- 高等教育出版社
- 9787040676846
- 1版
- 16开
内容简介
本书全面介绍了环境人工智能的基本定义、实施流程及应用场景。全书共8章，第1—2章内容为绪论和环境人工智能应用基本流程，旨在建立环境人工智能知识架构，明晰环境人工智能应用的具体实施技术路径；第3—7章分别围绕集成学习、人工神经网络、计算机视觉、大语言模型、强化学习等核心模型算法，辅以环境案例实战模块，进行知识与实践案例的系统介绍；第8章为环境人工智能前沿展望，介绍人工智能在环境领域应用的技术前沿与发展方向。本书强调“学以致用，活学活用”理念，注重人工智能知识与环境实践案例的结合，通过理论与实践相融合，使学生快速掌握应用人工智能技术解决环境领域问题的基本思路，拓展科学视野，培养交叉创新精神。同时，注重知识表述的通俗易懂，相较于传统人工智能/计算机科学专业教材，适当精简数学基础相关内容，降低环境专业学生理解门槛。
本书的适用对象广泛，可作为高等学校环境相关专业“环境人工智能基础与应用”通识课程或“环境人工智能导论”课程的教材，也可供对环境人工智能技术感兴趣的广大科研工作者阅读，为环境相关专业本科生、研究生开展人工智能交叉研究与应用工作提供参考。
目录
目录
前辅文
第一章 绪论
第一节 环境人工智能的定义与特征
一、环境人工智能的定义
二、环境人工智能的特征
第二节 环境人工智能研究与应用的基本内容
一、环境人工智能研究的基本内容
二、环境人工智能的主要应用领域
第三节 环境人工智能思维培养
参考书目
第二章 环境人工智能应用基本流程
第一节 环境问题与学习任务
第二节 数据收集与预处理
一、环境数据类型与来源
二、数据预处理
三、特征表示与选择
第三节 模型开发
一、算法选择
二、模型训练
三、超参数调优
四、模型性能评价
第四节 模型应用
一、模型推理
二、模型解释
三、模型部署
第五节 Python安装与快速入门
一、Python与Anaconda安装
二、虚拟环境搭建与管理
三、Spyder基础教程
四、Python语言快速入门
参考书目
第三章 集成学习快速入门与环境应用
第一节 集成学习在环境领域的适用范围
第二节 决策树基础知识
一、决策树的基本概念
二、二叉树的数学本质
三、二叉树的分裂准则
四、从决策树到集成学习
第三节 装袋法-随机森林
一、随机森林基础知识
二、随机森林的不足与未来拓展方向
第四节 提升法
一、自适应提升法
二、回归提升法
三、梯度提升法
四、随机梯度提升法
五、极端梯度提升法
六、XGBoost的不足与未来拓展方向
第五节 集成学习的环境实战案例
一、案例介绍
二、数据预处理与特征选择
三、集成学习模型构建与应用
四、集成学习算法实战练习
参考书目
第四章 人工神经网络快速入门与环境应用
第一节 人工神经网络在环境领域的适用范围
第二节 人工神经网络
一、人工神经网络基本结构
二、神经网络的训练与学习
三、人工神经网络的不足与未来拓展方向
第三节 循环神经网络-长短期记忆网络
一、长短期记忆神经网络基础知识
二、长短期记忆神经网络的不足与未来拓展方向
第四节 人工神经网络的环境实战案例
一、多层感知机环境实战案例
二、长短期记忆神经网络环境实战案例
参考书目
第五章 计算机视觉快速入门与环境应用
第一节 计算机视觉及其在环境领域的适用范围
一、计算机视觉的核心任务与实现方法
二、计算机视觉在环境领域的应用
第二节 卷积神经网络
一、卷积神经网络的构成
二、卷积神经网络的训练
三、几种流行的卷积神经网络
第三节 计算机视觉的不足与未来发展方向
一、现有不足与挑战
二、未来发展方向
第四节 计算机视觉的环境实战案例
一、港口水域污染监测
二、电子垃圾实时分类
参考书目
第六章 大语言模型快速入门与环境应用
第一节 大语言模型在环境领域的适用范围
第二节 大语言模型基础知识
一、大语言模型的基本原理
二、Transformer模型架构
第三节 主流大语言模型介绍与应用
一、主流大语言模型介绍
