的相关技术
本章小结
复习与思考
第14章 人工智能在测绘地理信息领域的应用
14.1 人工智能赋能测绘地理信息发展
14.1.1 测绘地理信息概述
14.1.2 遥感图像智能解译
14.1.3 智能制图与智能地图服务
14.1.4 地理大数据与空间智能体
14.1.5 地学大模型与地学知识图谱
14.1.6 数字孪生建模与智慧城市
14.2 应用案例1：基于深度学习的遥感影像道路提取
14.2.1 影像数据预处理
14.2.2 基于U-Net道路提取网络模型
14.2.3 模型训练结果评估
14.2.4 道路提取应用
14.3 应用案例2：基于大模型的城市桥梁三维建模
14.3.1 桥梁模型简化与参数提取
14.3.2 利用大模型生成初步桥梁建模CGA代码
14.3.3 通过交互迭代优化桥梁建模CGA代码
14.3.4 桥梁三维建模实践
14.4 应用案例3：融合本地知识库的GIS专业课学习大模型应用
14.4.1 支撑技术及软件介绍
14.4.2 专业课学习大模型的实现
本章小结
复习与思考
参考文献
前辅文
第一部分 人工智能基础篇
第0章 绪论：人工智能基础
0.1 机器学习基础
0.1.1 机器学习的定义
0.1.2 机器学习的类别
0.2 朴素贝叶斯算法
0.2.1 贝叶斯定理
0.2.2 朴素贝叶斯算法
0.2.3 朴素贝叶斯算法的历史与发展
0.2.4 朴素贝叶斯算法的应用
0.2.5 朴素贝叶斯算法的性能评估
0.3 回归模型
0.3.1 回归模型
0.3.2 回归算法的选择
0.3.3 回归模型的评估指标
0.3.4 回归问题的挑战
0.3.5 回归问题的解决方案
0.4 人工神经网络
0.4.1 定义与基本原理
0.4.2 特点与优势
0.4.3 研究意义与前景
0.5 卷积神经网络
0.5.1 定义与基本原理
0.5.2 特点与优势
0.5.3 经典模型简介与发展历程
0.5.4 研究意义与未来前景
0.6 大语言模型
0.6.1 Transformer架构
0.6.2 模型能力与行为特征
0.6.3 应用场景与局限性
0.6.4 发展趋势与前沿探索
本章小结
复习与思考
第1章 基于贝叶斯算法的垃圾邮件判定
1.1 垃圾邮件的历史渊源和问题背景
1.2 贝叶斯垃圾邮件过滤的原理与发展
1.3 条件概率与贝叶斯分类基础
1.3.1 条件概率与贝叶斯定理回顾
1.3.2 朴素贝叶斯算法及其简化假设
1.4 邮件文本的特征工程与数据预处理
1.4.1 典型数据集
1.4.2 文本向量化方法
1.5 贝叶斯垃圾邮件分类过程
1.5.1 数据准备
1.5.2 特征提取
1.5.3 模型训练与评估
1.5.4 预测接口设计
本章小结
复习与思考
第2章 回归分析在植物分类中的应用
2.1 问题背景
2.2 多元线性回归模型
2.2.1 多元回归模型的重要性
2.2.2 共线性
2.2.3 异方差诊断
2.2.4 影响鸢尾花花瓣长度的因素分析
2.3 岭回归
2.3.1 岭回归的原理
2.3.2 岭回归与机器学习的关系
2.3.3 采用岭回归对鸢尾花花瓣长度进行分析
本章小结
复习与思考
第3章 物理信息神经网络的原理与应用
3.1 物理信息AI的动机
3.1.1 背景与动机
3.1.2 数据与物理的范式协同
3.1.3 PINN与传统数值求解器的对比
3.2 PINN的基本原理
3.2.1 PINN的核心思想
3.2.2 PINN的实施步骤
3.2.3 PINN的优化策略
3.3 案例一：用常微分方程建模动力学系统
3.3.1 问题：阻尼谐振子
3.3.2 PINN实现步骤
3.3.3 实现与分析
3.4 案例二：用偏微分方程建模热传导
3.4.1 问题：二维热传导
3.4.2 构建PINN
3.4.3 实现与分析
本章小结
复习与思考
