人工智能控制技術(shù)

前言
學(xué)習(xí)情境1認(rèn)識人工智能
學(xué)習(xí)目標(biāo)
情境簡介
情境分析
支撐知識
1.1人工智能的產(chǎn)生
1.2人工智能的發(fā)展
1.2.1計(jì)算機(jī)時(shí)代
1.2.2人工智能的開端
1.2.3人工智能程序積累階段
1.2.4超越人類的臨界點(diǎn)
1.3人工智能的定義
1.4人工智能的分類
1.4.1按發(fā)展階段分
1.4.2按應(yīng)用領(lǐng)域分
1.4.3按智能化強(qiáng)弱程度分
1.5人工智能對人類的影響
1.6人工智能應(yīng)用案例
任務(wù)實(shí)施
小結(jié)
課后習(xí)題
學(xué)習(xí)情境2運(yùn)動系統(tǒng)的設(shè)計(jì)與應(yīng)用
學(xué)習(xí)目標(biāo)
情境簡介
情境分析
支撐知識
2.1智能控制
2.1.1定義
2.1.2應(yīng)用
2.1.3特點(diǎn)
2.1.4發(fā)展
2.2運(yùn)動控制
2.2.1定義
2.2.2分類
2.2.3執(zhí)行過程
2.2.4機(jī)械運(yùn)動
2.3反饋
2.3.1定義
2.3.2分類
2.3.3應(yīng)用
2.4PID技術(shù)
2.4.1比例控制
2.4.2積分控制
2.4.3PI控制
2.4.4微分作用
2.4.5采樣周期
2.4.6參數(shù)調(diào)整方法
2.5脈沖寬度調(diào)制
任務(wù)實(shí)施
2.6任務(wù)1定級恒溫系統(tǒng)設(shè)計(jì)與應(yīng)用
2.6.1開環(huán)控制
2.6.2MCU配置PWM
2.6.3非機(jī)械類的運(yùn)動控制結(jié)構(gòu)圖
2.6.4過程實(shí)施
2.7任務(wù)2無級變溫恒溫系統(tǒng)設(shè)計(jì)與應(yīng)用
2.7.1閉環(huán)控制
2.7.2無級調(diào)溫
2.7.3數(shù)字PID
2.7.4過程實(shí)施
2.8任務(wù)3可運(yùn)動的溫度控制系統(tǒng)設(shè)計(jì)與應(yīng)用
2.8.1步進(jìn)電機(jī)的使用特性與工作特點(diǎn)
2.8.2步進(jìn)電機(jī)的選用及其注意事項(xiàng)
2.8.3步進(jìn)電機(jī)的控制原理
2.8.4步進(jìn)電機(jī)控制系統(tǒng)的典型接線
2.8.5步進(jìn)電機(jī)驅(qū)動程序范例
2.8.6過程實(shí)施
小結(jié)
課后習(xí)題
學(xué)習(xí)情境3視覺識別系統(tǒng)的設(shè)計(jì)與應(yīng)用
學(xué)習(xí)目標(biāo)
情境簡介
情境分析
支撐知識
3.1機(jī)器視覺
3.1.1定義
3.1.2基本原理
3.1.3典型構(gòu)成
3.1.4主要工作過程
3.1.5應(yīng)用案例
3.1.6發(fā)展趨勢
3.2視覺識別軟件
3.3OpenCV既定目標(biāo)識別與跟蹤舉例
任務(wù)實(shí)施
3.4任務(wù)1OpenCV for Android的開發(fā)環(huán)境搭建
3.4.1OpenCV特性
3.4.2Android使用OpenCV的主要過程
3.4.3圖像的基本操作
3.4.4過程實(shí)施
3.5任務(wù)2OpenCV for Android預(yù)覽攝像頭圖像
3.5.1相機(jī)簡介
3.5.2OpenCV有關(guān)相機(jī)方法
3.5.3過程實(shí)施
3.6任務(wù)3OpenCV for Android攝像頭參數(shù)設(shè)置
3.6.1JavaCameraView的參數(shù)設(shè)置
3.6.2Camera的回調(diào)接口
3.6.3過程實(shí)施
3.7任務(wù)4OpenCV for Android模板匹配和物體跟蹤
3.7.1模板匹配的定義
3.7.2模板匹配的基本原理
3.7.3模板匹配的算法模型
3.7.4OpenCV for Android模板匹配實(shí)現(xiàn)
