python智能算法,人工智能算法Python案例实战

章绪论1

1．1人工智能的起源与发展1

1．2人工智能的主要应用行业与领域2

1．3中国人工智能发展现状3

1．4Python与人工智能4

1．5构建Python人工智能编程环境5

第2章数据处理常用算法11

2．1傅里叶变换11

2．1．1傅里叶分析的由来11

2．1．2傅里叶变换原理与应用11

2．2卷积16

2．2．1数字信号处理与卷积运算16

2．2．2NumPy卷积函数20

2．2．3二维矩阵卷积计算21

2．2．4图像卷积应用示例22

章绪论1

1．1人工智能的起源与发展1

1．2人工智能的主要应用行业与领域2

1．3中国人工智能发展现状3

1．4Python与人工智能4

1．5构建Python人工智能编程环境5

第2章数据处理常用算法11

2．1傅里叶变换11

2．1．1傅里叶分析的由来11

2．1．2傅里叶变换原理与应用11

2．2卷积16

2．2．1数字信号处理与卷积运算16

2．2．2NumPy卷积函数20

2．2．3二维矩阵卷积计算21

2．2．4图像卷积应用示例22

2．3二分法求解23

2．4小二乘法曲线拟合25

2．4．1小二乘法的来历25

2．4．2小二乘法与曲线拟合25

2．5泰勒级数30

2．5．1泰勒公式30

2．5．2泰勒级数展开与多项式近似31

2．6差分法逼近微分34

2．6．1差分法简介34

2．6．2差分的不同形式及其代码实现35

2．7蒙特卡罗方法36

2．7．1蒙特卡罗方法原理37

2．7．2蒙特卡罗方法应用38

2．8梯度下降算法40

2．8．1方向导数与梯度41

2．8．2梯度下降42

2．8．3基于梯度下降算法的线性回归43

第3章图像识别与Python编程实践49

3．1图像识别发展简介49

3．2图像识别基本算法50

3．2．1边缘检测50

3．2．2角点检测64

3．2．3几何形状检测68

3．2．4尺度不变特征变换72

3．3OpenCV与视频图像处理74

3．3．1视频读写处理74

3．3．2运动轨迹标记76

3．3．3运动检测80

3．3．4运动方向检测85

3．4基于ImageAI的图像识别88

3．4．1图像预测88

3．4．2目标检测92

3．5人脸识别95

3．5．1基于Dlib的人脸识别95

3．5．2基于Face_recognition的人脸识别103

3．6TesseractOCR与文本智能识别108

3．6．1TesseractOCR的安装配置108

3．6．2基于Pytesseract的字符识别109

3．6．3条形码检测与识别110

3．7基于百度AI的智能图像识别115

3．7．1通用物体识别116

3．7．2车牌识别117

第4章语音识别与Python编程实践119

4．1语音识别简介119

4．1．1语音识别的起源与发展119

4．1．2语音识别的基本原理120

4．2语音识别PythonSDK121

4．2．1Microsoft语音识别框架SAPI121

4．2．2Speech123

4．2．3Python_Speech_Features124

4．2．4SpeechRecognition128

4．3MFCC语音特征值提取算法131

4．3．1MFCC语音特征值提取算法简介131

4．3．2语音信号分帧133

4．3．3计算MFCC系数141

4．4基于百度AI的语音识别149

4．4．1百度语音简介149

4．4．2百度语音识别150

4．5基于音频指纹的音乐识别155

4．5．1音频信号采集与播放156

4．5．2音频指纹生成157

4．5．3数据存储与检索161

4．6语音克隆技术简介165

第5章自然语言处理与Python编程实践169

5．1NLP的发展趋势与关键技术169

5．1．1NLP的发展趋势169

5．1．2NLP的关键技术170

5．2NLP工具集NLTK170

5．2．1NLTK的安装170

5．2．2基于NLTK的简单文本分析171

5．3文本切分与标准化176

5．3．1文本切分176

5．3．2中文分词177

5．3．3标准化186

5．4词性标注191

5．5文本分类193

5．6语言检测识别202

5．6．1基于Langdetect的语言检测202

5．6．2基于Langid的语言检测203

5．6．3基于N-gram算法的语言检测204

5．7情感分析207

5．7．1简易情感分类器示例207

5．7．2基于NLTK的电影评论情感分类209

第6章深度学习与Python编程实践212

6．1深度学习常用算法212

6．1．1卷积神经网络213

6．1．2循环神经网络219

6．1．3生成对抗网络224

6．2深度学习框架及其应用230

6．2．1Theano230

6．2．2PyTorch243

6．2．3TensorFlow253

第7章量子计算与Python编程实践260

7．1量子计算概述261

7．1．1什么是量子计算261

7．1．2人工智能与量子计算262

7．2量子计算发展现状263

7．2．1国外量子计算发展概况263

7．2．2中国量子计算进展266

7．3IBMQuantumExperience量子计算云平台267

7．3．1IBMQuantumExperience平台账号注册268

7．3．2IBMQuantumExperience量子电路设计与运行268

7．4基于Qiskit的量子计算Python编程接口274

7．5基于Qiskit的量子计算编程实践276

7．5．1Qconfig．py配置文件276

7．5．2基于模拟终端的算法电路运行276

7．5．3基于物理芯片的算法电路运行277

7．5．4量子电路可视化279

7．5．5量子傅里叶变换280

7．6RigettiComputing量子编程平台285

7．6．1ForestSDK简介285

7．6．2PyQuil安装286

7．6．3PyQuil量子编程示例286

第8章区块链技术与Python编程实践288

8．1区块链技术简介288

8．2区块链编程环境配置291

8．3区块链技术与编程实践293

8．3．1区块链的定义与创建293

8．3．2共识机制296

8．3．3创建节点297

8．3．4测试运行示例区块链299

8．3．5一致性算法301

第9章并行计算与Python编程实践304

9．1基于Multiprocessing的并行计算304

9．1．1进程创建与管理305

9．1．2进程数据交换306

9．1．3进程同步309

9．2GPU并行计算312

9．2．1PyCUDA并行计算313

9．2．2NumbaGPU高性能计算317

9．3MPI并行计算319

9．3．1mpi4py简介319

9．3．2mpi4py的安装与测试319

9．3．3mpi4py并行计算320

9．4ipyparallel并行计算330

9．4．1ipyparallel的安装与启动330

9．4．2ipyparallel并行计算330

0章增强现实与Python编程实践335

10．1AR技术简介335

10．2基于OpenCV的AR实现336

10．2．1照相机模型336

10．2．2基于OpenCV的AR编程实例337