二、基于API调用的大语言模型应用
第四节 大语言模型不足与展望
一、大语言模型面临的挑战
二、未来展望与潜在应用
第五节 大语言模型的实战案例
一、主流大模型工具直接应用案例
二、基于API调用的大模型环境实战案例
参考书目
第七章 强化学习快速入门与环境应用
第一节 强化学习在环境领域的适用范围
第二节 强化学习基础知识
一、强化学习的基本概念
二、马尔可夫决策过程与环境建模
三、强化学习主流算法
第三节 强化学习的不足与未来发展方向
第四节 强化学习的环境实战案例
一、案例介绍
二、模型构建
三、不同模型架构的性能对比
四、模型应用与效果评价
五、挑战测试与鲁棒性评估
参考书目
第八章 环境人工智能前沿展望
第一节 物理信息融合机器学习
第二节 多模态神经网络模型
第三节 环境智能机器人
第四节 大模型与环境智能决策
第五节 环境人工智能的伦理与治理
参考书目
前辅文
第一章 绪论
第一节 环境人工智能的定义与特征
一、环境人工智能的定义
二、环境人工智能的特征
第二节 环境人工智能研究与应用的基本内容
一、环境人工智能研究的基本内容
二、环境人工智能的主要应用领域
第三节 环境人工智能思维培养
参考书目
第二章 环境人工智能应用基本流程
第一节 环境问题与学习任务
第二节 数据收集与预处理
一、环境数据类型与来源
二、数据预处理
三、特征表示与选择
第三节 模型开发
一、算法选择
二、模型训练
三、超参数调优
四、模型性能评价
第四节 模型应用
一、模型推理
二、模型解释
三、模型部署
第五节 Python安装与快速入门
一、Python与Anaconda安装
二、虚拟环境搭建与管理
三、Spyder基础教程
四、Python语言快速入门
参考书目
第三章 集成学习快速入门与环境应用
第一节 集成学习在环境领域的适用范围
第二节 决策树基础知识
一、决策树的基本概念
二、二叉树的数学本质
三、二叉树的分裂准则
四、从决策树到集成学习
第三节 装袋法-随机森林
一、随机森林基础知识
二、随机森林的不足与未来拓展方向
第四节 提升法
一、自适应提升法
二、回归提升法
三、梯度提升法
四、随机梯度提升法
五、极端梯度提升法
六、XGBoost的不足与未来拓展方向
第五节 集成学习的环境实战案例
一、案例介绍
二、数据预处理与特征选择
三、集成学习模型构建与应用
四、集成学习算法实战练习
参考书目
第四章 人工神经网络快速入门与环境应用
第一节 人工神经网络在环境领域的适用范围
第二节 人工神经网络
一、人工神经网络基本结构
二、神经网络的训练与学习
三、人工神经网络的不足与未来拓展方向
第三节 循环神经网络-长短期记忆网络
一、长短期记忆神经网络基础知识
二、长短期记忆神经网络的不足与未来拓展方向
第四节 人工神经网络的环境实战案例
一、多层感知机环境实战案例
二、长短期记忆神经网络环境实战案例
参考书目
第五章 计算机视觉快速入门与环境应用
第一节 计算机视觉及其在环境领域的适用范围
一、计算机视觉的核心任务与实现方法
二、计算机视觉在环境领域的应用
第二节 卷积神经网络
一、卷积神经网络的构成
二、卷积神经网络的训练
三、几种流行的卷积神经网络
第三节 计算机视觉的不足与未来发展方向
一、现有不足与挑战
二、未来发展方向
第四节 计算机视觉的环境实战案例
一、港口水域污染监测
二、电子垃圾实时分类
参考书目
第六章 大语言模型快速入门与环境应用
第一节 大语言模型在环境领域的适用范围
第二节 大语言模型基础知识
一、大语言模型的基本原理
二、Transformer模型架构
第三节 主流大语言模型介绍与应用
一、主流大语言模型介绍
二、基于API调用的大语言模型应用
第四节 大语言模型不足与展望
一、大语言模型面临的挑战
二、未来展望与潜在应用
第五节 大语言模型的实战案例
一、主流大模型工具直接应用案例
二、基于API调用的大模型环境实战案例
参考书目
第七章 强化学习快速入门与环境应用
