新書推薦：
《
女人的胜利
》
售價：NT$
254.0
《
数据有道：数据分析+图论与网络+微课+Python编程（鸢尾花数学大系：从加减乘除到机器学习）
》
售價：NT$
1214.0
《
500万次倾听：陪伤心的人聊聊
》
售價：NT$
245.0
《
英国商业500年（见证大国崛起与企业兴衰，启迪未来商业智慧。）
》
售價：NT$
367.0
《
万千心理·儿童心理治疗中的心智化：临床实践指导
》
售價：NT$
398.0
《
自我囚禁的人：完美主义的心理成因与自我松绑（破除你对完美主义的迷思，尝试打破自我评价过低与焦虑的恶性循环）
》
售價：NT$
301.0
《
周易
》
售價：NT$
203.0
《
东南亚的传统与发展
》
售價：NT$
306.0
|
| 內容簡介： |
|
本书探讨了人工智能技术在警务工作中的应用，并对相关的智能技术原理和应用实例进行详细分析。本书共分为十章，涵盖了警务智能概述、警务知识表示、警务确定性推理方法、警务搜索求解策略、警务不确定性推理方法、智能计算及其应用、数据挖掘与机器学习、深度学习、人工智能在监狱中的应用、人工智能未来发展和趋势。本书的编排方式采用了概念讲解、代码示例和示例练习相结合的模式。通过这种方式，读者可以深入理解人工智能及数据挖掘的基础概念，并掌握相关知识和技能。
|
| 目錄：
|
第1章 警务智能概述
1.1 智能的基本概念
1.1.1 智能的定义
1.1.2 智能的分类
1.1.3 人工智能
1.2 人工智能发展简史
1.2.1 孕育阶段
1.2.2 形成阶段
1.2.3 发展阶段
1.3 人工智能的主要研究领域
1.3.1 多学科交叉研究
1.3.2 智能应用和智能产业
1.4 警务智能技术
1.4.1 警务智能的特征
1.4.2 警务智能应用
1.5 人工智能的发展趋势
1.6 本章小结
习题
第2章 警务知识表示
2.1 知识和知识表示
2.1.1 知识的概念
2.1.2 知识的特性
2.1.3 知识的表示
2.2 谓词逻辑表示法
2.2.1 命题
2.2.2 谓词
2.2.3 谓词公式
2.2.4 谓词公式的性质
2.2.5 一阶谓词逻辑知识表示方法
2.2.6 一阶谓词逻辑表示法的特点
2.3 产生式表示法
2.3.1 产生式
2.3.2 产生式系统
2.3.3 产生式系统实例
2.3.4 产生式表示法的特点
2.4 框架表示法
2.4.1 框架的一般结构
2.4.2 用框架表示知识的例子
2.4.3 框架表示法的特点
2.4.4 框架系统的问题求解过程
2.5 警务知识表示模型分析
2.6 本章小结
习题
第3章 警务确定性推理方法
3.1 推理的基本概念
3.1.1 推理的定义
3.1.2 推理方式及其分类
3.1.3 推理的方向
3.1.4 冲突消解策略
3.2 自然演绎推理
3.3 谓词公式化为子句集的方法
3.4 鲁宾逊归结原理
3.4.1 命题逻辑中的归结原理
3.4.2 谓词逻辑中的归结原理
3.5 归结反演
3.6 应用归结原理求解问题
3.7 警务确定性推理应用分析
3.8 本章小结
习题
第4章 警务搜索求解策略
4.1 搜索的概念
4.1.1 搜索的基本问题与主要过程
4.1.2 搜索策略
4.2 状态空间的知识表示
4.2.1 状态空间表示法
4.2.2 状态空间的图描述
4.3 盲目的图搜索策略
4.3.1 回溯策略
4.3.2 宽度优先搜索策略
4.3.3 深度优先搜索策略
4.4 启发式图搜索策略
4.4.1 启发式策略
4.4.2 启发信息和估价函数
4.4.3 A搜索算法
4.4.4 A*搜索算法及其特性分析
4.5 本章小结
习题
第5章 警务不确定性推理方法
5.1 不确定性推理的概念
5.1.1 不确定性的表示和度量
5.1.2 不确定性匹配算法和阈值
5.1.3 组合证据不确定性的算法
5.1.4 不确定性的传递算法