第4章 知识图谱
4.1 知识图谱
4.1.1 什么是知识图谱
4.1.2 知识图谱的表示
4.1.3 知识图谱的应用
4.2 国内外典型知识图谱项目
4.2.1 早期的知识库项目
4.2.2 互联网时代的知识图谱
4.2.3 中文开放知识图谱
4.2.4 垂直领域知识图谱
本章小结
复习与思考
第二部分 人工智能应用篇
第5章 人工智能在有机合成中的应用
5.1 有机合成的数智化转型
5.1.1 传统有机合成的原理及方法
5.1.2 人工智能推动有机合成发展
5.2 人工智能与有机化学交叉融合基础
5.2.1 人工智能学习的“燃料库”——数据集
5.2.2 让计算机“读懂”分子的语言——分子描述符
5.2.3 驱动智能计算的“引擎”——算法
5.3 人工智能驱动分子智造
5.3.1 化学反应预测
5.3.2 分子从头设计
5.3.3 逆合成分析
5.3.4 智能合成机器
5.4 人工智能赋能化学合成的未来
5.4.1 未来发展趋势
5.4.2 新范式新挑战
5.4.3 长期发展目标
本章小结
复习与思考
第6章 人工智能在水污染治理方面的应用
6.1 引言
6.1.1 水污染治理现状
6.1.2 当前技术体系的瓶颈与智能化转型压力
6.1.3 人工智能在环境领域的兴起与交叉融合趋势
6.2 人工智能技术体系及其环境适应性特征
6.2.1 主流人工智能算法在水污染治理中的特征比较
6.2.2 不同模型在水污染控制任务中的优劣分析
6.3 人工智能在水污染治理各环节的典型应用
6.3.1 智能化水质监测系统
6.3.2 污染物识别与溯源技术
6.3.3 污水处理过程的运行优化与智能调控
6.3.4 风险预警与决策支持
6.4 发展瓶颈与未来构建方向
6.4.1 模型可解释性与环境政策决策透明度问题
6.4.2 数据获取难、系统可移植性差等现实挑战
6.4.3 环境友好型人工智能的能耗与资源约束
6.4.4 构建低碳、低门槛、可推广的智能治理体系
本章小结
复习与思考
第7章 人工智能在集成电路领域的应用
7.1 大语言模型在RTL设计中的应用原理
7.1.1 数字集成电路设计流程概述
7.1.2 RTL的作用与特点
7.1.3 大语言模型概述与代码生成能力
7.1.4 数字电路设计中的Verilog基础
7.1.5 从自然语言到Verilog的生成流程
7.2 大语言模型生成Verilog实战案例
7.2.1 软件的安装
7.2.2 初始化大模型
7.2.3 编写运行Verilog代码的工具
7.2.4 为大语言模型输入提示词
7.2.5 迭代反馈
7.2.6 效果评估
7.2.7 总结启示
7.3 人工神经网络的基本概念
7.3.1 神经元：人工神经网络的基本单元
7.3.2 人工神经网络的层级结构
7.3.3 人工神经网络的工作原理：前向传播与反向传播
7.3.4 人工神经网络的核心特点与优势
7.4 微通道散热器参数的自动设计——基于ANN的实战案例
7.4.1 软件的安装
7.4.2 训练数据集的收集及处理
7.4.3 人工神经网络的构建
7.4.4 模型的训练及评估
7.4.5 智能寻优算法
7.4.6 散热器结构的智能优化
7.4.7 Pareto解集
本章小结
复习与思考
第8章 人工智能在自动驾驶方面的应用
8.1 自动驾驶BEV感知概述
8.2 自动驾驶BEV感知技术
8.2.1 BEV如何反映特征空间
8.2.2 透视与逆透视效应
8.2.3 自动驾驶BEV技术的实现路径
8.3 视觉-语言-动作模型技术及其应用
8.3.1 架构与组成
8.3.2 核心框架
8.3.3 数据来源与训练策略
8.3.4 决策动作输出
8.4 视觉-语言-动作模型的应用
8.4.1 VLA在具身智能上的应用
8.4.2 VLA在智慧农业上的应用
