第1章　緒　論 1
1.1　背景 1
1.1.1　新一代信息技術 2
1.1.2　人工智能 3
1.1.3　新一代信息技術與人工智能 3
1.2　學習目標 4
第2章　新一代信息技術與人工智能概述 5
2.1　5G?通信技術概述 5
2.1.1 移動通信技術的發(fā)展演變 6
2.1.2 5G?的發(fā)展現(xiàn)狀 7
2.1.3 5G?的特點和優(yōu)勢 8
2.1.4 5G?的主要體系架構 10
2.1.5 5G?的行業(yè)應用及對社會的重大影響 10
2.2　物聯(lián)網技術概述 13
2.2.1 物聯(lián)網的基本概念 13
2.2.2 物聯(lián)網技術的發(fā)展演變 14
2.2.3 物聯(lián)網技術的體系架構 15
2.2.4 物聯(lián)網的行業(yè)應用 16
2.3　大數據與云計算技術概述 19
2.3.1　大數據技術概述 19
2.3.2　云計算技術概述 24
2.4　人工智能概述 30
2.4.1　人工智能的發(fā)展概況 33
2.4.2　人工智能的內涵 41
2.4.3　人工智能的應用領域 44
2.4.4　新一代信息技術與人工智能的關系 50
2.5　新一代信息技術、人工智能與社會 51
2.5.1　新一代信息技術對社會發(fā)展和生產生活方式轉變的推動 53
2.5.2　大數據時代的個人隱私保護 57
2.5.3　人工智能與社會倫理 60
第3章　新一代信息技術基礎 63
3.1　信息論 63
3.1.1　信息的基本概念 63
3.1.2　信息傳遞的結構 64
3.1.3　信息的度量 64
3.1.4　通信信道 67
3.1.5　信道容量 68
3.2　現(xiàn)代編碼技術 69
3.2.1　現(xiàn)代通信系統(tǒng)及編碼技術 69
3.2.2　信源編碼 69
3.2.3　信道編碼 70
3.3　現(xiàn)代調制技術 71
3.3.1　數字調制的基本概念 71
3.3.2　現(xiàn)代數字調制技術 72
3.4　大數據與云計算技術 73
3.4.1　大數據處理核心技術 74
3.4.2　大數據主要工具簡介 83
3.4.3　云計算處理核心技術 88
3.4.4　云計算主要軟件簡介 101
第4章　人工智能基礎 105
4.1　機器學習方法 105
4.1.1　監(jiān)督學習 107
4.1.2　無監(jiān)督學習 110
4.1.3　半監(jiān)督學習 111
4.1.4　強化學習 112
4.2　機器學習模式 112
4.2.1　概率統(tǒng)計學習 112
4.2.2　人工神經網絡 119
4.2.3　深度學習 127
第5章　5G?通信與物聯(lián)網技術應用 141
5.1　5G?通信與物聯(lián)網技術在車聯(lián)網中的應用案例 141
5.1.1　智能網聯(lián)汽車的基本技術 141
5.1.2　通信、物聯(lián)網技術在智能網聯(lián)汽車中的應用 143
5.1.3　智能網聯(lián)汽車的發(fā)展趨勢 147
5.2　5G?通信在遠程操作中的應用案例 148
5.2.1　實現(xiàn)遠程操作的基本技術 148
5.2.2　實現(xiàn)遠程操作的處理流程及特點 153
5.2.3　遠程操作具體應用 154
5.3　5G?通信與物聯(lián)網技術在智能物流中的應用案例 155
5.3.1　智能物流的基本技術 155
5.3.2　5G?網絡在物流行業(yè)中的應用優(yōu)勢分析 155
5.3.3　基于?5G?網絡的智慧化海量接入物流體系 157
5.3.4　基于?5G?網絡的新一代物流應用場景 158
第6章　大數據與云計算技術應用 161
6.1　大數據與云計算在智慧城市中的應用 161
6.1.1　智慧城市建設的三個階段 162
6.1.2　時空數據和塊數據在智慧城市中的作用 162
6.1.3　大數據和云計算技術在智慧城市建設中的應用 165
6.2　大數據與云計算技術在智慧交通中的應用 168
6.2.1　智慧交通概況 168
6.2.2　新技術的融合 169
6.2.3　典型應用案例 170
6.3　大數據與云計算技術在智能推薦系統(tǒng)中的應用 171
6.3.1　智能推薦系統(tǒng)的概念 171
6.3.2　智能推薦數據平臺 173
6.3.3　智能推薦系統(tǒng)典型應用案例 177
第7章　人工智能技術應用—機器視覺和機器學習 185
7.1　機器視覺在智能檢測和定位中的應用 185
7.1.1　機器視覺的概念 187
7.1.2　機器視覺的特點 188
7.1.3　機器視覺的任務 188
7.1.4　機器視覺和其他領域的關系 189
7.1.5　機器視覺系統(tǒng)的工作原理 190
7.2　機器視覺在同步定位與建圖中的應用 192
7.2.1　深度視覺定位傳感器 193
7.2.2　定位問題 194
7.2.3　SLAM?端優(yōu)化理論 196
7.2.4　閉環(huán)檢測 199
7.3　機器學習在數字三維建模中的應用 199
7.3.1　基于計算機視覺三維重建應用案例 199
7.3.2　基于計算機視覺三維重建過程分析 200
7.3.3　SFM?與三維重建 201
7.3.4　深度學習與三維重建 204
7.4　深度學習在醫(yī)學影像中的應用 205
7.4.1　深度學習在醫(yī)學影像中的自動化分割應用 206
7.4.2　基于深度學習的乳腺癌影像分割的方法詳解 209
7.5　深度學習在面部表情識別中的應用 212
7.5.1　基于深度學習的表情識別應用案例 212
7.5.2　基于深度學習的表情識別開發(fā)過程 213
第8章　人工智能技術應用——自然語言處理 217
8.1　人工智能在機器翻譯中的應用 217
8.1.1　機器翻譯簡介 217
8.1.2　基于深度學習的機器翻譯方法 221
8.2　人工智能在語音識別中的應用 223
8.2.1　語音識別的基本概念 223
8.2.2　基于編碼器/解碼器的語音識別方法 224
8.2.3　語音識別的典型應用 227
8.3　人工智能在智能文本創(chuàng)作中的應用 228
8.3.1　智能文本創(chuàng)作系統(tǒng)簡介 228
8.3.2　詩歌語料庫 230
8.3.3　智能文本創(chuàng)作的方法 231
8.4　人工智能在文本分類中的應用 233
8.4.1　文本分類的基本概念 233
8.4.2　文本情感分類的基本概念 236
8.4.3　文本分類的方法 238
參考文獻 241