5.1.5 结论不确定性的合成
5.1.6 不确定性推理方法
5.2 可信度方法
5.2.1 可信度的定义
5.2.2 知识不确定性的表示
5.2.3 证据不确定性的表示
5.2.4 组合证据不确定性的算法
5.2.5 结论不确定性的表示
5.2.6 结论不确定性的合成算法
5.3 证据理论
5.3.1 概率分配函数
5.3.2 信任函数
5.3.3 似然函数
5.3.4 概率分配函数的正交和
5.3.5 基于证据理论的不确定性推理
5.4 模糊推理方法
5.4.1 模糊逻辑的提出与发展
5.4.2 模糊集合
5.4.3 模糊集合的运算
5.4.4 模糊关系与模糊关系的合成
5.4.5 模糊推理
5.4.6 模糊决策
5.4.7 模糊推理的应用
5.5 不确定性推理在警务应用中的案例
5.6 本章小结
习题
第6章 智能计算及其应用
6.1 进化算法的产生与发展
6.1.1 进化算法的概念
6.1.2 进化算法的生物学背景
6.1.3 进化算法的设计原则
6.2 基本遗传算法
6.2.1 遗传算法的发展历史
6.2.2 遗传算法的基本思想
6.2.3 编码
6.2.4 群体设定
6.2.5 适应度函数
6.2.6 选择
6.2.7 交叉操作
6.2.8 变异
6.3 遗传算法的改进算法
6.3.1 双倍体遗传算法
6.3.2 双种群遗传算法
6.3.3 自适应遗传算法
6.4 遗传算法的应用
6.5 群智能算法
6.6 粒子群优化算法及其应用
6.6.1 粒子群优化算法的基本原理
6.6.2 粒子群优化算法的参数分析
6.6.3 粒子群优化算法的应用领域
6.6.4 粒子群优化算法在车辆路径问题中的应用
6.7 蚁群算法及其应用
6.7.1 基本蚁群算法模型
6.7.2 蚁群算法的参数选择
6.7.3 蚁群算法的应用
6.8 本章小结
习题
第7章 数据挖掘与机器学习
7.1 数据挖掘概述
7.1.1 数据挖掘的概念与发展
7.1.2 数据挖掘的任务
7.1.3 数据挖掘的应用
7.1.4 数据挖掘的过程与方法
7.2 数据挖掘分类
7.2.1 决策树分类法
7.2.2 基于规则的分类器
7.2.3 朴素贝叶斯分类器
7.2.4 基于距离的分类算法
7.3 机器学习概述
7.4 机器学习分类
7.4.1 根据学习能力分类
7.4.2 根据学习方法分类
7.5 数据关联规则
7.5.1 基本概念
7.5.2 关联规则挖掘算法
7.5.3 关联规则生成
7.6 数据挖掘与机器学习的应用
7.6.1 数据挖掘与机器学习在军工领域中的应用
7.6.2 数据挖掘与机器学习在警务领域中的应用
7.7 本章小结
习题
第8章 深度学习
8.1 线性神经网络
8.1.1 线性模型
8.1.2 损失函数
8.1.3 模型训练
8.1.4 基础优化算法
8.1.5 线性模型的实现
8.2 多层感知机
8.2.1 感知机模型
8.2.2 多层感知机模型
8.2.3 反向传播算法
8.2.4 多层感知机的实现
8.3 卷积神经网络
8.3.1 从全连接层到卷积
8.3.2 图像卷积
8.3.3 多输入、多输出通道
8.3.4 池化层
8.3.5 卷积神经网络的实现
8.3.6 经典卷积神经网络的实现
8.4 循环神经网络
8.4.1 序列模型
8.4.2 文本预处理
8.4.3 循环神经网络原理
8.4.4 循环神经网络的实现
8.5 本章小结
习题
第9章 人工智能在监狱中的应用
9.1 目标检测
9.1.1 数据集
9.1.2 目标检测网络模型
9.2 罪犯风险评估
9.2.1 构建数据集
9.2.2 代码实现
9.3 罪犯人脸识别
9.3.1 人脸识别技术原理
9.3.2 代码实现
9.4 罪犯情感识别
9.4.1 表情识别技术原理
9.4.2 VGG网络模型代码
9.4.3 多模态情感识别
9.5 监狱巡检机器人
9.5.1 巡检机器人系统架构