8.4.3 VLA在移动智能体上的应用
本章小结
复习与思考
第9章 人工智能在智能生产方面的应用
9.1 传统涂胶技术的发展以及局限性
9.1.1 传统涂胶技术的发展
9.1.2 传统涂胶技术的局限性
9.2 AI辅助的智能涂胶方式：工业相机与AI的协同
9.2.1 工业相机的“视觉感知”角色
9.2.2 AI算法的“决策优化”功能
9.2.3 智能涂胶对传统方式的突破
9.3 案例实训：传统与智能涂胶的对比实践
9.3.1 实训目标与准备
9.3.2 传统涂胶实操
9.3.3 人工智能涂胶实操
9.3.4 数据对比与总结
本章小结
复习与思考
第10章 人工智能在通信工程方面的应用
10.1 调制
10.1.1 模拟通信系统
10.1.2 数字通信系统
10.1.3 基本调制方式
10.2 传统调制方式识别
10.2.1 人工识别
10.2.2 似然函数方法
10.2.3 特征提取方法
10.3 神经网络识别方法
10.3.1 从简单开始：多层感知机方法
10.3.2 更进一步：深度神经网络方法
本章小结
复习与思考
第11章 人工智能在电气自动化领域的应用
11.1 风力发电技术概述
11.2 风电机组故障诊断技术
11.2.1 风电机组故障诊断的检测信号
11.2.2 风电机组机械故障诊断的分析方法
11.2.3 风电机组机械故障诊断的发展趋势
11.3 风电机组轴承故障机理特性分析
11.3.1 轴承部件结构
11.3.2 轴承部件失效分析
11.3.3 轴承部件故障信号特征
11.4 基于卷积神经网络的风电机组轴承故障诊断
11.4.1 基于卷积神经网络的故障诊断流程
11.4.2 相关案例与结果分析
本章小结
复习与思考
第12章 人工智能在机器人技术中的应用
12.1 智能机器人概述
12.2 智能机器人体系结构
12.2.1 经典智能机器人体系结构
12.2.2 过渡与融合型体系结构
12.2.3 现代智能机器人体系结构
12.3 智能机器人关键技术
12.3.1 机器人视觉
12.3.2 机器人规划
12.3.3 机器人定位与导航
12.4 智能机器人应用
12.4.1 工业机器人
12.4.2 医疗机器人
12.4.3 教育机器人
12.4.4 军用机器人
12.5 智能机器人发展趋势
12.5.1 深度智能化
12.5.2 感知一体化
12.5.3 通信高效化
12.5.4 具身智能生态化
本章小结
复习与思考
第13章 人工智能在纺织行业的应用
13.1 人工智能的发展与含义
13.1.1 人工智能与智能增强
13.1.2 第三次人工智能爆发的原因
13.1.3 什么是人工智能
13.2 深度学习与机器学习、人工智能
13.3 深度学习模型
13.3.1 CNN
13.3.2 RNN
13.3.3 VAE
13.3.4 GAN
13.3.5 Transformer
13.3.6 Diffusion
13.4 AI设计软件
13.4.1 AI设计软件与设计
13.4.2 AI设计软件支撑技术
13.4.3 国内外AI设计工具
13.4.4 AI设计软件助力灵感生成
13.5 纺织行业知识图谱的相关技术
13.5.1 纺织行业知识图谱的特点
13.5.2 纺织行业知识图谱的相关技术
本章小结
复习与思考
第14章 人工智能在测绘地理信息领域的应用
14.1 人工智能赋能测绘地理信息发展
14.1.1 测绘地理信息概述
14.1.2 遥感图像智能解译
14.1.3 智能制图与智能地图服务
14.1.4 地理大数据与空间智能体
14.1.5 地学大模型与地学知识图谱
14.1.6 数字孪生建模与智慧城市
14.2 应用案例1：基于深度学习的遥感影像道路提取
14.2.1 影像数据预处理
14.2.2 基于U-Net道路提取网络模型
