顶部
收藏

农业人工智能


作者:
陆钰明
定价:
59.00元
版面字数:
385.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026-01-29
ISBN:
978-7-04-066349-5
物料号:
66349-00
出版时间:
2026-02-06
读者对象:
高等教育
一级分类:
农林
二级分类:
农学/植保

本书为“101计划”智慧农业领域核心教材之一,全面介绍了人工智能技术在农业生产、管理和供应链中的关键角色。全书分为五个部分,第一部分介绍了人工智能的基本概念和发展历程,重点探讨了人工智能在农业中的多种应用。第二部分介绍了数据科学的基本概念和重要性,详细讲解了数据类型和数据处理方法,包括表格数据、文本数据和数据交互等。第三部分介绍了量化不确定性的方法,包括概率推断、贝叶斯法则和时序模型等。第四部分介绍了统计学习、深度学习等机器学习方法。第五部分介绍了自然语言处理、计算机视觉和机器人学的基本概念和应用。全书通过系统化的知识结构和丰富的案例分析,帮助读者全面了解人工智能在农业中的应用,提升农业生产效率和可持续发展能力。

本书可以作为智慧农业等相关专业的本科生教材,也可作为广大农业科技工作者和人工智能学习者的重要参考书。

  • 前辅文
  • 第一部分 绪论:人工智能与农业
    • 第1章 农业与智能体
      • 1.1 现代农业与人工智能
      • 1.2 人工智能与智能体
        • 1.2.1 人工智能的定义
        • 1.2.2 什么是智能体
        • 1.2.3 价值对齐问题
      • 1.3 智能体与环境
      • 1.4 总结与展望
        • 1.4.1 人工智能的风险与收益
        • 1.4.2 当好新时代“新农人”
      • 思考题
      • 推荐阅读
  • 第二部分 数据科学:整合碎片化的农场数据
    • 第2章 数据科学
      • 2.1 数据科学概述
      • 2.2 数据科学生命周期
      • 2.3 基于统计的建模
        • 2.3.1 常数模型
        • 2.3.2 损失最小化
        • 2.3.3 平均绝对误差
        • 2.3.4 均方误差
        • 2.3.5 损失函数的选择
      • 思考题
      • 推荐阅读
    • 第3章 数据类型
      • 3.1 表格数据
        • 3.1.1 表格数据处理
        • 3.1.2 表格合并
        • 3.1.3 数据转换
        • 3.1.4 表格与其他数据表示方法的区别
      • 3.2 文本数据
      • 3.3 数据交互
      • 思考题
      • 推荐阅读
    • 第4章 理解数据
      • 4.1 数据整理
        • 4.1.1 数据源示例
        • 4.1.2 文件格式
        • 4.1.3 分隔格式
        • 4.1.4 固定宽度格式
        • 4.1.5 层次格式
        • 4.1.6 松散格式文本
      • 4.2 数据分析
      • 4.3 数据可视化
        • 4.3.1 选择合适的尺度揭示结构
        • 4.3.2 透过变换揭示形态
        • 4.3.3 倾斜调整以解读关系
        • 4.3.4 通过直线化揭示关系
      • 思考题
      • 推荐阅读
  • 第三部分 不确定推理:诊断农场中的病虫害
    • 第5章 不确定性的量化
      • 5.1 不确定性下的动作
        • 5.1.1 基本概率记号
        • 5.1.2 概率断言中的命题语言
      • 5.2 概率推断与独立性
        • 5.2.1 使用完全联合分布进行推断
        • 5.2.2 独立性
      • 5.3 连续型随机变量
        • 5.3.1 几种典型的概率分布
        • 5.3.2 随机变量的数字特征
        • 5.3.3 高斯分布
        • 5.3.4 多元高斯分布的应用
      • 5.4 贝叶斯法则
      • 思考题
      • 推荐阅读
    • 第6章 时间上的概率推理
      • 6.1 时间与不确定性
        • 6.1.1 状态与观测
        • 6.1.2 转移模型与传感器模型
        • 6.1.3 农业灌溉系统案例
      • 6.2 系统能观测性判断
      • 6.3 时间序列上的状态估计——滤波与平滑
        • 6.3.1 卡尔曼滤波
        • 6.3.2 卡尔曼平滑
      • 6.4 隐马尔可夫模型
        • 6.4.1 隐马尔可夫模型建模
        • 6.4.2 维特比算法
      • 思考题
      • 推荐阅读
    • 第7章 制定复杂决策
      • 7.1 性能指标
        • 7.1.1 时间性能指标
        • 7.1.2 累加二次型性能指标
      • 7.2 系统能达性判断
      • 7.3 最优策略的求解
        • 7.3.1 最小拍决策
        • 7.3.2 线性二次型最优决策
        • 7.3.3 决策的滚动优化
      • 思考题
      • 推荐阅读
  • 第四部分 机器学习:预测玉米产量
    • 第8章 统计学习
      • 8.1 监督学习