3.7.5過程實(shí)施
3.8任務(wù)5OpenCV for Android的顏色識別
3.8.1顏色空間
3.8.2OpenCV的HSV顏色空間
3.8.3OpenCV顏色識別相關(guān)函數(shù)方法
3.8.4OpenCV顏色識別主要流程
3.8.5直方圖均衡化
3.8.6形態(tài)學(xué)運(yùn)算
3.8.7OpenCV的形態(tài)學(xué)處理函數(shù)
3.8.8過程實(shí)施
3.9任務(wù)6OpenCV for Android的形狀識別
3.9.1圖像矩
3.9.2邊緣檢測
3.9.3輪廓提取
3.9.4圖像濾波
3.9.5霍夫變換
3.9.6形狀識別的主要過程
3.9.7凸包檢測
3.9.8過程實(shí)施
3.10任務(wù)7OpenCV for Android模型訓(xùn)練及手寫數(shù)字識別
3.10.1支持向量機(jī)（SVM）
3.10.2用支持向量機(jī)實(shí)現(xiàn)識別過程
3.10.3分類器
3.10.4過程實(shí)施
小結(jié)
課后習(xí)題
學(xué)習(xí)情境4語音識別系統(tǒng)的設(shè)計(jì)與應(yīng)用
學(xué)習(xí)目標(biāo)
情境簡介
情境分析
支撐知識
4.1人機(jī)交互
4.1.1定義
4.1.2三次革命
4.1.3發(fā)展趨勢
4.2語音交互
4.2.1組成
4.2.2應(yīng)用
4.2.3發(fā)展趨勢
4.3語音識別SDK開發(fā)包
4.4科大訊飛語音識別
任務(wù)實(shí)施
4.5任務(wù)1讓機(jī)器記下您說的話——語音聽寫系統(tǒng)的設(shè)計(jì)與應(yīng)用
4.5.1語音聽寫
4.5.2科大訊飛語音聽寫服務(wù)
4.5.3科大訊飛語音識別流程
4.5.4過程實(shí)施
4.6任務(wù)2讓機(jī)器說話給您聽——語音合成系統(tǒng)的設(shè)計(jì)與應(yīng)用
4.6.1語音合成
4.6.2訊飛語音合成服務(wù)
4.6.3過程實(shí)施
4.7任務(wù)3讓機(jī)器執(zhí)行您的語音指令——語音析義系統(tǒng)的設(shè)計(jì)與應(yīng)用
4.7.1語音喚醒
4.7.2訊飛語音喚醒服務(wù)
4.7.3科大訊飛多個(gè)服務(wù)聯(lián)合應(yīng)用設(shè)計(jì)
4.7.4過程實(shí)施
小結(jié)
課后習(xí)題
學(xué)習(xí)情境5認(rèn)知系統(tǒng)的設(shè)計(jì)與應(yīng)用
學(xué)習(xí)目標(biāo)
情境簡介
情境分析
支撐知識
5.1機(jī)器學(xué)習(xí)
5.1.1定義
5.1.2范圍
5.2神經(jīng)網(wǎng)絡(luò)
5.2.1感知器
5.2.2感知器的應(yīng)用
5.2.3權(quán)重各閾值
5.2.4決策模型
5.2.5矢量化
5.2.6神經(jīng)網(wǎng)絡(luò)的運(yùn)作過程
5.3機(jī)器學(xué)習(xí)的實(shí)現(xiàn)
5.3.1關(guān)鍵因素
5.3.2實(shí)現(xiàn)過程
5.4深度學(xué)習(xí)
5.5深度學(xué)習(xí)的工具
任務(wù)實(shí)施
5.6任務(wù)1讓機(jī)器決策思考訓(xùn)練——決策層的識別模型訓(xùn)練
5.6.1TensorFlow的基本操作
5.6.2TensorFlow的安裝與配置
5.6.3損失函數(shù)和優(yōu)化器
5.6.4TensorFlow模型訓(xùn)練
5.6.5過程實(shí)施
5.7任務(wù)2讓機(jī)器執(zhí)行認(rèn)知指令——決策層應(yīng)用設(shè)計(jì)
5.7.1TensorFlow Lite簡介
5.7.2TensorFlow Lite的使用
5.7.3TensorFlow Lite的實(shí)現(xiàn)過程
5.7.4過程實(shí)施
小結(jié)
課后習(xí)題
附錄人工智能控制技術(shù)實(shí)訓(xùn)平臺
參考文獻(xiàn)