14.2.3 模型训练结果评估
14.2.4 道路提取应用
14.3 应用案例2：基于大模型的城市桥梁三维建模
14.3.1 桥梁模型简化与参数提取
14.3.2 利用大模型生成初步桥梁建模CGA代码
14.3.3 通过交互迭代优化桥梁建模CGA代码
14.3.4 桥梁三维建模实践
14.4 应用案例3：融合本地知识库的GIS专业课学习大模型应用
14.4.1 支撑技术及软件介绍
14.4.2 专业课学习大模型的实现
本章小结
复习与思考
参考文献
前辅文
第一部分 人工智能基础篇
第0章 绪论：人工智能基础
0.1 机器学习基础
0.1.1 机器学习的定义
0.1.2 机器学习的类别
0.2 朴素贝叶斯算法
0.2.1 贝叶斯定理
0.2.2 朴素贝叶斯算法
0.2.3 朴素贝叶斯算法的历史与发展
0.2.4 朴素贝叶斯算法的应用
0.2.5 朴素贝叶斯算法的性能评估
0.3 回归模型
0.3.1 回归模型
0.3.2 回归算法的选择
0.3.3 回归模型的评估指标
0.3.4 回归问题的挑战
0.3.5 回归问题的解决方案
0.4 人工神经网络
0.4.1 定义与基本原理
0.4.2 特点与优势
0.4.3 研究意义与前景
0.5 卷积神经网络
0.5.1 定义与基本原理
0.5.2 特点与优势
0.5.3 经典模型简介与发展历程
0.5.4 研究意义与未来前景
0.6 大语言模型
0.6.1 Transformer架构
0.6.2 模型能力与行为特征
0.6.3 应用场景与局限性
0.6.4 发展趋势与前沿探索
本章小结
复习与思考
第1章 基于贝叶斯算法的垃圾邮件判定
1.1 垃圾邮件的历史渊源和问题背景
1.2 贝叶斯垃圾邮件过滤的原理与发展
1.3 条件概率与贝叶斯分类基础
1.3.1 条件概率与贝叶斯定理回顾
1.3.2 朴素贝叶斯算法及其简化假设
1.4 邮件文本的特征工程与数据预处理
1.4.1 典型数据集
1.4.2 文本向量化方法
1.5 贝叶斯垃圾邮件分类过程
1.5.1 数据准备
1.5.2 特征提取
1.5.3 模型训练与评估
1.5.4 预测接口设计
本章小结
复习与思考
第2章 回归分析在植物分类中的应用
2.1 问题背景
2.2 多元线性回归模型
2.2.1 多元回归模型的重要性
2.2.2 共线性
2.2.3 异方差诊断
2.2.4 影响鸢尾花花瓣长度的因素分析
2.3 岭回归
2.3.1 岭回归的原理
2.3.2 岭回归与机器学习的关系
2.3.3 采用岭回归对鸢尾花花瓣长度进行分析
本章小结
复习与思考
第3章 物理信息神经网络的原理与应用
3.1 物理信息AI的动机
3.1.1 背景与动机
3.1.2 数据与物理的范式协同
3.1.3 PINN与传统数值求解器的对比
3.2 PINN的基本原理
3.2.1 PINN的核心思想
3.2.2 PINN的实施步骤
3.2.3 PINN的优化策略
3.3 案例一：用常微分方程建模动力学系统
3.3.1 问题：阻尼谐振子
3.3.2 PINN实现步骤
3.3.3 实现与分析
3.4 案例二：用偏微分方程建模热传导
3.4.1 问题：二维热传导
3.4.2 构建PINN
3.4.3 实现与分析
本章小结
复习与思考
第4章 知识图谱
4.1 知识图谱
4.1.1 什么是知识图谱
4.1.2 知识图谱的表示
4.1.3 知识图谱的应用
4.2 国内外典型知识图谱项目
4.2.1 早期的知识库项目
4.2.2 互联网时代的知识图谱
4.2.3 中文开放知识图谱
4.2.4 垂直领域知识图谱
本章小结
复习与思考
第二部分 人工智能应用篇
第5章 人工智能在有机合成中的应用
5.1 有机合成的数智化转型
5.1.1 传统有机合成的原理及方法
5.1.2 人工智能推动有机合成发展