      • 8.2 线性回归及正则化
        • 8.2.1 简单线性回归
        • 8.2.2 梯度下降法
        • 8.2.3 多元线性回归
        • 8.2.4 线性模型的正则化、Lasso和岭回归
        • 8.2.5 使用线性模型预测玉米产量
        • 8.2.6 模型选择
        • 8.2.7 使用Lasso和岭回归预测玉米产量
      • 8.3 非参数模型
        • 8.3.1 k-近邻算法
        • 8.3.2 k-近邻算法应用于玉米产量预测
        • 8.3.3 支持向量机
        • 8.3.4 使用支持向量机算法预测玉米产量
      • 8.4 集成学习
        • 8.4.1 决策树
        • 8.4.2 使用决策树预测玉米产量
        • 8.4.3 Bagging与随机森林
        • 8.4.4 使用随机森林预测玉米产量
        • 8.4.5 Boosting的训练过程
      • 思考题
      • 推荐阅读
    • 第9章 深度学习
      • 9.1 前馈神经网络
        • 9.1.1 前馈神经网络概述
        • 9.1.2 梯度和反向传播
        • 9.1.3 使用前馈神经网络预测玉米产量
      • 9.2 卷积神经网络
        • 9.2.1 卷积
        • 9.2.2 池化和下采样
        • 9.2.3 残差网络
        • 9.2.4 卷积神经网络中的张量运算
        • 9.2.5 使用卷积神经网络预测玉米产量
      • 9.3 循环神经网络
        • 9.3.1 循环神经网络基础模型
        • 9.3.2 长短时记忆网络
        • 9.3.3 使用长短时记忆网络预测玉米产量
      • 9.4 网络优化
        • 9.4.1 随机梯度下降
        • 9.4.2 批量归一化
        • 9.4.3 选择正确的网络架构
        • 9.4.4 神经网络架构搜索
        • 9.4.5 随机失活
        • 9.4.6 网络优化后的玉米产量预测模型
      • 9.5 讨论
      • 思考题
      • 推荐阅读
  • 第五部分 沟通、感知与行动:教机器人摘番茄
    • 第10章 自然语言处理
      • 10.1 句法分析与词嵌入
        • 10.1.1 句法分析
        • 10.1.2 词嵌入
      • 10.2 循环神经网络应用
        • 10.2.1 使用循环神经网络的语言模型
        • 10.2.2 使用循环神经网络进行分类
        • 10.2.3 使用长短时记忆网络进行自然语言处理任务
      • 10.3 Transformer模型
        • 10.3.1 序列输入与序列输出
        • 10.3.2 循环神经网络的局限性
        • 10.3.3 注意力机制
        • 10.3.4 自注意力
        • 10.3.5 从自注意力到Transformer
      • 10.4 预训练与微调
        • 10.4.1 预训练词嵌入
        • 10.4.2 预训练上下文表征
        • 10.4.3 微调
      • 10.5 植物基因组学的遗传语言模型
      • 思考题
      • 推荐阅读
    • 第11章 计算机视觉
      • 11.1 二维图像的形成
        • 11.1.1 无须透镜的成像:小孔成像原理
        • 11.1.2 镜头系统
        • 11.1.3 缩放正交投影
        • 11.1.4 光照与阴影
        • 11.1.5 颜色
      • 11.2 图像特征与分类
        • 11.2.1 简单的图像特征
        • 11.2.2 图像分类
        • 11.2.3 目标检测
      • 11.3 三维世界
        • 11.3.1 融合多角度视图的三维信息
        • 11.3.2 双目立体视觉
        • 11.3.3 从移动摄像头获取三维信息
        • 11.3.4 从单一视角获取三维信息
      • 11.4 多模态模型
        • 11.4.1 建立图像与文字的桥梁
        • 11.4.2 从多视角重建
        • 11.4.3 单视图几何信息提取
        • 11.4.4 图像生成
        • 11.4.5 通过视觉控制行动
      • 思考题
      • 推荐阅读
    • 第12章 机器人学
      • 12.1 机器人与硬件
        • 12.1.1 机器人分类
        • 12.1.2 机器人传感器
        • 12.1.3 机器人驱动机构
      • 12.2 感知、规划与控制
        • 12.2.1 感知
        • 12.2.2 规划与控制
      • 12.3 机器人学中的强化学习
        • 12.3.1 利用模型
        • 12.3.2 利用其他信息
      • 12.4 人类与机器人
        • 12.4.1 机器人与人类的协调
        • 12.4.2 机器人行为符合人类需求
      • 思考题
      • 推荐阅读
  • 参考文献

相关图书