第一节 强化学习在环境领域的适用范围
第二节 强化学习基础知识
一、强化学习的基本概念
二、马尔可夫决策过程与环境建模
三、强化学习主流算法
第三节 强化学习的不足与未来发展方向
第四节 强化学习的环境实战案例
一、案例介绍
二、模型构建
三、不同模型架构的性能对比
四、模型应用与效果评价
五、挑战测试与鲁棒性评估
参考书目
第八章 环境人工智能前沿展望
第一节 物理信息融合机器学习
第二节 多模态神经网络模型
第三节 环境智能机器人
第四节 大模型与环境智能决策
第五节 环境人工智能的伦理与治理
参考书目
前辅文
第一章 绪论
第一节 环境人工智能的定义与特征
一、环境人工智能的定义
二、环境人工智能的特征
第二节 环境人工智能研究与应用的基本内容
一、环境人工智能研究的基本内容
二、环境人工智能的主要应用领域
第三节 环境人工智能思维培养
参考书目
第二章 环境人工智能应用基本流程
第一节 环境问题与学习任务
第二节 数据收集与预处理
一、环境数据类型与来源
二、数据预处理
三、特征表示与选择
第三节 模型开发
一、算法选择
二、模型训练
三、超参数调优
四、模型性能评价
第四节 模型应用
一、模型推理
二、模型解释
三、模型部署
第五节 Python安装与快速入门
一、Python与Anaconda安装
二、虚拟环境搭建与管理
三、Spyder基础教程
四、Python语言快速入门
参考书目
第三章 集成学习快速入门与环境应用
第一节 集成学习在环境领域的适用范围
第二节 决策树基础知识
一、决策树的基本概念
二、二叉树的数学本质
三、二叉树的分裂准则
四、从决策树到集成学习
第三节 装袋法-随机森林
一、随机森林基础知识
二、随机森林的不足与未来拓展方向
第四节 提升法
一、自适应提升法
二、回归提升法
三、梯度提升法
四、随机梯度提升法
五、极端梯度提升法
六、XGBoost的不足与未来拓展方向
第五节 集成学习的环境实战案例
一、案例介绍
二、数据预处理与特征选择
三、集成学习模型构建与应用
四、集成学习算法实战练习
参考书目
第四章 人工神经网络快速入门与环境应用
第一节 人工神经网络在环境领域的适用范围
第二节 人工神经网络
一、人工神经网络基本结构
二、神经网络的训练与学习
三、人工神经网络的不足与未来拓展方向
第三节 循环神经网络-长短期记忆网络
一、长短期记忆神经网络基础知识
二、长短期记忆神经网络的不足与未来拓展方向
第四节 人工神经网络的环境实战案例
一、多层感知机环境实战案例
二、长短期记忆神经网络环境实战案例
参考书目
第五章 计算机视觉快速入门与环境应用
第一节 计算机视觉及其在环境领域的适用范围
一、计算机视觉的核心任务与实现方法
二、计算机视觉在环境领域的应用
第二节 卷积神经网络
一、卷积神经网络的构成
二、卷积神经网络的训练
三、几种流行的卷积神经网络
第三节 计算机视觉的不足与未来发展方向
一、现有不足与挑战
二、未来发展方向
第四节 计算机视觉的环境实战案例
一、港口水域污染监测
二、电子垃圾实时分类
参考书目
第六章 大语言模型快速入门与环境应用
第一节 大语言模型在环境领域的适用范围
第二节 大语言模型基础知识
一、大语言模型的基本原理
二、Transformer模型架构
第三节 主流大语言模型介绍与应用
一、主流大语言模型介绍
二、基于API调用的大语言模型应用
第四节 大语言模型不足与展望
一、大语言模型面临的挑战
二、未来展望与潜在应用
第五节 大语言模型的实战案例
一、主流大模型工具直接应用案例
二、基于API调用的大模型环境实战案例
参考书目
第七章 强化学习快速入门与环境应用
第一节 强化学习在环境领域的适用范围
第二节 强化学习基础知识
一、强化学习的基本概念
二、马尔可夫决策过程与环境建模
三、强化学习主流算法
第三节 强化学习的不足与未来发展方向
第四节 强化学习的环境实战案例
一、案例介绍
二、模型构建