5.2 人工智能与有机化学交叉融合基础
5.2.1 人工智能学习的“燃料库”——数据集
5.2.2 让计算机“读懂”分子的语言——分子描述符
5.2.3 驱动智能计算的“引擎”——算法
5.3 人工智能驱动分子智造
5.3.1 化学反应预测
5.3.2 分子从头设计
5.3.3 逆合成分析
5.3.4 智能合成机器
5.4 人工智能赋能化学合成的未来
5.4.1 未来发展趋势
5.4.2 新范式新挑战
5.4.3 长期发展目标
本章小结
复习与思考
第6章 人工智能在水污染治理方面的应用
6.1 引言
6.1.1 水污染治理现状
6.1.2 当前技术体系的瓶颈与智能化转型压力
6.1.3 人工智能在环境领域的兴起与交叉融合趋势
6.2 人工智能技术体系及其环境适应性特征
6.2.1 主流人工智能算法在水污染治理中的特征比较
6.2.2 不同模型在水污染控制任务中的优劣分析
6.3 人工智能在水污染治理各环节的典型应用
6.3.1 智能化水质监测系统
6.3.2 污染物识别与溯源技术
6.3.3 污水处理过程的运行优化与智能调控
6.3.4 风险预警与决策支持
6.4 发展瓶颈与未来构建方向
6.4.1 模型可解释性与环境政策决策透明度问题
6.4.2 数据获取难、系统可移植性差等现实挑战
6.4.3 环境友好型人工智能的能耗与资源约束
6.4.4 构建低碳、低门槛、可推广的智能治理体系
本章小结
复习与思考
第7章 人工智能在集成电路领域的应用
7.1 大语言模型在RTL设计中的应用原理
7.1.1 数字集成电路设计流程概述
7.1.2 RTL的作用与特点
7.1.3 大语言模型概述与代码生成能力
7.1.4 数字电路设计中的Verilog基础
7.1.5 从自然语言到Verilog的生成流程
7.2 大语言模型生成Verilog实战案例
7.2.1 软件的安装
7.2.2 初始化大模型
7.2.3 编写运行Verilog代码的工具
7.2.4 为大语言模型输入提示词
7.2.5 迭代反馈
7.2.6 效果评估
7.2.7 总结启示
7.3 人工神经网络的基本概念
7.3.1 神经元：人工神经网络的基本单元
7.3.2 人工神经网络的层级结构
7.3.3 人工神经网络的工作原理：前向传播与反向传播
7.3.4 人工神经网络的核心特点与优势
7.4 微通道散热器参数的自动设计——基于ANN的实战案例
7.4.1 软件的安装
7.4.2 训练数据集的收集及处理
7.4.3 人工神经网络的构建
7.4.4 模型的训练及评估
7.4.5 智能寻优算法
7.4.6 散热器结构的智能优化
7.4.7 Pareto解集
本章小结
复习与思考
第8章 人工智能在自动驾驶方面的应用
8.1 自动驾驶BEV感知概述
8.2 自动驾驶BEV感知技术
8.2.1 BEV如何反映特征空间
8.2.2 透视与逆透视效应
8.2.3 自动驾驶BEV技术的实现路径
8.3 视觉-语言-动作模型技术及其应用
8.3.1 架构与组成
8.3.2 核心框架
8.3.3 数据来源与训练策略
8.3.4 决策动作输出
8.4 视觉-语言-动作模型的应用
8.4.1 VLA在具身智能上的应用
8.4.2 VLA在智慧农业上的应用
8.4.3 VLA在移动智能体上的应用
本章小结
复习与思考
第9章 人工智能在智能生产方面的应用
9.1 传统涂胶技术的发展以及局限性
9.1.1 传统涂胶技术的发展
9.1.2 传统涂胶技术的局限性
9.2 AI辅助的智能涂胶方式：工业相机与AI的协同
9.2.1 工业相机的“视觉感知”角色
9.2.2 AI算法的“决策优化”功能
9.2.3 智能涂胶对传统方式的突破
9.3 案例实训：传统与智能涂胶的对比实践
9.3.1 实训目标与准备
