顶部
收藏

环境人工智能基础与应用


作者:
主编 戴若彬、王志伟、王雪野
定价:
37.00 元
版面字数:
340.00千字
开本:
16开
装帧形式:
平装
页数:
244
最新
印次时间:
2026年08月
ISBN:
978-7-04-067684-6
物料号:
67684-00
出版时间:
2026-08-20
读者对象:
高等教育

本书全面介绍了环境人工智能的基本定义、实施流程及应用场景。全书共8章,第1—2章内容为绪论和环境人工智能应用基本流程,旨在建立环境人工智能知识架构,明晰环境人工智能应用的具体实施技术路径;第3—7章分别围绕集成学习、人工神经网络、计算机视觉、大语言模型、强化学习等核心模型算法,辅以环境案例实战模块,进行知识与实践案例的系统介绍;第8章为环境人工智能前沿展望,介绍人工智能在环境领域应用的技术前沿与发展方向。本书强调“学以致用,活学活用”理念,注重人工智能知识与环境实践案例的结合,通过理论与实践相融合,使学生快速掌握应用人工智能技术解决环境领域问题的基本思路,拓展科学视野,培养交叉创新精神。同时,注重知识表述的通俗易懂,相较于传统人工智能/计算机科学专业教材,适当精简数学基础相关内容,降低环境专业学生理解门槛。

本书的适用对象广泛,可作为高等学校环境相关专业“环境人工智能基础与应用”通识课程或“环境人工智能导论”课程的教材,也可供对环境人工智能技术感兴趣的广大科研工作者阅读,为环境相关专业本科生、研究生开展人工智能交叉研究与应用工作提供参考。