9.5.2 巡检机器人功能模块
9.6 本章小结
习题
第10章 人工智能未来发展和趋势
10.1 类脑计算
10.1.1 类脑计算的定义
10.1.2 发展历程
10.1.3 类脑计算的应用
10.2 非冯·诺依曼结构
10.2.1 三种非冯·诺依曼结构
10.2.2 非冯·诺依曼结构的应用
10.2.3 非冯·诺依曼结构的发展趋势
10.3 人工智能芯片与机器学习系统
10.3.1 人工智能芯片概述
10.3.2 人工智能芯片的关键技术
10.3.3 人工智能芯片的应用
10.3.4 人工智能芯片具有的优势
10.3.5 人工智能芯片在机器学习系统中的研究发展趋势
10.4 量子机器学习
10.4.1 量子机器学习的基本原理
10.4.2 量子机器学习的应用
10.4.3 量子机器学习的发展趋势与挑战
10.5 深度学习编程框架
10.5.1 深度学习编程框架的常见功能
10.5.2 常见的深度学习编程框架
10.5.3 深度学习编程框架的未来发展趋势
10.6 人工智能生态
10.6.1 硬件平台
10.6.2 数据集和数据处理
10.6.3 算法和模型
10.6.4 开发框架和工具
10.6.5 应用场景和商业化
10.7 人工智能伦理与治理
10.7.1 隐私和数据保护
10.7.2 公平和歧视
10.7.3 透明度和解释性
10.7.4 责任和法律问题
10.7.5 社会影响和失业
10.7.6 安全和军事应用
10.8 本章小结
习题
参考文献
|
| 內容試閱：
|
引 言
随着人工智能技术的不断发展，智慧警务成为警察工作的新趋势。智慧警务建设的核心是人工智能技术在警务工作中的应用，以实现深入挖掘规律、提供智能决策、提高警务能力、提升工作效率等。人工智能技术是一门研究如何使计算机能够像人一样思考和行动的学科，它涵盖了诸多领域，包括机器学习、自然语言处理、计算机视觉等领域。智能技术的发展也为司法行政工作提供了新的解决方案。本书主要介绍人工智能技术的基本概念、原理和应用，并探讨其在司法行政警务工作这一特殊环境中的应用。
人工智能技术在警务领域具有广泛的应用价值，人工智能技术可以对执法中的各类数据进行深度分析，挖掘潜在的犯罪模式并预测犯罪行为，从而提高警务工作者的工作效率。人工智能技术中的智能监控技术可以实现对公共区域的全方位、无死角的监控，智能识别异常情况并预警报警，提示干警及时干预处置。另外，通过人工智能技术分析罪犯的犯罪原因、心理状况等因素可以制定有针对性的改造方案，实现对犯人的个性化教育改造，提高改造效果。因此，“数字法治、智慧司法”已成为推进司法行政信息化工作的建设目标和重点任务，随着人工智能技术的逐步推广和应用，将会为警务工作带来巨大的发展变化。
本书的主要使用对象是警察院校公安技术类相关专业的专科学生、本科学生、研究生，以及在职的警务工作者等。本书探讨了人工智能技术在警务工作中的应用，并对相关的智能技术原理和应用实例进行详细分析，为警校学生提供一本更加贴合应用的图书，警校学生可以通过本书了解人工智能技术的基本概念和原理，以及人工智能技术在警务工作中的具体应用，为警务工作的智能化建设提供理论和实践支撑。
本书共分为十章，涵盖了警务智能概述、警务知识表示、警务确定性推理方法、警务搜索求解策略、警务不确定性推理方法、智能计算及其应用、数据挖掘与机器学习、深度学习、人工智能在监狱中的应用、人工智能未来发展和趋势。本书的编排方式采用了概念讲解、代码示例和示例练习相结合的模式。通过这种方式，读者可以深入理解人工智能及数据挖掘的基础概念，并掌握相关知识和技能。
本书可以为阅读者提供有关人工智能技术在警务应用中的知识，更好地理解和应用这一领域的先进技术。同时，我们也期待您的反馈和建议，以便我们不断改进和完善本书的内容。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