9.3.2 传统涂胶实操
9.3.3 人工智能涂胶实操
9.3.4 数据对比与总结
本章小结
复习与思考
第10章 人工智能在通信工程方面的应用
10.1 调制
10.1.1 模拟通信系统
10.1.2 数字通信系统
10.1.3 基本调制方式
10.2 传统调制方式识别
10.2.1 人工识别
10.2.2 似然函数方法
10.2.3 特征提取方法
10.3 神经网络识别方法
10.3.1 从简单开始：多层感知机方法
10.3.2 更进一步：深度神经网络方法
本章小结
复习与思考
第11章 人工智能在电气自动化领域的应用
11.1 风力发电技术概述
11.2 风电机组故障诊断技术
11.2.1 风电机组故障诊断的检测信号
11.2.2 风电机组机械故障诊断的分析方法
11.2.3 风电机组机械故障诊断的发展趋势
11.3 风电机组轴承故障机理特性分析
11.3.1 轴承部件结构
11.3.2 轴承部件失效分析
11.3.3 轴承部件故障信号特征
11.4 基于卷积神经网络的风电机组轴承故障诊断
11.4.1 基于卷积神经网络的故障诊断流程
11.4.2 相关案例与结果分析
本章小结
复习与思考
第12章 人工智能在机器人技术中的应用
12.1 智能机器人概述
12.2 智能机器人体系结构
12.2.1 经典智能机器人体系结构
12.2.2 过渡与融合型体系结构
12.2.3 现代智能机器人体系结构
12.3 智能机器人关键技术
12.3.1 机器人视觉
12.3.2 机器人规划
12.3.3 机器人定位与导航
12.4 智能机器人应用
12.4.1 工业机器人
12.4.2 医疗机器人
12.4.3 教育机器人
12.4.4 军用机器人
12.5 智能机器人发展趋势
12.5.1 深度智能化
12.5.2 感知一体化
12.5.3 通信高效化
12.5.4 具身智能生态化
本章小结
复习与思考
第13章 人工智能在纺织行业的应用
13.1 人工智能的发展与含义
13.1.1 人工智能与智能增强
13.1.2 第三次人工智能爆发的原因
13.1.3 什么是人工智能
13.2 深度学习与机器学习、人工智能
13.3 深度学习模型
13.3.1 CNN
13.3.2 RNN
13.3.3 VAE
13.3.4 GAN
13.3.5 Transformer
13.3.6 Diffusion
13.4 AI设计软件
13.4.1 AI设计软件与设计
13.4.2 AI设计软件支撑技术
13.4.3 国内外AI设计工具
13.4.4 AI设计软件助力灵感生成
13.5 纺织行业知识图谱的相关技术
13.5.1 纺织行业知识图谱的特点
13.5.2 纺织行业知识图谱的相关技术
本章小结
复习与思考
第14章 人工智能在测绘地理信息领域的应用
14.1 人工智能赋能测绘地理信息发展
14.1.1 测绘地理信息概述
14.1.2 遥感图像智能解译
14.1.3 智能制图与智能地图服务
14.1.4 地理大数据与空间智能体
14.1.5 地学大模型与地学知识图谱
14.1.6 数字孪生建模与智慧城市
14.2 应用案例1：基于深度学习的遥感影像道路提取
14.2.1 影像数据预处理
14.2.2 基于U-Net道路提取网络模型
14.2.3 模型训练结果评估
14.2.4 道路提取应用
14.3 应用案例2：基于大模型的城市桥梁三维建模
14.3.1 桥梁模型简化与参数提取
14.3.2 利用大模型生成初步桥梁建模CGA代码
14.3.3 通过交互迭代优化桥梁建模CGA代码
14.3.4 桥梁三维建模实践
14.4 应用案例3：融合本地知识库的GIS专业课学习大模型应用
14.4.1 支撑技术及软件介绍
14.4.2 专业课学习大模型的实现
本章小结
复习与思考
参考文献