  • 目录
    • 前辅文
      • 第一章 绪论
        • 第一节 环境人工智能的定义与特征
          • 一、环境人工智能的定义
            • 二、环境人工智能的特征
            • 第二节 环境人工智能研究与应用的基本内容
              • 一、环境人工智能研究的基本内容
                • 二、环境人工智能的主要应用领域
                • 第三节 环境人工智能思维培养
                  • 参考书目
                  • 第二章 环境人工智能应用基本流程
                    • 第一节 环境问题与学习任务
                      • 第二节 数据收集与预处理
                        • 一、环境数据类型与来源
                          • 二、数据预处理
                            • 三、特征表示与选择
                            • 第三节 模型开发
                              • 一、算法选择
                                • 二、模型训练
                                  • 三、超参数调优
                                    • 四、模型性能评价
                                    • 第四节 模型应用
                                      • 一、模型推理
                                        • 二、模型解释
                                          • 三、模型部署
                                          • 第五节 Python安装与快速入门
                                            • 一、Python与Anaconda安装
                                              • 二、虚拟环境搭建与管理
                                                • 三、Spyder基础教程
                                                  • 四、Python语言快速入门
                                                  • 参考书目
                                                  • 第三章 集成学习快速入门与环境应用
                                                    • 第一节 集成学习在环境领域的适用范围
                                                      • 第二节 决策树基础知识
                                                        • 一、决策树的基本概念
                                                          • 二、二叉树的数学本质
                                                            • 三、二叉树的分裂准则
                                                              • 四、从决策树到集成学习
                                                              • 第三节 装袋法-随机森林
                                                                • 一、随机森林基础知识
                                                                  • 二、随机森林的不足与未来拓展方向
                                                                  • 第四节 提升法
                                                                    • 一、自适应提升法
                                                                      • 二、回归提升法
                                                                        • 三、梯度提升法
                                                                          • 四、随机梯度提升法
                                                                            • 五、极端梯度提升法
                                                                              • 六、XGBoost的不足与未来拓展方向
                                                                              • 第五节 集成学习的环境实战案例
                                                                                • 一、案例介绍
                                                                                  • 二、数据预处理与特征选择
                                                                                    • 三、集成学习模型构建与应用
                                                                                      • 四、集成学习算法实战练习
                                                                                      • 参考书目
                                                                                      • 第四章 人工神经网络快速入门与环境应用
                                                                                        • 第一节 人工神经网络在环境领域的适用范围
                                                                                          • 第二节 人工神经网络
                                                                                            • 一、人工神经网络基本结构
                                                                                              • 二、神经网络的训练与学习
                                                                                                • 三、人工神经网络的不足与未来拓展方向
                                                                                                • 第三节 循环神经网络-长短期记忆网络
                                                                                                  • 一、长短期记忆神经网络基础知识
                                                                                                    • 二、长短期记忆神经网络的不足与未来拓展方向
                                                                                                    • 第四节 人工神经网络的环境实战案例
                                                                                                      • 一、多层感知机环境实战案例
                                                                                                        • 二、长短期记忆神经网络环境实战案例
                                                                                                        • 参考书目
                                                                                                        • 第五章 计算机视觉快速入门与环境应用
                                                                                                          • 第一节 计算机视觉及其在环境领域的适用范围
                                                                                                            • 一、计算机视觉的核心任务与实现方法
                                                                                                              • 二、计算机视觉在环境领域的应用
                                                                                                              • 第二节 卷积神经网络
                                                                                                                • 一、卷积神经网络的构成
                                                                                                                  • 二、卷积神经网络的训练
                                                                                                                    • 三、几种流行的卷积神经网络
                                                                                                                    • 第三节 计算机视觉的不足与未来发展方向
                                                                                                                      • 一、现有不足与挑战
                                                                                                                        • 二、未来发展方向
                                                                                                                        • 第四节 计算机视觉的环境实战案例
                                                                                                                          • 一、港口水域污染监测
                                                                                                                            • 二、电子垃圾实时分类
                                                                                                                            • 参考书目
                                                                                                                            • 第六章 大语言模型快速入门与环境应用
                                                                                                                              • 第一节 大语言模型在环境领域的适用范围
                                                                                                                                • 第二节 大语言模型基础知识
                                                                                                                                  • 一、大语言模型的基本原理
                                                                                                                                    • 二、Transformer模型架构
                                                                                                                                    • 第三节 主流大语言模型介绍与应用
                                                                                                                                      • 一、主流大语言模型介绍
                                                                                                                                        • 二、基于API调用的大语言模型应用
                                                                                                                                        • 第四节 大语言模型不足与展望
                                                                                                                                          • 一、大语言模型面临的挑战
                                                                                                                                            • 二、未来展望与潜在应用
                                                                                                                                            • 第五节 大语言模型的实战案例
                                                                                                                                              • 一、主流大模型工具直接应用案例
                                                                                                                                                • 二、基于API调用的大模型环境实战案例
                                                                                                                                                • 参考书目
                                                                                                                                                • 第七章 强化学习快速入门与环境应用
                                                                                                                                                  • 第一节 强化学习在环境领域的适用范围
                                                                                                                                                    • 第二节 强化学习基础知识
                                                                                                                                                      • 一、强化学习的基本概念
                                                                                                                                                        • 二、马尔可夫决策过程与环境建模
                                                                                                                                                          • 三、强化学习主流算法
                                                                                                                                                          • 第三节 强化学习的不足与未来发展方向
                                                                                                                                                            • 第四节 强化学习的环境实战案例
                                                                                                                                                              • 一、案例介绍
                                                                                                                                                                • 二、模型构建
                                                                                                                                                                  • 三、不同模型架构的性能对比
                                                                                                                                                                    • 四、模型应用与效果评价
                                                                                                                                                                      • 五、挑战测试与鲁棒性评估
                                                                                                                                                                      • 参考书目
                                                                                                                                                                      • 第八章 环境人工智能前沿展望
                                                                                                                                                                        • 第一节 物理信息融合机器学习
                                                                                                                                                                          • 第二节 多模态神经网络模型
                                                                                                                                                                            • 第三节 环境智能机器人
                                                                                                                                                                              • 第四节 大模型与环境智能决策
                                                                                                                                                                                • 第五节 环境人工智能的伦理与治理
                                                                                                                                                                                  • 参考书目

                                                                                                                                                                                相关图书


                                                                                                                                                                                相关数字化产品