三、不同模型架构的性能对比
四、模型应用与效果评价
五、挑战测试与鲁棒性评估
参考书目
第八章 环境人工智能前沿展望
第一节 物理信息融合机器学习
第二节 多模态神经网络模型
第三节 环境智能机器人
第四节 大模型与环境智能决策
第五节 环境人工智能的伦理与治理
参考书目
前辅文
第一章 绪论
第一节 环境人工智能的定义与特征
一、环境人工智能的定义
二、环境人工智能的特征
第二节 环境人工智能研究与应用的基本内容
一、环境人工智能研究的基本内容
二、环境人工智能的主要应用领域
第三节 环境人工智能思维培养
参考书目
第二章 环境人工智能应用基本流程
第一节 环境问题与学习任务
第二节 数据收集与预处理
一、环境数据类型与来源
二、数据预处理
三、特征表示与选择
第三节 模型开发
一、算法选择
二、模型训练
三、超参数调优
四、模型性能评价
第四节 模型应用
一、模型推理
二、模型解释
三、模型部署
第五节 Python安装与快速入门
一、Python与Anaconda安装
二、虚拟环境搭建与管理
三、Spyder基础教程
四、Python语言快速入门
参考书目
第三章 集成学习快速入门与环境应用
第一节 集成学习在环境领域的适用范围
第二节 决策树基础知识
一、决策树的基本概念
二、二叉树的数学本质
三、二叉树的分裂准则
四、从决策树到集成学习
第三节 装袋法-随机森林
一、随机森林基础知识
二、随机森林的不足与未来拓展方向
第四节 提升法
一、自适应提升法
二、回归提升法
三、梯度提升法
四、随机梯度提升法
五、极端梯度提升法
六、XGBoost的不足与未来拓展方向
第五节 集成学习的环境实战案例
一、案例介绍
二、数据预处理与特征选择
三、集成学习模型构建与应用
四、集成学习算法实战练习
参考书目
第四章 人工神经网络快速入门与环境应用
第一节 人工神经网络在环境领域的适用范围
第二节 人工神经网络
一、人工神经网络基本结构
二、神经网络的训练与学习
三、人工神经网络的不足与未来拓展方向
第三节 循环神经网络-长短期记忆网络
一、长短期记忆神经网络基础知识
二、长短期记忆神经网络的不足与未来拓展方向
第四节 人工神经网络的环境实战案例
一、多层感知机环境实战案例
二、长短期记忆神经网络环境实战案例
参考书目
第五章 计算机视觉快速入门与环境应用
第一节 计算机视觉及其在环境领域的适用范围
一、计算机视觉的核心任务与实现方法
二、计算机视觉在环境领域的应用
第二节 卷积神经网络
一、卷积神经网络的构成
二、卷积神经网络的训练
三、几种流行的卷积神经网络
第三节 计算机视觉的不足与未来发展方向
一、现有不足与挑战
二、未来发展方向
第四节 计算机视觉的环境实战案例
一、港口水域污染监测
二、电子垃圾实时分类
参考书目
第六章 大语言模型快速入门与环境应用
第一节 大语言模型在环境领域的适用范围
第二节 大语言模型基础知识
一、大语言模型的基本原理
二、Transformer模型架构
第三节 主流大语言模型介绍与应用
一、主流大语言模型介绍
二、基于API调用的大语言模型应用
第四节 大语言模型不足与展望
一、大语言模型面临的挑战
二、未来展望与潜在应用
第五节 大语言模型的实战案例
一、主流大模型工具直接应用案例
二、基于API调用的大模型环境实战案例
参考书目
第七章 强化学习快速入门与环境应用
第一节 强化学习在环境领域的适用范围
第二节 强化学习基础知识
一、强化学习的基本概念
二、马尔可夫决策过程与环境建模
三、强化学习主流算法
第三节 强化学习的不足与未来发展方向
第四节 强化学习的环境实战案例
一、案例介绍
二、模型构建
三、不同模型架构的性能对比
四、模型应用与效果评价
五、挑战测试与鲁棒性评估
参考书目
第八章 环境人工智能前沿展望
第一节 物理信息融合机器学习
第二节 多模态神经网络模型
第三节 环境智能机器人
第四节 大模型与环境智能决策
第五节 环境人工智能的伦理与治理
参考书目
