前言

随着人工智能技术的蓬勃发展,其应用技术已在金融、医疗、安防、交通、零售、教育、智能制造等领域得到了广泛运用。同时,人工智能教育体系也在逐步建立和完善。然而,我们在专业教学实践中发现,虽然理论教学课程在不断迭代更新,但实验课程作为教育体系的重要一环却未获得足够重视,特别是系统性实验教材和实验教学经验还比较匮乏。我们通过总结本团队十余年的人工智能实验教学经验编写了本书,希望能对人工智能专业实验课程体系建设起到抛砖引玉的作用。本书以现代工业和日常生活中常见的应用案例作为实验素材,对每个实验案例都从理论到实践进行了详细的阐述,旨在引导读者独立和快速地完成实验,以加深对理论的理解并增强实践能力。

深度学习是机器学习的一个重要分支领域,其核心架构源于人们对神经元以及神经网络的研究,是一种包含多个隐藏层的神经网络,也是从数据中学习特征表示的一种新方法。本书重点介绍各类深度学习框架和算法,涵盖图像、视频、语音和文本等人工智能技术广泛应用的多个领域,涉及分类、识别、检测、多模态和3D重建等多类实验任务。各实验分别介绍了相关背景、所涉及的深度网络模型框架和实验操作,实验操作部分描述了实验代码、操作步骤、数据集、评估准则、所应用的平台及系统环境等内容,有助于读者在了解基础理论的基础上根据实验操作的描述独立完成相关实验。期待读者通过对本书的学习和具体实践,更加深刻地理解各类深度学习算法模型,提升解决实际工程问题的创新能力。

本书的主要特点如下: 

(1) 理论与创新相结合。本书反映了当前人工智能研究的主要内容和相关热点问题,突出夯实理论基础、重视实践、培育创新能力三位一体的紧密结合,使读者通过具体的实验深化理解理论知识,从具体实践中感受相关内容的现实意义和作用,激发科研探索精神,强化解决复杂问题的综合能力,提升利用理论知识发现问题、分析问题、解决问题的知识创新和实践创新能力。

(2) 取材兼具新颖性和趣味性。本书所选取的实验既是人工智能技术发展中的具有新颖性的前沿热点问题,也是与我们日常生活密切相关的实际问题,如呼吸/心率检测、视线跟踪、图像超分辨等; 还有一些具有趣味性的实验,如表情识别、图像修复、智能对联、文本生成图像等; 另外,包括涉及工业领域的实际复杂应用,如智慧城市、安防领域中应用较多的视频分类、目标检测等。

(3) 实验内容与理论教学相融合。本书将人工智能新的科研成果转化为实验内容,践行科研成果驱动式的实验教学探索,所选取的实验涵盖了深度神经网络理论教学的基本内容,通过这些实验,读者可加深理解和巩固基本概念和理论,熟悉和掌握深度神经网络的经典模型构建、模型的优化和训练等,促进前沿知识的渗透,实现理论教学和实验内容的并行互补和有机融合。

(4) 文风妙趣横生,内容丰富翔实。本书的实验描述使用了活泼生动的描述方式,一方面有利于读者对内容的理解,另一方面拉近作者与读者的距离,希望给读者以现场交流互动的感觉。同时,本书的每个实验各有侧重,从实验的背景信息、模型构建的原理,到实验操作的流程步骤均深入浅出地进行了详尽的描述,通过对实验过程的完整描述,读者可以独立完成相关实验,希望提升读者的独立解决实际问题的科研能力。

(5) 从无到有辟蹊径。目前国内外同类实验教材较少,本书更具人工智能人才培养实验教材及教学的特色,又对人工智能实验课程教材建设及体系建设进行了开拓和探索。本书通过一系列实验挖掘和演绎人工智能的魅力,帮助读者开阔视野,提升素养,为人工智能的进一步研究实践夯实基础。





(6) 研发相关实验系统与平台。针对本书的实验内容,团队研发了相应的人工智能实训平台,为读者提供了实验环境和教学资料,读者通过该平台可以进行完整的实验操作。 

本书的实验内容在安排上无先后之分,每一章为一个独立实验,每个实验描述了相关背景、算法模型的原理和实验操作流程步骤,读者可根据自己的兴趣阅读和实践感兴趣的章节。本书使用范围和场景广泛,可以作为人工智能、智能科学与技术、人工智能与信息处理、机器人工程、模式识别与智能系统、人工智能技术服务、大数据采集与管理等专业的专科、本科及研究生选用及参考的实验教材,也可以作为补充学习的工具书籍; 读者可以是有一定专业知识储备的科研人员或从业者,也可以是人工智能的兴趣爱好者及初识人工智能的学生。

全书内容及实验体系由焦李成、田小林、侯彪、李阳阳、马文萍、孙其功等策划、设计和统稿。在各章节的撰写过程中,张力、高原、黄小萃、杨婷、杨逸歌、贾楠、李佳昌等研究生整理了论文资料和程序代码,并进行实验操作和流程的梳理,感谢他们的帮助和辛勤劳动。在此特别感谢张小华、朱虎明、吴建设、缑水平、张丹、刘旭等老师的帮助和支持。

人工智能技术发展日新月异且涉及领域广泛,编者水平有限,本书中难免有不足之处,恳请各位专家及广大读者批评指正。


编者
2024年6月